STR混合プロファイルのインテリジェントなデコンボリューションアルゴリズム：ローカス関連モデリングに基づく

科学分野:

• 法医学;遺伝学;計算生物学

背景:

• ショートタンデムリピート（STR）タイピングは、法医学的識別および大量災害被害者識別において重要です。混合DNAサンプル用の現在の確率論的遺伝子型判定モデルは、ローカス間の独立性を仮定しており、精度を制限する可能性があります。高度な法医学DNA分析には、複雑なローカス間相関を捉える方法が必要です。

研究 の 目的:

• ローカス間の依存関係を利用する、法医学STR混合物デコンボリューションのためのディープラーニングベースのアプローチを開発および検証すること。既存の方法と比較して、複雑なDNA混合物から個人を特定する精度を向上させること。異なるシーケンシングプラットフォーム間での一般化能力を含む、モデルのパフォーマンスを評価すること。

主な方法:

• 単一貢献者STRプロファイルでトレーニングされたディープラーニングモデルを使用して、ローカス間の依存関係を学習しました。これらの学習された依存関係は、完全に連続的な確率論的遺伝子型判定モデルに統合されました。改良されたモデルは、PROVEDItデータセットおよび実際のケーススタディを使用して検証されました。

主要な成果:

• ディープラーニングアプローチは、2人、3人、4人分のDNA混合物のデコンボリューションにおいて大幅な精度向上を達成し、従来のモデルを最大30パーセントポイント上回りました。実際のケースでの検証により、完全に連続的なモデルよりも手動識別との一致度が高いことが示されました。このモデルはプラットフォーム固有のパフォーマンスを示し、マルチプラットフォームトレーニングにより一般化が向上しました。

結論:

• 提案されたディープラーニングモデルは、ローカス間相関を活用することにより、法医学STR混合物の解釈のための堅牢で正確なソリューションを提供します。ローカス依存性を考慮することは、法医学におけるDNA混合物分析を進歩させる上で重要です。さらなる開発では、より広範な法医学的応用のため、プラットフォーム間での一般化能力の向上に焦点を当てるべきです。