公司機密。請勿洩露。
利用數據驅動取證破案
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：發展新的工具和方法來幫助法醫科學家發現破案的關鍵證據。
解決方案：利用 JMP 進行實驗設計 (DOE) 方法，例如因子和響應曲面，可同時最佳化多個實驗條件。
結果：借助 JMP，研究人員可以獲得所需的實驗能力和高級分析能力，從而定量了解新的取證工具並推動新取證方法的發展。研究員 Ashur Rel 表示：「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以其他方式無法找到的答案。
_____________________________________________________________________________________________
在現今人們熟悉的犯罪劇中，偵探在破獲最棘手的案件中都扮演主角。但通常是實驗室裡的法醫科學家發現證據，扭轉局勢，破獲犯罪。在這個背景下，藝術模仿生活；法醫化學已成為刑事司法系統的核心部分。作為毫無疑問的證據領域的關鍵參與者，法醫科學家致力於不斷改進他們的分析方法。 
為了實現這一目標，印第安納大學 - 普渡大學印第安納波利斯分校 (IUPUI) 的研究人員已開始使用 JMP® 來簡化實驗流程。
在最近的JMP 發現峰會上，印第安納大學與普渡大學印第安納分校化學與化學生物學系研究生Ashur Rel 與同事合作撰寫了一篇題為“利用JMP 改進法醫科學的氣相色譜-真空紫外光譜法(GC-VUV) 的論文。- 作者是副教授 John Goodpaster、研究生助理 Courtney Cruse 和 Zackery Roberson 以及本科助理 Magnus Rydberg，均來自印第安納大學與普渡大學印第安納波利斯分校。
在他的演講中，Rael 詳細介紹了他和他的研究合作夥伴如何在 JMP 中應用聚類和多元分析來揭示揭示差異的潛在光譜特徵並量化 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破案並提供科學的證據。
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物質。分析管制物質、易燃液體或爆炸物樣本需要具有高靈敏度、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層析法（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。使用 JMP 進行實驗設計 (DOE) 應用，包括因子和響應曲面，使他能夠同時最佳化多個實驗條件。這也讓他可以考慮多種應對措施。
「透過一次測試一個因素來開發新方法非常耗時且困難，尤其是當多個反應都很重要時，」Rael 說。 “通過視覺或直接分析來理解光譜數據是困難的，甚至是不可能的。”
Goodpaster 研究小組目前正在研究識別樣本中的單一分子並建立整體材料概況。 「我們可能會在樣本或纖維中識別出與已知藥物相符的特定藥物。我創建了一個層次聚類來識別未知數，並識別和比較已知數和未知數，」Rael 解釋道。
比大型強子對撞機還小
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高度相似的分子的需求。該裝置是一種色譜檢測器，它透過使混合物通過混合物成分以不同速率移動的介質來分離混合物。
「假設你有一杯橙子水，其中包括橙子中的各種化合物，以及水中殘留的有機物，」雷爾說。 「如果有良好的色譜分離，你可以單獨看到每個部分。為了實現這一點，在這種情況下，我們正在觀察分子發出的高能量光的相互作用。
過去，這種分析需要相當大的同步加速器設施——其中最大的例子是歐洲核子研究中心 (CERN) 在日內瓦附近一條 17 英里長的隧道中運營的大型強子對撞機。雷爾所使用的儀器更加容易操作－大小與隨身攜帶的行李箱相當。
結果令人欣喜。目前，最佳的檢測方法是基於品質的方法。但是，如果相同的原子以不同的方式排列以形成獨特的分子，則不可能使用質量來區分分子。例如，在法醫學中，很難區分「設計藥物」——受法律限制的麻醉品的合成類似物，其設計目的是規避毒品法。
雷爾以每個分子都有自己特徵為基礎，發明了這種新檢測方法。他說：“這可能成為許多目前不切實際的分析的首選。”
微小的差異，巨大的數據集
但進行這種光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，這是一類包括甲基安非他命在內的藥物，」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，每隔 0.05 奈米就會出現一個相互作用點。 「我們討論的是每個頻譜中的數百個數據點，」雷爾指出。 「而且很難輕易區分它們。它不像一個只有幾個排列的 15 個字元的名稱。它更像是一個有十萬個字符的名字。
更重要的是，雷爾正在研究每種物質的極小數量——一微升中的十億分之一。 “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光譜線之間的空間。
「由於每個光譜有近 1,000 個數據點，通常無法將其直接放入判別分析中，因為您需要的維度少於樣本數量，」Rael 解釋道。 「因此，我們從主成分分析開始進行降維。然後我們就可以開始想像一些東西了。
成為首選
這就是 JMP 的作用所在。 “我們可以進行降維。我們可以做判別分析。最後我們得到了分數圖。它告訴了我們有關分類的資訊。
「沒有 JMP，主成分分析基本上是定性的，而不是定量的，」他繼續說道。 「我們可以確定組間距離的平均數，但這變得很困難，因為我們要進行一對一的比較，最終得到的是向量。因此我們無法獲得易於理解的資訊。
利用 JMP，Rael 和他的同事探索平均預測機率以獲得更定量的值。他可以超越簡單的分類問題，深入探討更有用的細節。雷爾引用了石油化合物的例子：「在縱火案中，你會尋找像燃料一樣的助燃劑的特徵分子，」他說。 “然後你就可以縮小燃料類型的範圍。”
如果 Rael 能夠看到他的 DOE 設計空間中所有分子的機率都是 1，那麼他就能驗證 GC-VUV 結果中沒有不確定性。相較之下，採用質譜分析法時，每個分子都可能存在不確定性。
「我們尋找質譜分析中的弱點，我們尋找真空紫外光譜分析的弱點，」雷爾說。 「因為你不能用另一半圖片來替換另一半圖片。如果真空紫外光譜法能夠以最少的妥協告訴你更多信息，那麼它可能會成為首選。
JMP在現場
然而，部分挑戰在於讓法醫界相信 GC-VUV 等新方法的優點。 「這就是為什麼我們的大量分析都致力於說明光譜的差異，以消除這種不確定性，」雷爾解釋道。
除了使用 JMP 進行光譜比較之外，IUPUI 研究團隊還將該軟體應用於方法開發，包括使用實驗設計來改進方法和開發新方法。透過此，該團隊旨在提高其科學成果的可重複性。
雷爾也致力於反對法醫界「一次只做一件事」的思維模式。 「我們通常必須從更穩健的設計開始，」他說。 「因此我們將從全因子或響應曲面開始。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，這與每次處理一個因素提供了類似的數據，「因為我們獲得了子篩選設計。但因為我們將實驗設計建構到這些實驗設計空間中，所以我們可以研究各種因素之間的相互作用。
他說，JMP 對於這些努力至關重要； 「JMP 是一款非常棒的工具。它提供了出色的探索性分析，我很高興進一步研究它的繪圖工具。
Rael 總結道：“JMP 拓寬了我們研究進展的選擇範圍。” “我們可以提出問題並找到以其他方式無法找到的答案。”如果一切進展順利，將支援創建新的工具和方法來幫助法醫科學家解決更多案件。
