Detection of exogenous substances in latent fingermarks by silver-assisted LDI imaging MS: perspectives in forensic sciences
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
For over one hundred years, the fingerprint has reigned as one of the most trusted pieces of forensic evidence for suspect identification. In the last few decades, the modernization of chemical analysis technologies led scientists to explore new possibilities to further analyse fingermarks sampled from a crime scene. Indeed, the detection of chemicals a suspect has been in contact with before or during the crime can provide valuable insights into criminal investigations. In this regard, imaging mass spectrometry (IMS) has shown to be a powerful tool for the analysis of fingermarks by combining suspect identification and the detection of numerous endogenous and exogenous compounds. A novel approach developed in our laboratory, silver-assisted laser desorption ionization (AgLDI), was adopted to allow for the chemical analysis of latent fingermarks left on nonconductive surfaces (such as paper, cardboard, plastic and forensic lifting tape) with a time-of-flight mass spectrometer. In this study, we continue to evaluate the potential of AgLDI IMS to provide circumstantial evidence by detecting exogenous substances. We first demonstrate that owner-specific chemical signatures can be recovered from fingermarks based on the presence of several cosmetics and personal care products. We then show the possibility of detecting and imaging fingermarks containing three common illicit drugs, namely tetrahydrocannabinol, cocaine and heroin. Finally, we demonstrate that the methodology also allows us to successfully image bloody fingermarks after appropriate forensic enhancement treatments. Overall, we believe that AgLDI IMS has significant potential that could positively contribute to forensic investigations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle