开发一种用于体液识别的解释模型
Courtney R H Lynch1, Rachel Fleming2, James M Curran3
1Institute of Environmental Science and Research Limited, Private Bag 92021, Auckland, New Zealand; School of Chemistry, University of Auckland, Private Bag 92019, Auckland 1142, New Zealand.
机器学习模型,包括多项逻辑回归,使用实时定量逆转录PCR (RT-qPCR) 从信使RNA (mRNA) 档案准确识别体液类型. 这些先进的方法改善了法医分析,特别是对于具有挑战性的样本,如月经液.
科学领域:
- 法医科学 法医科学 法医科学
- 分子生物学分子生物学
- 机器学习是机器学习.
背景情况:
- 刑事调查,特别是性侵犯,需要身体液体识别的背景.
- 传统的方法很难识别某些流体,如月经和阴道材料.
- 终点逆转录PCR (RT-PCR) 用于检测体液特定的信使RNA (mRNA).
研究的目的:
- 应用和评估机器学习模型用于体液识别,使用来自实时定量逆转录PCR (RT-qPCR) 的单源mRNA配置文件.
- 为了比较多项逻辑回归 (MLR),天真贝叶斯 (NB) 和线性差异分析 (LDA) 在分类体液中的性能.
- 评估定量值周期 (Cq) 值与分类中的存在/缺失数据的实用性.
主要方法:
- 用RT-qPCR从唾液,血液,月经液,阴道物质和精液中获得mRNA概况.
- 机器学习模型包括MLR,NB和LDA被应用来分类体液类型.
- 用接收器操作特征 (ROC) 曲线来分析按体液类型的分类性能.
主要成果:
- 多项逻辑回归 (MLR) 显示了最高的性能,在定量Cq值下达到0.95的总准确度.
- 从RT-qPCR获得的定量Cq数据与存在/缺席数据相比,提供了更好的分类准确性.
- 所有测试的方法都在准确分类月经血液样本方面表现出挑战.
结论:
- 机器学习模型,特别是MLR,对于从RT-qPCRmRNA配置文件中对体液进行分类是有效的.
- 定量RT-qPCR数据显著有助于准确的体液识别.
- 需要进一步的研究来解决月经液的分类困难,并模拟体液混合物.
更多相关视频
09:07Author Spotlight: Accelerating Diagnostic Accuracy with Direct Identification of Gram-Negatives from Blood Culture Bottles
Published on: May 24, 2024
10:50Detection and Quantification of Plasmodium falciparum in Aqueous Red Blood Cells by Attenuated Total Reflection Infrared Spectroscopy and Multivariate Data Analysis
Published on: November 2, 2018
相关概念视频
The Fluid Mosaic Model
Fluid Mosaic Model
