Using total <scp>RNA</scp> quality metrics for time since deposition estimates in degrading bloodstains
Notice bibliographique
Résumé
Abstract The physicochemical changes occurring in biomolecules in degrading bloodstains can be used to approximate the time since deposition (TSD) of bloodstains. This would provide forensic scientists with critical information regarding the timeline of the events involving bloodshed. Our study aims to quantify the timewise degradation trends and temperature dependence found in total RNA from bloodstains without the use of amplification, expanding the scope of the RNA TSD research which has traditionally targeted mRNA and miRNA. Bovine blood with ACD‐A anticoagulant was deposited and stored in plastic microcentrifuge tubes at 21 or 4°C and tested over different timepoints spanning 1 week. Total RNA was extracted from each sample and analyzed using automated high sensitivity gel electrophoresis. Nine RNA metrics were visually assessed and quantified using linear and mixed models. The RNA Integrity Number equivalent (RINe) and DV200 were not influenced by the addition of anticoagulant and demonstrated strong negative trends over time. The RINe model fit was high ( R 2 = 0.60), and while including the biological replicate as a random effect increased the fit for all RNA metrics, no significant differences were found between biological replicates stored at the same temperature for the RINe and DV200. This suggests that these standardized metrics can be directly compared between scenarios and individuals, with DV200 having an inflection point at approximately 28 h. This study provides a novel approach for blood TSD research, revealing metrics that are not affected by inter‐individual variation, and improving our understanding of the rapid RNA degradation occurring in bloodstains.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».