使用表面增强的拉曼光谱法,在多种土壤中埋藏的头发上探测人工染料降解的时间长达八周

科学领域:

• 法医科学 法医科学 法医科学
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 秘密埋葬对法医提出了挑战,特别是在分析像头发这样的退化人类遗骸时.
• 之前关于头发退化的研究主要研究了处女头发,忽视了人工染料和土壤相互作用的影响.

研究的目的:

• 引入和验证一种新的,非侵入性方法,用于分析埋头发上的人工染料,使用表面增强拉曼光谱 (SERS) 和机器学习.
• 评估SERS在随着时间的推移暴露在不同类型的土壤中的头发上检测和识别人工染料的可靠性.
• 探索SERS和机器学习在估计基于染料降解模式的死后间隔方面的潜力.

主要方法:

• 使用了高通量,非破坏性和非侵入性的表面增强拉曼光谱法 (SERS).
• 机器学习算法被用于光谱预测和分析.
• 染色的头发样本被埋在三种不同的土壤类型中,长达八周.

主要成果:

• 在土壤暴露的8周内,SERS在预测8种测试染料中5种染料的光谱方面实现了97.9%的准确性.
• 该研究表明,SERS能够准确预测土壤中特定染料的暴露间隔.
• 机器学习模型在将SERS数据与埋葬时间相关联方面显示出高准确度.

结论:

• 表面增强拉曼光谱法 (SERS) 对于从埋在不同土壤中的染色毛发中推断出色素信息非常有效.
• SERS和机器学习的结合方法对法医头发分析有很大的前景,有助于识别染料和估计埋葬时间.
• 进一步完善机器学习模型可以提高该技术在法医调查中的可靠性和适用性.