公司機密。 不要透露。
用數據驅動的取證破案
具有分析意識的法醫化學家簡化了最先進新技術的測試和開發，以幫助將罪犯繩之以法。
_________________________________________________________________________________________
挑戰：開發新的工具和方法來幫助法醫科學家發現解決犯罪的關鍵證據。
解決方案：利用 JMP 進行實驗設計 (DOE) 方法，例如同時優化多個實驗條件的因子和響應面。
結果：借助 JMP，研究人員擁有所需的實驗能力和高級分析能力，以獲取對新取證工具的定量見解並推進新取證方法的開發。 研究員 Ashur Rael 說：“JMP 拓寬了我們的研究進展的選擇範圍。 我們可以提出問題並找到我們無法找到的答案。”
_________________________________________________________________________________________
在現在熟悉的犯罪劇比喻中，即使是最棘手的案件，偵探也扮演著主角。 但通常是回到實驗室的法醫科學家發現扭轉局勢並解決犯罪的證據。 在這種背景下，藝術模仿生活；法醫化學已成為刑事司法系統的核心部分。 作為一個以超越懷疑陰影的證據為核心的領域的主要參與者，法醫科學家努力不斷改進他們的分析方法。
考慮到這一目標，印第安納大學 - 普渡大學印第安納波利斯分校 (IUPUI) 的研究人員已轉向 JMP® 以簡化實驗過程。
在最近的 JMP 探索峰會上，IUPUI 化學與化學生物學系的研究生 Ashur Rael 與 Co -作者 John Goodpaster 副教授、研究生助理 Courtney Cruse 和 Zackery Roberson 以及本科助理 Magnus Rydberg，都在 IUPUI。
在他的演講中，Rael 詳細介紹了他和他的研究合作者如何在 JMP 中應用聚類和多變量分析來揭示潛在的光譜特徵，從而揭示差異並量化 GC-VUV 識別化合物的能力。 在這個過程中，他們正在幫助開發新的工具和方法，以幫助法醫科學家更快地解決犯罪問題，並提供科學合理的證據來證明這一點。
已知與未知
法醫化學應用化學和毒理學學科來識別涉及犯罪的未知材料。 分析受控物質、可燃液體或爆炸物的樣品需要具有高靈敏度、選擇性和特異性的儀器和方法。
其中一種方法是 GC-VUV。 這種相對較新的方法將氣相色譜法（用於分離氣體混合物）與真空紫外光譜法（用於捕獲氣態化合物的定量和定性光譜數據）相結合。
Rael 正在應用 JMP 來改進 GC-VUV 的方法開發和光譜分析。 將 JMP 用於實驗設計 (DOE) 應用程序，包括因子和響應面，使他能夠同時優化多個實驗條件。 它還允許他考慮多個響應。
“通過一次測試一個因素來開發新方法既費時又困難，尤其是當多重響應很重要時，”雷爾說。 “使用視覺或直接分析很難或不可能了解光譜數據。”
Goodpaster 研究小組現在正在研究識別樣品中的單個分子並創建整體材料輪廓。 “我們可能正在識別樣品或纖維中的特定藥物，可以與已知藥物相匹配。 我創建了一個層次聚類，用於識別未知數，以及識別和比較已知和未知數，”Rael 解釋說。
比大型強子對撞機小
GC-VUV 是在最初為石化行業開發的儀器上進行的，以滿足行業專家分析彼此高度相似的分子的需要。 該裝置是色譜檢測器，通過使混合物通過混合物組分以不同速率移動的介質來分離混合物。
“假設你有一杯橙水，其中包含來自橙子的各種化合物，以及水中殘留的有機物，”雷爾說。 “如果您的色譜分離效果很好，您就可以單獨查看每個部分。 為了實現這一點，在這種情況下，我們正在研究來自分子的高能光的相互作用。”
過去，這種分析需要一個相當大的同步加速器設施——其中最大的例子是大型強子對撞機，由歐洲核研究組織 (CERN) 在日內瓦附近的 17 英里隧道中運行。 Rael 使用的儀器更易於管理——大約有一個手提行李箱那麼大。
結果很有希望。 目前，最佳檢測方法是基於質量。 但是如果相同的原子以不同的方式排列形成獨特的分子，就不可能用質量來區分分子。 例如，在法醫領域，很難區分“設計毒品”——受法律限制的麻醉品的合成類似物，旨在規避毒品法律。
通過新的檢測方法，雷爾建立在每個分子都有自己的特徵這一事實的基礎上。 “這可能成為許多目前不切實際的分析的首選，”他說。
微小的差異，龐大的數據集
但是執行這種頻譜分析可能涉及非常大的數據集。 “假設我們正在研究苯乙胺，這是一類包括甲基苯丙胺的藥物，”雷爾說。 “因為它們是相似的分子，所以它們以相似的模式與光相互作用。”
事實上，每 0.05 納米就會出現一個相互作用點。 “我們談論的是每個頻譜中的數百個數據點，”Rael 指出。 “而且很難輕易區分它們。 它不像只有幾個排列的 15 個字符的名稱。 它更像是一個 100,000 個字符的名字。”
更重要的是，Rael 正在使用極少量的每種物質——一微升中的十億分之幾。 “我們談論的是納克，”他補充道。 Rael 尋找與現有光譜庫的相關係數——本質上是實驗值和庫值的兩條譜線之間的空間。
“每個光譜有近 1,000 個數據點，您通常無法將其直接用於判別分析，因為您需要的維度少於樣本，”Rael 解釋說。 “所以我們從主成分分析開始進行降維。 然後我們可以開始可視化一些東西。”
成為首選
這就是 JMP 的用武之地。 “JMP 具有非常好的功能、出色的可用性和出色的數據輸出，”Rael 說。 “我們可以進行降維。 我們可以做判別分析。 然後我們最終得到分數圖。 所以它告訴我們分類。
“如果沒有 JMP，主成分分析主要是定性的，而不是定量的，”他繼續說道。 “我們可以確定組之間距離的平均值，但它變得笨拙，因為我們正在進行一對一的比較，最終得到向量。 所以我們沒有得到可消化的信息。”
通過 JMP，Rael 和他的合作者探索平均預測概率以獲得更多的量化值。 他可以超越更簡單的分類問題，深入研究更有用的細節。 Rael 引用了石油化合物的例子：“在縱火案中，你會尋找像燃料這樣的促進劑的特徵分子，”他說。 “然後你可以縮小燃料的種類。”
如果 Rael 可以看到他的 DOE 設計空間中的所有分子都有概率為 1，那麼他就可以驗證 GC-VUV 結果中沒有不確定性。 相比之下，使用質譜法，每個分子都可能具有不確定性。
“我們尋找質譜的弱點，我們尋找真空-紫外光譜的弱點，”Rael 說。 “因為你不能用圖片的另一半替換圖片的一半。 如果真空紫外光譜儀能夠以最小的妥協告訴你更多的故事，那麼它可能成為首選。”
JMP現場
然而，部分挑戰是讓法醫界相信像 GC-VUV 這樣的新方法的優勢。 “這就是為什麼我們的很多分析都用來說明光譜的不同之處，以消除這種不確定性，”雷爾解釋說。
除了使用 JMP 進行光譜比較外，IUPUI 研究團隊還將該軟件應用於方法開發，包括使用實驗設計來改進方法和開發新方法。 因此，該小組旨在提高其科學成果的可重複性。
Rael 還在與取證社區中的“一次只做一件事”的心態作鬥爭。 “我們通常必須從更穩健的設計開始，”他說。 “所以我們將從一個完整的階乘或響應面開始。 然後我們將在該空間內進行迭代優化以獲得更高的分辨率。”
Rael 指出，這提供了與一次做一個因素類似的數據，“例如，因為我們正在獲得子篩選設計。 但是因為我們正在將我們的實驗設計構建到這些實驗設計空間中，所以我們可以查看各種因素之間的相互作用。”
他說，JMP 對這些努力至關重要； “JMP 是一個很棒的工具。 它提供了出色的探索性分析，我很高興能夠進一步研究其圖形工具。
“JMP 拓寬了我們研究進展的選擇範圍，”雷爾總結道。 “我們可以提出問題並找到其他方式無法找到的答案。”而且，如果一切順利，支持創建新的工具和方法，以幫助法醫科學家解決更多案件。
