PROTOCOLO DE INVESTIGACION METODOS COMPUTACIONALES

PROTOCOLO DE INVESTIGACION

METODOS COMPUTACIONALES

Métodos computacionales se han desarrollado para interpretar matemáticamente ADN mezclado y bajo plantilla. El enfoque de modelado genotipo separa computacionalmente los contribuyentes a una mezcla, con la incertidumbre representada a través de la probabilidad. La comparación de los genotipos inferidos calcula un cociente de probabilidad (LR), que mide la información de identificación. Este estudio examinó estadísticamente el desempeño de modelado genotipo del sistema informático Cybergenetics TrueAllele®. Mezclas de ADN de alta y baja de la plantilla de composición aleatorizado conocido que contiene 2, 3, 4, y 5 colaboradores se pusieron a prueba. La sensibilidad, especificidad y reproducibilidad se establecieron a través de LR cuantificación en cada uno de estos ocho grupos. Análisis de covarianza encontró comportamiento LR a ser relativamente invariantes a la cantidad de ADN o número de contribuyente. El análisis de varianza reveló que se produjeron soluciones consistentes, una vez que se considera un número suficiente de contribuyentes. Este estudio demuestra la fiabilidad de la interpretación TrueAllele en mezclas de ADN complejas de composición trabajo de casos representativos. Los resultados pueden ayudar a predecir un resultado información para un análisis de mezcla de ADN.

Pruebas ácido desoxirribonucleico (ADN) es el estándar de oro forense [1]. Millones de repetición en tándem corto (STR) [2] genotipos se han ensayado para la comparación forense. Los principios de interpretación STR son más clara sobre elementos de origen vírgenes, solteras que contienen abundante ADN (por lo general alrededor de 1 ng). Un genotipo definido primero se puede inferir, a continuación, en comparación con otro genotipo definido, con el fin de calcular una estadística probabilidad de coincidencia aleatoria (RMP) con relación a un "aleatorio" genotipo población. Este es sin duda la situación cuando se compara el ADN prístina de artículos de referencia individuales.

Sin embargo, los laboratorios del crimen proceso hoy las pruebas de ADN que es mucho menos prístina. La evidencia biológica se puede mezclar (que contiene dos o más colaboradores), nivel inferior (que tiene menos de 200 pg de ADN [3]), o degradado. En algunos laboratorios forenses de ADN, la mayoría de los artículos en la evidencia son mezclas, posiblemente bajo nivel, que a menudo contienen tres o más colaboradores. Los procedimientos del manual "a base de umbral" de interpretación de datos [4], originalmente desarrolladas para muestras prístinas, no son tan eficaces en los datos de ADN mixtas [5].

Métodos de interpretación por ordenador que utilizan más de los datos de altura de pico cuantitativos STR (en lugar de umbrales) se han utilizado desde hace veinte años [6]. Básico "deconvolución mezcla" de los datos de la mezcla de ADN forense en genotipos posibles contribuyentes se realiza por otras aplicaciones de software como 'GeneMapper® ID-X y NicheVision Forense' Applied Biosystems ArmedXpert ™. Alelo métodos "deserción" cualitativos ponen una probabilidad a los datos máximos no observados, como en likeLTD de David Balding [7] y FST programas [8] software de Adele Mitchell.

El método de "modelado genotipo" va más allá y se esfuerza por conservar la información de identificación de ADN al explicar los datos observados STR en términos de la suma de los genotipos contribuyentes [9, 10]. Este método se desarrolla bayesianos ecuaciones del modelo de probabilidad que pueden explicar los datos y (cuando el espacio de la solución se vuelve inmensa) utiliza métodos estadísticos de búsqueda para resolver las ecuaciones. Tales sistemas informáticos incluyen DNAmixtures [11] y los esfuerzos relacionados [12], MixSep [13], STRmix [14], y TrueAllele® Casework [15, 16].

Sistema Cybergenetics TrueAllele Casework separa los datos de mezclas complejas en sus genotipos componentes. Para cada colaborador, en cada locus, un genotipo y su incertidumbre se describe mediante una distribución de probabilidad sobre posibilidades par de alelos. Este genotipo se resume la información de identificación de los datos e imparte a las mezclas de ADN de la simplicidad original de la interpretación de una sola fuente. Por ejemplo, la estadística partido se asemeja RMP, como inferidos genotipos se comparan uno con el otro.

Anteriores estudios de validación TrueAllele se han publicado. De dos personas mezclas de composición conocida han sido examinados por su respuesta de información, con cantidades variables de ADN molde [17] y en pequeñas cantidades utilizando interpretación conjunta [18]. Más de 150 elementos de la mezcla trabajo de casos que contienen 2, 3, o 4 contribuyentes han sido analizados para obtener información partido en una amplia gama de pesos y cantidades de mezcla, con la comparación que se hace a los métodos de revisión humanos [15, 16, 19]. Sin embargo, todavía no ha habido un estudio de mezclas conocidas con hasta cinco contribuyentes desconocidos, donde los pesos mezcla reflejaban trabajo de casos realistas en lugar de relaciones de números enteros sencillos.

Este estudio analiza las fortalezas y limitaciones de la interpretación de ADN utilizando el sistema TrueAllele Casework en mezclas de laboratorio-sintetizado de composición conocida. Las mezclas que tienen 2, 3, 4, 5 y colaboradores se ponen a prueba, con las dos cantidades altas y bajas de ADN. Un diseño de estudio aleatorio asegura simulación realista de pruebas trabajo de casos del mundo real. Información de coincidencia de ADN se utiliza en todo para evaluar los resultados de interpretación. Materiales
Diseño aleatorizado

Un estudio de validación ayuda a establecer la fiabilidad de un método, y su idoneidad para la aplicación forense. Pruebas mezcla de ADN contiene contribuciones de dos o más individuos en proporciones desconocidas aleatorios. La mayoría de los estudios de mezcla utilizan proporciones de mezcla enteros, proporcionando una simplificación conveniente para el montaje de la muestra de laboratorio. Si bien estas relaciones integrales pueden ser suficientes para la interpretación manual, modelado por computadora puede extraer más información de los datos cuantitativos. Por lo tanto, se utilizaron relaciones de mezcla aleatorios en este estudio para representar de manera más realista evidencia real trabajo de casos.

Hubo cuatro grupos de mezcla, correspondientes a 2, 3, 4, o 5 colaboradores. Dentro de cada grupo, diez mezclas se construyen a partir de cinco muestras de referencia conocidas. Los contribuyentes incluidos en cada mezcla se determinaron mediante selección aleatoria de referencias de ADN. Los pesos de la mezcla de los contribuyentes en cada elemento mezcla fueron extraídas al azar de una distribución uniforme, calculado por el muestreo de Dirichlet. Los cuatro grupos de mezcla, conteniendo cada diez artículos, produjeron un total de 40 artículos de la mezcla de ADN aleatorios (Tabla 1).
Tabla 1. Diseño del estudio. Se utilizaron cinco referencias conocidas para crear aleatoriamente diez muestras de mezcla que tiene 2, 3, 4, 5 y colaboradores. Los pesos de la mezcla se muestran

...