使人工智能可用于法医DNA分析
Abel K J G de Wit1, Claire D Wagenaar1, Nathalie A C Janssen2
1Division of Digital and Biometric Traces, Netherlands Forensic Institute, the Netherlands; Division of Biological Traces, Netherlands Forensic Institute, the Netherlands.
Forensic science international. Genetics
|August 23, 2025
概括
深度学习模型DNANet以高精度自动调用法医DNA等位基因. 使用案例数据和标准的U-Net架构, 它与人类的性能相匹配, 使先进的技术更容易获得.
科学领域:
- 法医科学
- 生物信息学
- 计算机视觉
背景情况:
- 深度学习提供了自动化基因组调用法医DNA分析的潜力.
- 目前的方法通常使用自定义模型架构和广泛的手动注释,阻碍可复制性.
- 在法医遗传学中需要可访问和标准化的深度学习方法.
研究的目的:
- 使用案例数据和法医DNA等位基因调用标准U-Net架构进行深度学习模型训练的有效性.
- 评估DNANet开发模型的性能,与人类分析师和已确定的地面真相相比.
- 通过公开提供代码,模型权重和数据来促进可访问性.
主要方法:
- 开发了基于U-Net的深度学习模型DNANet,用于将电表扫描点分类为等位基或非等位基.
- 使用来自案例数据的等位基因注释训练模型.
- 在未见的案例数据和独立混合研究数据上评估DNANet,将其性能与分析师注释和实际供体等位基因进行比较.
主要成果:
- DNANet获得高F1分:分析师注释的病例数据为0.971分,研究数据为0.982分.
- 实际捐赠基因的表现 (F1评分为0.962) 与人类分析基因的表现相当.
- 该模型表明,使用标准数据和架构可以实现良好的性能.
结论:
- 在法医DNA等位基因调用中,DNANet的性能与人类分析师相当,验证了标准深度学习架构和案例数据的使用.
- 这项研究强调了通过可访问的深度学习工具自动化复杂的法医任务的潜力.
- 呼吁建立标准化基准,以方便对等位基因呼叫系统进行量化比较.
