In which cases does it make sense to classify a trace into one population, and what are the alternatives?
Questo studio valuta i metodi di classificazione per l'analisi dell'ascendenza biogeografica utilizzando 104 AIM, dimostrando che un classificatore Naive Bayes recente (RNB) distingue efficacemente tra individui in-reference, ammessi e fuori-reference, affrontando così i limiti dell'assegnazione degli ignoti a una singola popolazione di riferimento.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Quando una scena del crimine fornisce una minuscola goccia di sangue o un singolo capello, i ricercatori forensi spesso si rivolgono al DNA per scoprire chi potrebbe essere la persona. Oltre a un semplice confronto con un sospettato, gli investigatori possono ora esaminare i marcatori genetici per ipotizzare da dove provengano gli antenati di una persona, che colore possano avere i suoi occhi o quale sia la sua età. Questo processo, noto come analisi dell'ascendenza biogeografica, funziona confrontando il DNA trovato nella prova contro una libreria di gruppi di riferimento da tutto il mondo. Immaginate questi gruppi di riferimento come quartieri distinti; l'obiettivo è vedere in quale quartiere il profilo del DNA si inserisce meglio. Tuttavia, il mondo reale è raramente ordinato come un catalogo di una biblioteca. Le persone si spostano, le famiglie si mescolano e esistono popolazioni che nessuno ha ancora campionato. Se i genitori di una persona provengono da due continenti diversi, o se la sua famiglia proviene da una regione mai inclusa nel database, forzare il suo DNA in un singolo "quartiere" può portare a una conclusione errata. La domanda critica per gli investigatori non è solo come assegnare un'etichetta, ma quando è sicuro assegnarne una.
Un team di ricercatori provenienti da università della Germania e della zona del Ruhr si è posto l'obiettivo di risolvere questo specifico problema. Si sono chiesti quando ha senso classificare un reperto in una popolazione specifica e, altrettanto importante, quando il sistema dovrebbe ammettere di non sapere. Per rispondere a questo, hanno testato sette diversi metodi statistici utilizzando un set di 104 marcatori genetici, un kit standard utilizzato nella moderna medicina legale. Il loro obiettivo era costruire un sistema che potesse fare tre cose: assegnare con fiducia una persona a una popolazione nota, identificare se una persona ha genitori provenienti da due popolazioni diverse o dichiarare che il background della persona è troppo diverso dai dati di riferimento per essere classificato.
I ricercatori hanno scoperto che l'approccio più affidabile era un metodo chiamato classificatore "recent naive Bayes". A differenza dei metodi più vecchi che potrebbero forzare un tentativo di indovinare anche quando i dati sono deboli, questo nuovo sistema agisce come un custode attento. Esso calcola prima la coppia di popolazioni ancestrali più probabile per un individuo. Se la persona non è di origine mista, il sistema prevede la stessa popolazione per entrambi i genitori. Se la persona è di origine mista, prevede due popolazioni diverse. Fondamentalmente, il sistema controlla un punteggio di confidenza. Se l'evidenza genetica è sufficientemente forte da superare una specifica soglia, il sistema riporta il risultato. Se l'evidenza è troppo ambigua, il sistema rifiuta di indovinare e riporta il campione come "fuori dal riferimento". Questo rifiuto non è un fallimento; è una salvaguardia contro l'errore.
Nei loro test, i ricercatori hanno simulato migliaia di scenari per vedere come ogni metodo performasse. Hanno creato figli artificiali da genitori presenti nel database di riferimento per testare la capacità del sistema di individuare l'ascendenza mista. Hanno anche tenuto da parte intere popolazioni dai dati di addestramento per vedere se il sistema potesse riconoscere quando una persona non apparteneva a nessuno dei gruppi noti. Il metodo con le migliori prestazioni ha identificato correttamente persone da popolazioni sconosciute in quasi l'85 percento dei casi, rifiutandole efficacemente invece di etichettarle erroneamente. Quando il sistema accettava una classificazione, era altamente accurato. Ad esempio, quando il sistema identificava una persona come avente genitori provenienti da due gruppi diversi, nominava correttamente entrambe le origini parentali nel 64 percento dei casi e ne individuava almeno una correttamente in quasi tutti gli altri.
I ricercatori hanno anche testato il loro metodo su campioni reali di 28 volontari che hanno fornito la propria storia familiare. In questo gruppo, il sistema ha classificato con successo 16 individui, corrispondendo alla loro ascendenza auto-riportata con alta precisione. Per gli altri 12, il sistema ha correttamente declinato la possibilità di fare una supposizione. In molti di questi casi rifiutati, gli individui avevano storie familiari complesse, come un genitore che era già di origine mista o un nonno proveniente da una regione distante, il che rendeva il segnale genetico troppo sfumato per un'unica etichetta. Il rifiuto del sistema di indovinare in questi casi difficili ha evitato di fornire assegnazioni errate che avrebbero potuto trarre in errore un'indagine.
Una delle scoperte chiave è che la dimensione di un database di riferimento è importante. Lo studio ha utilizzato un pannello di 104 marcatori che è eccellente per distinguere tra i principali gruppi continentali come l'Asia orientale, l'Europa e l'Africa. Tuttavia, i ricercatori hanno notato che alcune popolazioni sono così geneticamente simili che anche i migliori marcatori faticano a distinguerle. Ad esempio, distinguere tra persone del Medio Oriente e certe parti d'Europa si è rivelato difficile, portando i ricercatori a trattarle come un unico gruppo nei loro test. Ciò evidenzia un limite: il sistema può dire che una persona è "fuori dal riferimento" solo se è veramente abbastanza diversa dai gruppi nel database. Se una popolazione mancante è molto vicina a una nota, il sistema potrebbe comunque assegnare la persona al gruppo noto, il che è un'approssimazione ragionevole ma non una corrispondenza perfetta.
Lo studio ha anche affrontato il tema dell'ascendenza mista. I metodi tradizionali spesso faticano con le persone che hanno genitori di background diversi, talvolta forzandole in una singola categoria o fallendo nell'identificare l'origine mista. Il nuovo metodo tratta l'ascendenza mista come una parte naturale del modello. Non ha bisogno di essere istruito con esempi misti artificiali; invece, comprende che una persona è una combinazione di due genitori. Ciò gli permette di riportare un risultato misto, come "un genitore dall'Europa e uno dall'Asia meridionale", piuttosto che limitarsi a dire "misto". Questo livello di dettaglio è vitale per le indagini forensi, poiché restringe il campo dei potenziali sospettati in modo più efficace rispetto a un'etichetta vaga.
In definitiva, l'articolo dimostra che la risposta più onesta nella genetica forense è talvolta "non lo sappiamo". Combinando uno strumento di classificazione sofisticato con una regola rigorosa su quando accettare o rifiutare una supposizione, i ricercatori hanno creato un sistema che minimizza il rischio di piste errate. Il sistema non cerca solo la corrispondenza migliore; valuta se tale corrispondenza è sufficientemente buona per essere affidabile. In l'alto scenario del mondo delle indagini criminali, dove un errore potrebbe sprecare risorse o puntare nella direzione sbagliata, questa capacità di dire "no" è tanto preziosa quanto la capacità di dire "sì". Il lavoro conferma che, sebbene possiamo apprendere molto dal DNA, dobbiamo anche rispettare i limiti della nostra conoscenza attuale e la complessità della storia umana.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.