公司机密。请勿泄露。
利用数据驱动取证破案
具有分析意识的法医化学家简化了最先进新技术的测试和开发，以帮助将罪犯绳之以法。
_____________________________________________________________________________________________
挑战：开发新的工具和方法来帮助法医科学家发现破案的关键证据。
解决方案：利用 JMP 进行实验设计 (DOE) 方法，例如因子和响应曲面，可同时优化多个实验条件。
结果：借助 JMP，研究人员拥有了所需的实验能力和高级分析能力，从而能够定量洞察新的法医工具并推动新法医方法的开发。研究人员 Ashur Rael 表示：“JMP 拓宽了我们研究进展的选择。我们可以提出问题并找到我们无法找到的答案。”
_____________________________________________________________________________________________
在如今人们熟悉的犯罪剧中，侦探在破获最棘手的案件中扮演着主角。但往往是实验室里的法医科学家发现了扭转局势、破获犯罪的证据。在这种情况下，艺术模仿生活；法医化学已成为刑事司法系统的核心部分。作为围绕毫无疑问的证据领域的关键参与者，法医科学家努力不断改进他们的分析方法。 
为了实现这一目标，印第安纳大学 - 普渡大学印第安纳波利斯分校 (IUPUI) 的研究人员已开始使用 JMP® 来简化实验流程。
在近期举行的 JMP 发现峰会上，印第安纳大学与普渡大学印第安纳波利斯联合分校化学与化学生物学系研究生 Ashur Rael 发表了一篇题为“使用 JMP 改进法医科学的气相色谱-真空紫外光谱法 (GC-VUV)”的论文，该论文与合著者包括印第安纳大学与普渡大学印第安纳波利斯联合分校副教授 John Goodpaster、研究生助理 Courtney Cruse 和 Zackery Roberson 以及本科助理 Magnus Rydberg。
在演讲中，Rael 详细介绍了他和他的研究合作伙伴如何在 JMP 中应用聚类和多元分析来揭示潜在的光谱特征，从而揭示差异并量化 GC-VUV 识别化合物的能力。在此过程中，他们正在帮助开发新的工具和方法，以帮助法医科学家更快地破案，并提供科学可靠的证据来证明这一点。
已知与未知
法医化学应用化学和毒理学学科来识别犯罪中涉及的未知物质。分析管制物质、易燃液体或爆炸物的样本需要具有高灵敏度、选择性和特异性的仪器和方法。
GC-VUV 就是其中一种方法。这种相对较新的方法结合了气相色谱法（用于分离气体混合物）和真空紫外光谱法（用于获取气态化合物的定量和定性光谱数据）。
Rael 正在应用 JMP 来改进 GC-VUV 的方法开发和光谱分析。使用 JMP 进行实验设计 (DOE) 应用（包括因子和响应面）使他能够同时优化多个实验条件。它还允许他考虑多个响应。
“通过一次测试一个因素来开发新方法既耗时又困难，尤其是当多个响应很重要时，”Rael 说。“使用视觉或直接分析来理解光谱数据非常困难或不可能。”
Goodpaster 研究小组目前正在研究如何识别样本中的单个分子并创建整体材料概况。“我们可能会识别样本中的特定药物或可以与已知物质相匹配的纤维。我创建了一个层次聚类来识别未知物质，以及识别和比较已知物质和未知物质，”Rael 解释道。
比大型强子对撞机还小
GC-VUV 是在一种最初为石化行业开发的仪器上进行的，以满足行业专家对彼此高度相似的分子进行分析的需求。该设备是一种色谱检测器，它通过将混合物通过混合物成分以不同速率移动的介质来分离混合物。
“假设你有一杯橙子水，里面有橙子的各种化合物，还有水中残留的有机物，”雷尔说。“如果你有良好的色谱分离，你就可以单独看到每一部分。为了实现这一点，在这种情况下，我们正在观察分子发出的高能光的相互作用。”
过去，进行此类分析需要相当大的同步加速器设备，其中最大的例子是欧洲核子研究中心 (CERN) 在日内瓦附近一条 17 英里长的隧道中运行的大型强子对撞机。雷尔使用的仪器则更容易操作，大小与随身行李箱相当。
结果令人鼓舞。目前，最佳检测方法是基于质量。但如果相同的原子以不同的方式排列形成独特的分子，则无法使用质量来区分分子。例如，在法医中，很难区分“设计药物”——受法律限制的麻醉品的合成类似物，这些药物的设计目的是规避毒品法。
雷尔的新检测方法建立在每个分子都有自己特征这一事实的基础之上。“这可能成为许多目前不切实际的分析的首选，”他说。
微小的差异，巨大的数据集
但进行这种光谱分析可能需要非常庞大的数据集。“假设我们正在研究苯乙胺，这是一种包括甲基苯丙胺在内的药物，”雷尔说。“因为它们是相似的分子，所以它们以相似的模式与光相互作用。”
事实上，每 0.05 纳米就会出现一个相互作用点。“我们谈论的是每个光谱中的数百个数据点，”Rael 指出。“很难轻易区分它们。它不像一个只有几个排列的 15 个字符的名称。它更像是一个 100,000 个字符的名称。”
此外，雷尔研究的每种物质的量都极其微小——一微升中十亿分之一。“我们说的是纳克，”他补充道。雷尔寻找与现有光谱库的相关性系数——本质上是实验值和库值两条光谱线之间的距离。
“由于每张光谱有近 1,000 个数据点，通常无法将其直接放入判别分析中，因为需要的维度比样本少，”Rael 解释道。“因此，我们首先进行主成分分析以降低维度。然后我们就可以开始可视化了。”
成为首选
这就是 JMP 的作用所在。“JMP 具有非常好的功能、出色的可用性和出色的数据输出，”Rael 说。“我们可以进行降维。我们可以进行判别分析。然后我们得到得分图。所以它告诉我们分类情况。
“如果没有 JMP，主成分分析主要是定性的，而不是定量的，”他继续说道。“我们可以确定组间距离的平均值，但这会变得难以操作，因为我们要进行一对一的比较，最终得到的是向量。所以我们无法获得易于理解的信息。”
借助 JMP，Rael 和他的同事们探索了平均预测概率，以获得更定量的值。他可以超越简单的分类问题，深入挖掘更有用的细节。Rael 引用了石油化合物的例子：“在纵火案中，你会寻找助燃剂（如燃料）的特征分子，”他说。“然后你就可以缩小燃料类型的范围。”
如果 Rael 能够看到分子 DOE 设计空间中的所有元素都有 1 的概率，那么他就可以验证 GC-VUV 结果中没有不确定性。相比之下，使用质谱法时，每个分子都可能存在不确定性。
“我们寻找质谱分析的弱点，也寻找真空紫外光谱分析的弱点，”雷尔说。“因为你不可能用另一半图片来代替另一半图片。如果真空紫外光谱分析能够以最小的妥协告诉你更多信息，那么它可能会成为首选。”
JMP在现场
不过，挑战的一部分是让法医界相信 GC-VUV 等新方法的优势。“这就是为什么我们的大量分析都是为了说明光谱的差异，以消除这种不确定性，”Rael 解释道。
除了使用 JMP 进行光谱比较外，IUPUI 研究团队还将该软件应用于方法开发，包括使用实验设计来改进方法和开发新方法。该团队旨在通过这种方式提高其科学成果的可重复性。
Rael 也在与法医界“一次只做一件事”的思维模式作斗争。“我们通常必须从更稳健的设计开始，”他说。“所以我们会从全因子或响应面开始。然后我们会在该空间内进行迭代优化，以获得更高的分辨率。”
Rael 指出，这提供的数据与每次只研究一个因素类似，“因为我们获得了子筛选设计。但是因为我们将实验设计构建到这些实验设计空间中，所以我们可以研究各种因素之间的相互作用。”
他说，JMP 对这些努力至关重要；“JMP 是一款非常棒的工具。它提供了出色的探索性分析，我很高兴进一步研究它的绘图工具。
“JMP 拓宽了我们研究进展的选择，”Rael 总结道。“我们可以提出问题并找到我们无法找到的答案。”如果一切顺利，JMP 将支持创建新的工具和方法，以帮助法医科学家解决更多案件。
