Flinderso universiteto ekspertai, pritaikę mašininį mokymąsi DNR profiliavimui, prognozavo daug žadančius naujus kritinius DNR tyrimus.
Nuo medicininės diagnostikos iki teismo medicinos tyrimų ir nacionalinio saugumo – PGR (polimerazės grandininės reakcijos) DNR profiliavimas šį šimtmetį sukėlė revoliuciją didelio našumo mėginių ėmimo procese, tačiau mažai kas pasikeitė nuo tada, kai jis buvo sukurtas devintajame dešimtmetyje.
„Net nedidelis PGR našumo pagerėjimas gali turėti didžiulį poveikį šimtams tūkstančių teismo medicinos ir žvalgybos DNR mėginių, padauginamų kasmet, ypač kai mėginiai yra suskaidomi“, – sako ekspertai, įskaitant Flinderso universiteto akademiką dr. Duncan Taylor iš teismo medicinos ekspertų. SA.
Naujasis tyrimas, paskelbtas dviejuose straipsniuose Genaiatrado reikšmingų patobulinimų tiek DNR profiliavimo kokybei, tiek efektyvesnėms PGR ciklo sąlygoms naudojant dirbtinio intelekto metodus, teigia Mokslo ir inžinerijos koledžo doktorantas. kandidatė Caitlin McDonald, kuri vadovavo tyrimui.
„Mūsų sistema gali įveikti iššūkius, kurie dešimtmečius trukdė kriminalistams, ypač dėl pėdsakų, slopintų ar pablogėjusių mėginių“, – sako McDonaldas, neseniai pristatyęs tyrimą Tarptautinėje teismo medicinos genetikos draugijos konferencijoje (ISFG 2024).
„Išmaniai optimizuojant PGR įvairiems mėginių tipams, jis gali žymiai pagerinti amplifikacijos sėkmę ir pateikti patikimesnius rezultatus net sudėtingiausiais atvejais.
„Be teismo ekspertizės, ši sistema gali pakeisti kitas sritis, kurios priklauso nuo PGR, pvz., klinikinę diagnostiką ir aplinkos stebėjimą, padidindama efektyvumą, sumažindama klaidas ir įgalindama didelio našumo analizę įvairiose programose.”
PGR yra įprastas laboratorinis metodas, naudojamas mažiems genetinės medžiagos segmentams amplifikuoti arba kopijuoti, pavyzdžiui, imant DNR pirštų atspaudus, diagnozuojant genetinius sutrikimus arba aptinkant bakterijas ar virusus, tokius kaip COVID-19.
Kitų Flinderso universiteto Mokslo ir inžinerijos kolegijos ekspertų, įskaitant profesorių Adrianą Linacre'ą ir AI kompiuterių mokslininką docentą Russellą Brinkworthą remiamas tyrimas naudojo mašininį mokymąsi kuriant naujas „išmaniąsias PGR“ sistemas, skirtas didelio masto galimiems pakeitimams ir greitesnėms važiavimo dviračiu sąlygoms. greitesni ir tikslesni rezultatai.
Pirmasis straipsnis Genai pristatomas teorinis pagrindas, o antrajame straipsnyje aprašomas naujos „išmaniosios“ PGR sistemos didelio masto bandymas.
Flinderso universiteto profesorius Linacre, kuris daugiausia dėmesio skiria DNR ekspertizės technologijoms, teigia, kad PGR plačiai naudojamas įvairiose srityse ir pritaikymo srityse, įskaitant teismo ekspertizę, gyvūnų tyrimus, mediciną ir nacionalinį saugumą.
„AI ir mašinų mokymasis yra tokie nauji, tačiau tinkamai panaudoti jie gali žymiai padidinti PGR testavimo jautrumą“, – sako profesorius Linacre.
Jis sako, kad nekoduojančių DNR sekcijų tyrimai teismo medicinos tyrimuose buvo atliekami nuo 1994 m.
„Tolimesniais tyrimais šie AI-ML metodai gali pagerinti DNR įrodymų, naudojamų kriminaliniams tyrimams, kokybę ir padidinti DNR mėginių pėdsakų kokybę, taip sustiprinant baudžiamojo teisingumo procesą.
Autonominių sistemų docentas Russellas Brinkworthas teigia, kad esamų procesų tobulinimas ateityje dar labiau apibrėš AI programas.
„Tradiciškai DNR amplifikacija reikalauja, kad visi nustatymai būtų nustatyti prieš pradedant procesą. Tai neatsižvelgė į daugybę galimų mėginių ir sąlygų skirtumų”, – priduria docentas Brinkworthas.
„Panaudodami mašininio mokymosi ir jutiklių pažangą, mes pakeitėme PGR procesą iš universalaus į pritaikytą ir optimizuotą individualią patirtį. Didesnės kokybės ir kiekybinės DNR gamyba greičiau nei buvo įmanoma.”