CONFIDENTIEL DE L'ENTREPRISE. NE PAS DIVULGUER.
Résoudre l'affaire grâce à la criminalistique basée sur les données
Les chimistes judiciaires dotés d’un esprit analytique rationalisent les tests et le développement de nouvelles technologies de pointe pour aider à traduire les criminels en justice.
___________________________________________________________________________________________________________
Défi : Développer de nouveaux outils et méthodologies pour aider les scientifiques judiciaires à découvrir des preuves clés permettant de résoudre des crimes.
Solution : exploiter 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 possibilités de progression de nos recherches. Nous pouvons poser des questions et trouver des réponses que nous ne pourrions pas trouver autrement. »
___________________________________________________________________________________________________________
Dans le roman policier, les détectives jouent un rôle essentiel pour résoudre les affaires les plus complexes. Mais ce sont souvent les scientifiques légistes qui, de retour au laboratoire, découvrent les preuves qui permettent de renverser la situation et de résoudre 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 s'articule autour de preuves irréfutables, les scientifiques légistes s'efforcent d'améliorer continuellement leurs méthodes d'analyse. 
Dans cet objectif, les chercheurs de l’Université d’Indiana – Université Purdue d’Indianapolis (IUPUI) se sont tournés vers JMP® pour rationaliser le processus d’expérimentation.
Lors d'un récent sommet JMP Discovery, Ashur Rael, étudiant diplômé du département de chimie et de biologie chimique de l'IUPUI, a publié un article intitulé « Amélioration de la chromatographie en phase gazeuse et de la spectroscopie ultraviolette sous vide (GC-VUV) pour la science médico-légale à l'aide de JMP », rédigé en collaboration avec les co-auteurs, le professeur associé 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 le clustering et l'analyse multivariée dans JMP pour découvrir les caractéristiques spectrales sous-jacentes qui révèlent la différenciation et quantifient la capacité de GC–VUV à identifier les composés. Ce faisant, ils contribuent au développement de nouveaux outils et méthodologies qui aideront les scientifiques judiciaires 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 des 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 présentant des niveaux élevés de sensibilité, de sélectivité et de spécificité.
L’une de ces méthodes 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).
Rael utilise 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 de prendre en compte plusieurs réponses.
« Développer de nouvelles méthodes en testant un facteur à la fois prend du temps et est difficile, surtout lorsque plusieurs réponses sont importantes », explique Rael. « Comprendre les données spectrales est difficile, voire impossible, à l’aide d’une analyse visuelle ou directe. »
Le groupe de recherche Goodpaster étudie actuellement l’identification de molécules individuelles dans un échantillon et la création de profils de matériaux globaux. « Nous pouvons identifier un médicament spécifique dans un échantillon ou des fibres qui peuvent être associées à un élément connu. J’ai créé un regroupement hiérarchique pour l’identification des éléments inconnus, et pour l’identification et la comparaison entre les éléments connus et inconnus », explique Rael.
Plus petit que le Grand collisionneur de hadrons
La GC-VUV est réalisée sur un instrument développé à l'origine pour l'industrie pétrochimique, en réponse au besoin des experts du secteur d'analyser des molécules très similaires les unes aux 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.
« Imaginons que vous avez un verre d’eau orange contenant divers composés provenant des oranges, ainsi que des résidus organiques de l’eau », explique Rael. « Si vous avez une bonne séparation chromatographique, vous pouvez voir chaque morceau individuellement. Pour y parvenir, dans ce cas, nous étudions l’interaction de la lumière à très haute énergie provenant des molécules. »
Par le passé, de telles analyses nécessitaient une installation synchrotron de taille conséquente, 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 kilomètres près de Genève. L’instrument avec lequel travaille Raël est beaucoup plus maniable – de la taille d’une valise à main environ.
Les résultats sont prometteurs. Actuellement, la méthode de détection optimale repose 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 criminalistique, par exemple, il peut être très difficile de faire la distinction entre les « drogues de synthèse », des analogues synthétiques de stupéfiants légalement interdits, conçus pour contourner les lois sur les drogues.
Avec cette nouvelle méthode de détection, Rael s'appuie sur le fait que chaque molécule possède sa propre signature. « Cela pourrait devenir le premier choix pour de nombreuses analyses qui sont actuellement impossibles à réaliser », dit-il.
De minuscules différences, d’énormes ensembles de données
Mais ce type d'analyse spectrale peut nécessiter de très grands volumes de données. « Prenons l'exemple des phényléthylamines, une classe de drogues qui comprend les méthamphétamines », explique Rael. « Comme 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 nanomètre. « Nous parlons de centaines de points de données dans chaque spectre », souligne Rael. « Et il est difficile de les différencier facilement. Ce n’est pas comme un nom de 15 caractères avec seulement quelques permutations. C’est plutôt comme un nom de 100 000 caractères. »
De plus, Rael travaille avec des quantités infinitésimales de chaque substance – des parties par milliard dans un seul microlitre. « Nous parlons de nanogrammes », ajoute-t-il. Rael cherche un coefficient de corrélation avec une bibliothèque de spectres existants – essentiellement l’espace entre deux lignes spectrales de la valeur expérimentale et de la valeur de la bibliothèque.
« Avec près de 1 000 points de données par spectre, il est généralement impossible d’intégrer ces données directement dans une analyse discriminante, car il faut avoir moins de dimensions que d’échantillons », explique Rael. « 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 que JMP entre en jeu. « JMP possède de très bonnes fonctionnalités, une excellente facilité d'utilisation et d'excellents résultats de données », explique Rael. « Nous pouvons effectuer des réductions de dimensionnalité. Nous pouvons effectuer des analyses discriminantes. Et nous obtenons ensuite des graphiques de score. Il nous renseigne donc sur les classifications.
« Sans JMP, l'analyse en composantes principales est essentiellement qualitative, et non quantitative », poursuit-il. « Nous pouvons déterminer la moyenne des distances entre les groupes, mais cela devient compliqué, car nous faisons alors des comparaisons un à un et nous nous retrouvons avec des vecteurs. Nous n'obtenons donc pas d'informations digestes. »
Avec JMP, Rael et ses collaborateurs explorent les probabilités de prédiction moyennes pour obtenir une valeur plus quantitative. Il peut aller au-delà des questions simples de classification pour approfondir des détails plus utiles. Rael cite l’exemple des composés pétroliers : « Dans les cas d’incendie criminel, on recherche des molécules caractéristiques d’un accélérateur comme le carburant », explique-t-il. « On peut ensuite affiner les types de carburants. »
Si Rael peut voir que tout ce qui se trouve dans son espace de conception DOE pour les molécules a une probabilité de 1, il peut alors vérifier qu'il n'y a aucune incertitude dans les résultats de 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 de la spectroscopie ultraviolette sous vide », explique Rael. « Parce qu’on ne peut pas remplacer la moitié de l’image par une autre moitié. Si la spectroscopie ultraviolette sous vide peut vous en dire plus avec un minimum de compromis, elle pourrait alors devenir le premier choix. »
JMP sur scène
Une partie du défi consiste toutefois à convaincre la communauté médico-légale des avantages d'une nouvelle méthodologie comme la GC-VUV. « C'est pourquoi une grande partie de nos analyses consiste à illustrer les différences entre les spectres, afin d'éliminer cette incertitude », explique Rael.
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. Le groupe vise ainsi à accroître la reproductibilité de ses résultats scientifiques.
Rael lutte également contre la mentalité du « une chose à la fois » au sein de la communauté médico-légale. « Nous devons généralement commencer par une conception plus robuste », explique-t-il. « Nous commençons donc par une factorielle complète ou une surface de réponse. Ensuite, nous effectuons des optimisations itératives dans cet espace pour obtenir des résolutions plus élevées. »
« Cela permet d'obtenir des données similaires à celles obtenues en étudiant un facteur à la fois, note Rael, car nous obtenons des modèles de sous-dépistage, par exemple. Mais comme nous structurons notre conception expérimentale dans ces espaces de conception d'expérience, nous pouvons examiner les interactions entre les différents facteurs. »
JMP est devenu essentiel à ces efforts, dit-il : « JMP est un outil formidable. Il fournit une excellente analyse exploratoire et je suis impatient d'étudier plus en détail ses outils graphiques. »
« Le JMP élargit les possibilités de progression de nos recherches », conclut Rael. « Nous pouvons poser des questions et trouver des réponses que nous n’aurions pas pu trouver autrement. » Et, si tout se passe bien, soutenir la création de nouveaux outils et de nouvelles méthodologies pour aider les scientifiques judiciaires à résoudre davantage de cas.
