CONFIDENTIEL DE L'ENTREPRISE. NE PAS DIVULGUER.
Résoudre le problème avec la criminalistique basée sur les données
Des chimistes légistes à l'esprit analytique rationalisent les tests et le développement de nouvelles technologies de pointe pour aider à traduire les criminels en justice.
_______________________________________________________________________________________________
Défi: Développez de nouveaux outils et méthodologies pour aider les médecins légistes à découvrir des preuves clés qui résolvent des crimes.
Solution: Tirez parti de JMP pour les méthodes de conception d'expériences (DOE) telles que les factorielles et les surfaces de réponse qui optimisent simultanément plusieurs conditions expérimentales.
Résultats: Avec JMP, les chercheurs disposent des capacités expérimentales et des analyses avancées dont ils ont besoin pour obtenir des informations quantitatives sur les nouveaux outils médico-légaux et faire progresser le développement de nouvelles méthodologies médico-légales. Selon le chercheur Ashur Rael : « JMP élargit les options sur la façon dont nos recherches pourraient progresser. Nous pouvons poser des questions et trouver des réponses que nous n'aurions pas pu trouver autrement.
_______________________________________________________________________________________________
Dans le trope désormais familier du drame policier, les détectives jouent un rôle de premier plan dans la résolution des cas les plus difficiles. Mais ce sont souvent les médecins légistes de retour au laboratoire qui découvrent les preuves qui renversent la vapeur et résolvent le crime. Dans ce contexte, l'art imite la vie ; la chimie médico-légale est devenue un élément central du système de justice pénale. Et en tant qu'acteurs clés dans un domaine qui tourne autour de la preuve au-delà de l'ombre d'un doute, les médecins légistes s'efforcent d'améliorer continuellement leurs méthodes d'analyse.
Avec cet objectif en tête, les chercheurs de l'Université d'Indiana - Purdue University Indianapolis (IUPUI) se sont tournés vers JMP® pour rationaliser le processus d'expérimentation.
Lors d'un récent sommet JMP Discovery, Ashur Rael, un étudiant diplômé du département de chimie et de biologie chimique de l'IUPUI, a publié un article intitulé "Améliorer la chromatographie en phase gazeuse–Vacuum Ultraviolet Spectroscopy (GC-VUV) for Forensic Science Using JMP", écrit en collaboration avec co -auteurs Le professeur agrégé John Goodpaster, les assistants diplômés Courtney Cruse et Zackery Roberson et l'assistant de premier cycle Magnus Rydberg, tous à l'IUPUI.
Dans sa présentation, Rael a expliqué comment lui et ses collaborateurs de recherche appliquent l'analyse de clustering et multivariée dans JMP pour découvrir les caractéristiques spectrales sous-jacentes qui révèlent la différenciation et quantifient la capacité de GC-VUV à identifier des composés. Dans le processus, ils aident à développer de nouveaux outils et méthodologies qui aideront les médecins légistes à résoudre les crimes plus rapidement et avec des preuves scientifiquement solides pour le prouver.
Connus et inconnus
La chimie médico-légale applique les disciplines de la chimie et de la toxicologie pour identifier les matériaux inconnus impliqués dans des crimes. L'analyse d'échantillons de substances contrôlées, de liquides inflammables ou d'explosifs nécessite des instruments et des méthodologies dotés de niveaux élevés de sensibilité, de sélectivité et de spécificité.
L'une de ces méthodologies est la GC-VUV. Cette approche relativement nouvelle combine la chromatographie en phase gazeuse (pour la séparation des mélanges gazeux) avec la spectroscopie ultraviolette sous vide (pour la capture de données spectrales quantitatives et qualitatives sur les composés gazeux).
Raël applique JMP pour améliorer le développement de méthodes et l'analyse spectrale pour la GC-VUV. L'utilisation de JMP pour les applications de conception d'expériences (DOE), y compris les factorielles et les surfaces de réponse, lui permet d'optimiser simultanément plusieurs conditions expérimentales. Cela lui permet également d'envisager plusieurs réponses.
« Développer de nouvelles méthodes en testant un facteur à la fois prend du temps et est difficile, surtout lorsque les réponses multiples sont importantes », explique Raël. « La compréhension des données spectrales est difficile ou impossible à l'aide d'une analyse visuelle ou directe. »
Le groupe de recherche Goodpaster étudie maintenant l'identification de molécules individuelles dans un échantillon et la création de profils de matériaux globaux. « Nous pourrions identifier un médicament spécifique dans un échantillon ou des fibres qui peuvent être associés à un produit connu. J'ai créé un regroupement hiérarchique pour l'identification des inconnus, et pour l'identification et la comparaison entre les connus et les inconnus », explique Raël.
Plus petit que le grand collisionneur de hadrons
La GC-VUV est réalisée sur un instrument développé à l'origine pour l'industrie pétrochimique, pour répondre au besoin des experts de l'industrie d'analyser des molécules très proches les unes des autres. L'appareil est un détecteur pour la chromatographie, qui sépare les mélanges en les faisant passer à travers un milieu dans lequel les composants du mélange se déplacent à des vitesses différentes.
"Dites que vous avez un verre d'eau d'orange qui contient divers composés d'oranges, ainsi que des résidus organiques de l'eau", dit Raël. « Si vous avez une bonne séparation chromatographique, vous pouvez voir chaque pièce individuellement. Pour y parvenir, dans ce cas, nous examinons l'interaction de la lumière à très haute énergie provenant des molécules. »
Dans le passé, une telle analyse nécessitait une installation synchrotron de grande taille – dont le plus grand exemple est le Grand collisionneur de hadrons, exploité par l'Organisation européenne pour la recherche nucléaire (CERN) dans un tunnel de 27 km près de Genève. L'instrument avec lequel Rael travaille est beaucoup plus maniable – environ la taille d'une valise à main.
Les résultats ont été prometteurs. Actuellement, la méthode de détection optimale est basée sur la masse. Mais si les mêmes atomes sont disposés de différentes manières pour former des molécules uniques, il est impossible d'utiliser la masse pour distinguer les molécules. En médecine légale, par exemple, il peut être très difficile de faire la distinction entre les « médicaments de synthèse » – des analogues synthétiques des stupéfiants soumis à des restrictions légales, qui sont conçus pour contourner les lois sur les drogues.
Avec la nouvelle méthode de détection, Raël s'appuie sur le fait que chaque molécule a sa propre signature. « Cela pourrait devenir le premier choix pour de nombreuses analyses qui sont actuellement peu pratiques », dit-il.
De minuscules différences, d'énormes ensembles de données
Mais effectuer ce type d'analyse spectrale peut impliquer de très grands ensembles de données. « Disons que nous examinons les phényléthylamines, une classe de drogues qui comprend les méthamphétamines », dit Raël. « Parce que ce sont des molécules similaires, elles interagissent avec la lumière selon des schémas similaires. »
En fait, un point d'interaction se produit tous les 0,05 nanomètres. « Nous parlons de centaines de points de données dans chaque spectre », fait remarquer Raël. « Et il est difficile de les différencier facilement. Ce n'est pas comme un nom de 15 caractères avec seulement quelques permutations. Cela ressemble plus à un nom de 100 000 caractères.
De plus, Raël travaille avec des quantités infiniment petites de chaque substance – parties par milliard dans un seul microlitre. « On parle de nanogrammes, ajoute-t-il. Raël recherche un coefficient de corrélation avec une bibliothèque de spectres existants – essentiellement l'espace entre deux raies spectrales de la valeur expérimentale et de la valeur de la bibliothèque.
« Avec près de 1 000 points de données par spectre, vous ne pouvez généralement pas les intégrer directement dans une analyse discriminante, car vous devez avoir moins de dimensions que d'échantillons », explique Raël. « Nous commençons donc par une analyse en composantes principales pour réduire la dimensionnalité. Ensuite, nous pouvons commencer à visualiser quelque chose.
Devenir le premier choix
C'est là qu'intervient JMP. « JMP possède des fonctionnalités très intéressantes, une excellente convivialité et d'excellentes sorties de données », déclare Rael. « Nous pouvons faire des réductions de dimensionnalité. Nous pouvons faire une analyse discriminante. Et puis nous nous retrouvons avec des tracés de score. Cela nous renseigne donc sur les classifications.
« Sans JMP, l'analyse en composantes principales est en grande partie qualitative et non quantitative », poursuit-il. « Nous pouvons déterminer la moyenne des distances entre les groupes, mais cela devient difficile à manier, car alors nous faisons des comparaisons un à un, et nous nous retrouvons avec des vecteurs. Nous n'obtenons donc pas d'informations digestes.
Avec JMP, Raël et ses collaborateurs explorent les probabilités moyennes de prédiction pour obtenir une valeur plus quantitative. Il peut aller au-delà des simples questions de classification pour approfondir des détails plus utiles. Raël cite l'exemple des composés pétroliers : « Dans les cas d'incendie criminel, vous recherchez des molécules caractéristiques d'un accélérateur comme le carburant », dit-il. « Ensuite, vous pouvez affiner les types de carburants. »
Si Raël peut voir que tout dans son espace de conception DOE pour les molécules a une probabilité de un, alors il peut vérifier qu'il n'y a aucune incertitude dans les résultats GC-VUV. Avec la spectrométrie de masse, en revanche, chaque molécule pourrait avoir une incertitude.
«Nous recherchons les faiblesses de la spectrométrie de masse et nous recherchons les faiblesses de la spectroscopie sous vide-ultraviolet», explique Raël. « Parce que vous ne pouvez pas remplacer la moitié de l'image par une autre moitié de l'image. Si la spectroscopie sous vide-ultraviolet peut vous en dire plus avec un minimum de compromis, alors elle pourrait devenir le premier choix. »
JMP sur scène
Une partie du défi, cependant, consiste à convaincre la communauté médico-légale des avantages d'une nouvelle méthodologie comme GC-VUV. « C'est pourquoi une grande partie de notre analyse vise à illustrer à quel point les spectres sont différents, afin d'éliminer cette incertitude », explique Raël.
En plus d'utiliser JMP pour la comparaison spectrale, l'équipe de recherche de l'IUPUI applique le logiciel au développement de méthodes, notamment en utilisant la conception d'expériences pour améliorer les méthodes et en développer de nouvelles. Avec cela, le groupe vise à augmenter la reproductibilité de leurs productions scientifiques.
Raël combat également l'état d'esprit « une chose à la fois » dans la communauté médico-légale. « Nous devons généralement commencer par une conception plus robuste », dit-il. « Nous allons donc commencer par une factorielle complète ou une surface de réponse. Et ensuite, nous effectuerons des optimisations itératives dans cet espace pour atteindre des résolutions plus élevées.
Cela fournit des données similaires à celles d'un facteur à la fois, note Raël, «parce que nous obtenons des conceptions de sous-criblage, par exemple. Mais parce que nous structurons notre conception expérimentale dans ces espaces de conception d'expériences, nous pouvons examiner les interactions entre les différents facteurs.
JMP est devenu crucial pour ces efforts, dit-il ; « JMP est un outil formidable. Il fournit une excellente analyse exploratoire et je suis ravi d'approfondir ses outils graphiques.
« JMP élargit les possibilités de progression de nos recherches », conclut Raël. « Nous pouvons poser des questions et trouver des réponses que nous ne pourrions pas trouver autrement. » Et, si tout se passe bien, soutenez la création de nouveaux outils et méthodologies pour aider les médecins légistes à résoudre plus de cas.
