混合STR分型分析方法研究進(jìn)展

彭 柱，徐 珍，凃 政，楊 帆，李永久，嚴(yán)安心，聶 昊，趙禾苗，趙興春

（公安部物證鑒定中心，北京 100038）

隨著DNA提取及檢驗(yàn)技術(shù)靈敏度的提高，案件中檢出混合STR分型的情況也越來(lái)越多，其中不同組分的等位基因相互疊加，彼此影響，導(dǎo)致這一法醫(yī)物證學(xué)研究與辦案的難題愈加復(fù)雜難解。目前，通過(guò)差異裂解、孔徑過(guò)濾、顯微操作、激光顯微切割、光鑷捕獲、流式細(xì)胞分選以及基于微流控芯片的核酸適配體篩選、電泳分離等技術(shù)，均能實(shí)現(xiàn)不同類型的細(xì)胞分離[1-4]，獲得較為單一的STR分型。但是對(duì)于同類細(xì)胞混合的生物檢材，目前只能對(duì)提取到的混合DNA樣品進(jìn)行檢測(cè)分析。同二代測(cè)序（next generation sequencing，NGS）技術(shù)[5]、缺失或插入多態(tài)性片段與STR連鎖的新型遺傳標(biāo)記（deletion-insertionpolymorphism-STR，DIP-STR）技術(shù)[6]、微單倍型技術(shù)[7]相比，基于傳統(tǒng)PCR和毛細(xì)管電泳（PCR-capillary electrophoresis，PCR-CE）平臺(tái)的STR檢測(cè)技術(shù)在模板用量、檢測(cè)系統(tǒng)成熟度、結(jié)果解析及應(yīng)用推廣等方面更符合當(dāng)前實(shí)際需求。本文總結(jié)了混合STR分型分析方法的相關(guān)研究進(jìn)展，展望了人工智能時(shí)代混合STR分型分析方法研究的發(fā)展方向。文中的混合STR分型均為基于傳統(tǒng)PCR-CE平臺(tái)對(duì)混合DNA樣本進(jìn)行STR遺傳標(biāo)記檢測(cè)分析得到的STR分型。

1 混合STR分型分析概述

目前關(guān)于混合STR分型的解釋與分析，其策略主要參照由Clayton等提出并獲得國(guó)際法醫(yī)遺傳學(xué)會(huì)（International Society of Forensic Genetics，ISFG）DNA委員會(huì)認(rèn)可的“克萊頓法則”[8-9]。

1）確定檢出的STR分型是否為混合STR分型，需結(jié)合閾值對(duì)等位基因峰和影子（stutter）峰、拔起峰等偽峰進(jìn)行區(qū)分，尤其需要注意微量DNA（low template DNA，LT-DNA）及罕見(jiàn)的染色體異常的情況。

2）確定混合STR分型中的組分?jǐn)?shù)，一般根據(jù)單個(gè)基因座上的最大等位基因峰的數(shù)量及峰高比來(lái)判斷。

3）評(píng)估各組分之間的大致混合比例（mixture proportion，Mx），可根據(jù)峰高/峰面積等定量信息推測(cè)各組分之間的大致比例。

4）確定各組分可能的STR分型組合，根據(jù)確定的組分?jǐn)?shù)和混合比例，結(jié)合定量信息及雜合子均衡度（heterozygote balance，Hb）剔除掉不可能的基因型組合。

5）將混合STR分型中拆分出的STR分型同待定個(gè)體（person of interest，POI）分型進(jìn)行比較。

6）結(jié)合統(tǒng)計(jì)學(xué)評(píng)估計(jì)算分型證據(jù)和POI之間的關(guān)聯(lián)度，統(tǒng)計(jì)方法有多種，如聯(lián)合包含概率（combined probability of inclusion，CPI）法、修正的隨機(jī)匹配概率（modifi ed random match probability，mRMP） 法以及似然比（likelihood ratio，LR）法。

完整的混合STR分型分析結(jié)論應(yīng)當(dāng)包含對(duì)混合STR分型證據(jù)與POI之間量化的統(tǒng)計(jì)學(xué)評(píng)估，方便后續(xù)環(huán)節(jié)檢察和審判人員對(duì)混合STR分型證據(jù)力度的理解，也易于和其他的量化證據(jù)進(jìn)行統(tǒng)一分析。

2 國(guó)內(nèi)混合STR分型分析方法的研究進(jìn)展

關(guān)于混合STR分型的解釋，國(guó)內(nèi)仍然以人工定性分析為主，即依靠鑒定人對(duì)混合STR分型的認(rèn)識(shí)與經(jīng)驗(yàn)進(jìn)行人工拆分，并結(jié)合參考STR分型出具是否包含POI的定性結(jié)論；若嫌疑人STR分型未知，可將拆分出的未知單一STR分型進(jìn)行入庫(kù)檢索，為偵查提供線索，以上主要適用于兩組分混合的情況。人工分析過(guò)程基于一些假定前提，如Hb不小于60%[10]，stutter峰高比例不超過(guò)15%，各組分的混合比例經(jīng)過(guò)復(fù)合擴(kuò)增后保持不變，并且與基因座內(nèi)各自等位基因峰高的比值大致相同，等位基因存在共享時(shí)其峰值是相互疊加的[11]等。我國(guó)現(xiàn)有行業(yè)標(biāo)準(zhǔn)中關(guān)于混合STR分型解釋的內(nèi)容較少，僅限于兩組分混合下，存在已知對(duì)照樣本拆分另一未知個(gè)體分型或者當(dāng)兩者混合比例差異較大（1∶10）且均為雜合子時(shí)的無(wú)對(duì)照拆分[12]。人工分析方法在實(shí)際案件中已有多起成功報(bào)道，如苑美青等利用人工拆分方法對(duì)包含已知受害人分型的兩組分混合STR分型進(jìn)行解釋并在DNA快比平臺(tái)中成功比中了嫌疑人[13]；陳靜等對(duì)21起未破獲案件中的混合STR分型進(jìn)行人工拆分，19起案件拆分出不完整的STR分型，5起案件比中前科人員或與異地案件串并[14]；劉小瑩等在檢出二組分混合STR分型的15起案件中，借助已知受害人分型拆分出另一未知分型，其中11起案件直接認(rèn)定嫌疑人[15]；蘇艷佳等在已知受害人分型的前提下，通過(guò)計(jì)算雜合子重疊等位基因峰高比值的變化率，設(shè)置響應(yīng)閾值，對(duì)二組分混合中含重疊等位基因的基因座進(jìn)行拆分，為人工拆分處理含重疊基因的混合STR分型提供了可資借鑒的解決方案[16]。

除人工分析外，國(guó)內(nèi)也在積極探索智能比對(duì)、分析算法等在混合STR分型解析中的應(yīng)用，如王禹等從比對(duì)角度出發(fā)，先根據(jù)CPI的變化來(lái)判斷可疑等位基因的取舍，CPI即混合STR分型包含隨機(jī)無(wú)關(guān)個(gè)體分型的概率，混合STR分型的等位基因數(shù)越少，CPI值越小，混合STR分型的識(shí)別力越強(qiáng)；然后對(duì)混合STR分型在數(shù)據(jù)庫(kù)中比中的所有個(gè)體分型分別計(jì)算對(duì)應(yīng)的聯(lián)合被包含概率（combined probability of being included，CPBI）來(lái)對(duì)個(gè)體進(jìn)行排序，優(yōu)先分析等位基因頻率低、雜合基因座多的個(gè)體分型（相應(yīng)的CPBI值低），從而提高工作效率，將以往人工先拆分后比對(duì)的工作模式轉(zhuǎn)化為先比對(duì)后拆分驗(yàn)證的路徑[17]；康艷榮等利用以圖論為基礎(chǔ)的混合物組分拆分（mixtures component deconvolution using graph theory，MDG）算法，將混合STR分型中基因座上每個(gè)等位基因作為頂點(diǎn)V，以任意兩個(gè)等位基因的峰面積比值為邊E，當(dāng)E∈(0.67,1.67)時(shí)，此時(shí)兩個(gè)等位基因?qū)?yīng)的頂點(diǎn)有邊相連，將混合STR分型拆分轉(zhuǎn)化為圖集挖掘問(wèn)題，借助計(jì)算機(jī)運(yùn)算可快速獲得大量的基因型組合，為解決混合STR分型分析問(wèn)題提供了一種新的解決思路[18]；周密通過(guò)計(jì)算混合STR分型的多基因座某表觀組分?jǐn)?shù)累積概率（cumulative probability of apparent component number，CPA）而對(duì)混合DNA樣本的組分?jǐn)?shù)進(jìn)行輔助判斷，并利用隨機(jī)模擬法產(chǎn)生的混合數(shù)據(jù)對(duì)該值計(jì)算公式的準(zhǔn)確性進(jìn)行驗(yàn)證[19]。

以上方法僅在分析兩組分混合的情況下顯現(xiàn)優(yōu)勢(shì)，隨著混合組分?jǐn)?shù)的增加，每個(gè)基因座的基因型組合情況變得異常復(fù)雜，即使存在已知參考分型，人工拆分出未知個(gè)體分型也十分困難，若采取先比對(duì)后拆分的模式，則耗時(shí)更長(zhǎng)，系統(tǒng)硬件要求也更高，此外上述方法均無(wú)法給出量化的統(tǒng)計(jì)學(xué)評(píng)估結(jié)果，影響了混合STR分型證據(jù)的進(jìn)一步解讀與應(yīng)用。

3 國(guó)外混合STR分型分析方法研究進(jìn)展

國(guó)外率先開(kāi)展了法醫(yī)DNA檢驗(yàn)技術(shù)的應(yīng)用[20-21]，故其關(guān)于混合STR分型解析的研究較為成熟[8,22]。CE結(jié)合激光誘導(dǎo)熒光檢測(cè)系統(tǒng)具有高靈敏度和高分辨率，既有研究表明，在一定范圍內(nèi)CE系統(tǒng)檢出的峰高度與電泳樣品中DNA含量呈線性相關(guān)[23-24]，而且同板凝膠系統(tǒng)相比，CE系統(tǒng)產(chǎn)生的STR等位基因峰的峰形更對(duì)稱，峰高被大多數(shù)實(shí)驗(yàn)室用于混合STR分型的定量解析[25]，國(guó)外關(guān)于混合STR分型的統(tǒng)計(jì)分析模型也主要以峰高作為定量分析的參考依據(jù)[26-27]。

3.1 二進(jìn)制模型（binary model）

國(guó)外最早用于解釋混合STR分型的方法模型為二進(jìn)制模型，即根據(jù)基因座上等位基因的有無(wú)對(duì)相關(guān)基因型組合的概率權(quán)重指定為1（包含）或者0（排除）。早期的二進(jìn)制模型未考慮峰高和Mx信息，使用無(wú)限制性組合方法[28]計(jì)算LR，稱為定性二進(jìn)制模型；隨后出現(xiàn)的半定量二進(jìn)制模型能夠依據(jù)經(jīng)驗(yàn)準(zhǔn)則和人工判斷， 結(jié)合Mx、Hb的限定，對(duì)基因型組合進(jìn)行篩選，排除可能性低的組合[8,29]；在等位基因可能發(fā)生缺失（drop-out）的基因座，該模型采用更為保守的2p法則或者直接忽略該基因座的方式處理，2p法則是對(duì)于只檢測(cè)到一個(gè)等位基因a并且其峰高低于隨機(jī)閾值的基因座，用2pa表示該基因座分型概率的保守方法，但當(dāng)嫌疑人分型為ab雜合型，考慮共祖效應(yīng)且drop-out概率小于0.5時(shí)，2p法則被證明并不保守[30]。除了2p法則外，還有使用替代符表示缺失等位基因的方法，即用“F”標(biāo)記該基因座上的任意一個(gè)等位基因和用“Q”標(biāo)記該基因座上除已有等位基因外任意一個(gè)等位基因。這兩種方法在分析含有LT-DNA的混合STR分型時(shí)用于計(jì)算LR比較方便。但改進(jìn)的二進(jìn)制模型仍無(wú)法很好地解決POI分型的等位基因在混合STR分型中缺失所導(dǎo)致的不匹配問(wèn)題，也難以處理復(fù)雜的多組分混合及同時(shí)分析多個(gè)平行重復(fù)擴(kuò)增數(shù)據(jù)的情況[24]。

3.2 基因型概率模型

基因型概率模型（probabilistic genotyping model，PG model）簡(jiǎn)稱PG模型，該模型不僅可以同時(shí)分析多個(gè)重復(fù)數(shù)據(jù)，而且考慮了等位基因缺失的概率（probability of drop-out，Pr(D)）和插入的概率（probability of contamination，Pr(C)），能夠較好處理POI分型與混合STR分型不匹配的問(wèn)題，也可以基于給定的基因型組合計(jì)算出相應(yīng)的概率權(quán)重，數(shù)值為0～1之間的常數(shù)。基因型概率模型分為半連續(xù)模型（semi-continuous model）和完全連續(xù)模型（full-continuous model）。

3.2.1 半連續(xù)模型

半連續(xù)模型 又稱離散模型或缺失模型，該模型在二進(jìn)制模型的基礎(chǔ)上，將Pr(D)/Pr(C)納入到分析過(guò)程中。對(duì)Pr(D)的評(píng)估，Gill等通過(guò)仿真數(shù)據(jù)計(jì)算經(jīng)驗(yàn)似然函數(shù)，通過(guò)最大似然法求Pr(D)[31]；Tvedebrink等通過(guò)已知驗(yàn)證數(shù)據(jù)，使用邏輯回歸對(duì)Pr(D)建模，結(jié)合混合STR分型中的峰高信息估計(jì)Pr(D)[32-34]。對(duì)Pr(C)的評(píng)估，則往往通過(guò)空白/陰性對(duì)照的經(jīng)驗(yàn)數(shù)據(jù)估計(jì)[35]。然而，半連續(xù)模型對(duì)混合STR分型信息的利用仍不充分，既沒(méi)有對(duì)stutter峰等偽峰進(jìn)行模擬，計(jì)算前需要分析人員對(duì)混合STR分型中的等位基因峰和偽峰加以區(qū)分；也沒(méi)有充分利用可用信息，峰高信息僅用于評(píng)估Pr(D)，對(duì)于混合STR分型的基因型組合拆分仍類似于定性二進(jìn)制模型，對(duì)所有基因型組合分配相同的概率權(quán)重。

3.2.2 完全連續(xù)模型

完全連續(xù)模型在半連續(xù)模型的基礎(chǔ)上，能對(duì)混合STR分型中每個(gè)基因座上各種基因型組合分別賦予相應(yīng)的概率權(quán)重，較為客觀地描述當(dāng)前基因型組合能夠產(chǎn)生實(shí)際混合STR分型的可能性。該值的計(jì)算依賴于生物模型、概率分布和馬爾科夫鏈-蒙特卡洛（Markov Chain-Monte Carlo，MCMC）算法。生物模型的功能是預(yù)測(cè)峰高，影響峰高的因素很多，包括DNA模板量、降解系數(shù)、基因座特異擴(kuò)增系數(shù)、基因型劑量系數(shù)、影子峰率等。在假定相應(yīng)參數(shù)后生物模型可根據(jù)不同基因型組合模擬產(chǎn)生大量的混合STR分型[36]，模擬過(guò)程兼顧等位基因缺失/插入等隨機(jī)效應(yīng)；在將模擬圖譜和實(shí)際圖譜進(jìn)行擬合比較的過(guò)程中，借助MCMC算法，對(duì)每種基因型組合的期望權(quán)重進(jìn)行統(tǒng)計(jì)估算，選擇最佳基因型組合[37]。MCMC算法是一種隨機(jī)采樣的方法，在參數(shù)期望值無(wú)法直接計(jì)算時(shí)，通過(guò)后驗(yàn)概率密度函數(shù)對(duì)變量進(jìn)行多次隨機(jī)采樣并計(jì)算，從而對(duì)真實(shí)參數(shù)期望值進(jìn)行模擬評(píng)估的方法。MCMC在深度學(xué)習(xí)、語(yǔ)言處理等理論研究以及航空航天、天氣預(yù)報(bào)等生產(chǎn)生活領(lǐng)域都有著廣泛的應(yīng)用。完全連續(xù)模型能夠更好地利用混合STR分型中的可用信息，同其他模型相比，有效增強(qiáng)了結(jié)果的客觀性和準(zhǔn)確性[38-39]，也方便在不同假設(shè)條件下計(jì)算LR值。意大利的Yara Gambirasio命案[40]、西班牙的一起失蹤人口案和一起謀殺案[41]以及美國(guó)紐約波茨坦男孩被殺案[42]均是通過(guò)借助完全連續(xù)模型為基礎(chǔ)的分析軟件對(duì)現(xiàn)場(chǎng)物證混合STR分型進(jìn)行分析，最終為案件偵查或訴訟提供了重要支撐。

3.3 不同模型比較總結(jié)

完全連續(xù)模型同其他模型相比，在混合STR分型的前處理、適用范圍、結(jié)果的客觀性與準(zhǔn)確性上具有較大的優(yōu)勢(shì)，然而該模型的計(jì)算原理復(fù)雜，涉及大量的概率論與統(tǒng)計(jì)學(xué)知識(shí)，對(duì)于初學(xué)者猶如“黑匣子”，法庭解釋較為困難。此外，完全連續(xù)模型分析所需計(jì)算量大，為確保結(jié)果的準(zhǔn)確性，往往采取多條MCMC鏈進(jìn)行上百萬(wàn)次的迭代計(jì)算，算法復(fù)雜且耗時(shí)長(zhǎng)。相對(duì)而言，半連續(xù)模型忽略了峰高定量信息，程序簡(jiǎn)單，分析迅速；而二進(jìn)制模型原理最為簡(jiǎn)單，容易理解，對(duì)于經(jīng)驗(yàn)豐富的鑒定人而言，可能更傾向于人工參與程度高的二進(jìn)制模型，因其有助于增強(qiáng)鑒定人的信心。表1集中展示了不同統(tǒng)計(jì)模型的基本特征。

表1 不同統(tǒng)計(jì)模型的特征對(duì)比Table 1 Comparison among characteristics from different statistical models

為進(jìn)一步對(duì)比并闡述不同統(tǒng)計(jì)模型的基本原理，分別采用上述統(tǒng)計(jì)模型對(duì)模擬2組分混合的SE33基因座混合STR分型進(jìn)行分析，分型詳細(xì)信息如表2所示。

表2 SE33基因座混合STR分型示例Table 2 The exampled SE33 locus where to harbor value-various mixed-STR constituents

設(shè)定隨機(jī)閾值為300 RFU，混合組分?jǐn)?shù)為2，假定根據(jù)其他基因座信息，確認(rèn)POI為組分1，分別計(jì)算POI分型為16/19和16/26.2時(shí)，混合STR分型包含POI和隨機(jī)個(gè)體的概率。對(duì)于二進(jìn)制模型和半連續(xù)模型，分析前需人工將stutter峰與等位基因峰進(jìn)行區(qū)分，結(jié)果如表3所示。由于完全連續(xù)模型的概率權(quán)重計(jì)算過(guò)程過(guò)于復(fù)雜，此處不詳細(xì)展示。

表3 不同統(tǒng)計(jì)模型計(jì)算結(jié)果Table 3 Results from calculation with different statistical models

隨著理論模型的不斷成熟，近幾年又有多個(gè)混合STR分型分析軟件相繼問(wèn)世，其中基于PG模型的混合分析軟件成為國(guó)際主流。部分軟件如EuroForMix、TrueAllele?及STRmixTM等已經(jīng)通過(guò)大量實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證，結(jié)果符合預(yù)期[43-50]，在三人以上混合及組分包含LT-DNA的情況下，完全連續(xù)分型軟件計(jì)算比傳統(tǒng)的人工分析更具優(yōu)勢(shì)[48]。當(dāng)前部分軟件計(jì)算的結(jié)果已經(jīng)作為證據(jù)的一部分被引入刑事訴訟程序中，如英國(guó)和丹麥的法院已經(jīng)將DNAmixtures軟件用于混合STR分型證據(jù)的計(jì)算評(píng)估[40]，美國(guó)也至少有一半以上的DNA實(shí)驗(yàn)室正在使用或準(zhǔn)備使用該類軟件解決日常案件中的混合STR分型問(wèn)題[51]。表4列舉了目前國(guó)際上比較常用的PG模型軟件系統(tǒng)。

表4 基于PG模型解釋混合STR分型的常用軟件[51]Table 4 Mainstream PG-model-based software for deciphering mixed STR profi les [51]

4 總結(jié)與展望

4.1 混合STR分型分析的發(fā)展趨勢(shì)

我國(guó)人口基數(shù)大，案件數(shù)量多，在混合STR分型結(jié)果解析方面一直更注重以實(shí)際應(yīng)用為導(dǎo)向。國(guó)內(nèi)前期研究主要集中在前期投入少而經(jīng)驗(yàn)要求相對(duì)高的人工分析領(lǐng)域；我國(guó)擁有世界上數(shù)據(jù)量最大的DNA數(shù)據(jù)庫(kù)，間接導(dǎo)致國(guó)內(nèi)混合STR分型分析智能化、自動(dòng)化研究側(cè)重于混合STR分型直接入庫(kù)比對(duì)，而非混合STR分型本身的智能算法解析。國(guó)外混合STR分型分析起步早，從理論模型研究到系統(tǒng)平臺(tái)搭建都更為成熟，在自動(dòng)化和智能算法領(lǐng)域，確有其可借鑒之處。雖然完全連續(xù)型模型是目前公認(rèn)的比較成熟的概率解釋模型，其注釋結(jié)果便于進(jìn)行統(tǒng)計(jì)學(xué)量化評(píng)估，符合實(shí)際需求，但是該模型在前期實(shí)驗(yàn)室相關(guān)參數(shù)校正以及模板降解嚴(yán)重的混合STR分型解析方面仍有一定的局限性。近年來(lái)NGS技術(shù)在法醫(yī)遺傳學(xué)領(lǐng)域嶄露頭角，NGS的擴(kuò)增模式獨(dú)特，測(cè)序結(jié)果包含完整的序列信息，在STR基因座識(shí)別能力、降解檢材的分析以及LT-DNA的檢測(cè)靈敏度等方面可填補(bǔ)傳統(tǒng)PCR-CE技術(shù)的短板[52]，目前該技術(shù)在實(shí)際案例中已有成功應(yīng)用[53]，但NGS的結(jié)果數(shù)據(jù)如何同傳統(tǒng)的STR分型數(shù)據(jù)兼容并納入模型分析計(jì)算仍是一個(gè)難題。如何結(jié)合我國(guó)DNA數(shù)據(jù)庫(kù)的優(yōu)勢(shì)，開(kāi)發(fā)出適應(yīng)數(shù)據(jù)范圍更廣、計(jì)算速度更快、原理更易理解的新型智能算法模型并為其注釋結(jié)果設(shè)計(jì)量化評(píng)估方式將是今后的一個(gè)重要理論研究方向。

應(yīng)用研究層面，由于遺傳分析儀的電耦合元件（charge coupled device，CCD）檢測(cè)器對(duì)熒光的線性響應(yīng)以及光譜校正均存在一定的有效區(qū)間，為保證分析結(jié)果的準(zhǔn)確性，混合DNA的模板量是不可忽略的一個(gè)因素。未來(lái)，結(jié)合檢材前端預(yù)處理甄別技術(shù)，不僅能夠針對(duì)不同類型細(xì)胞混合的生物檢材進(jìn)行細(xì)胞水平的篩選并對(duì)DNA定量，還能對(duì)同一類型細(xì)胞混合的生物檢材DNA樣本進(jìn)行整體定量。針對(duì)不同的檢測(cè)儀器和擴(kuò)增試劑盒，結(jié)合擴(kuò)增循環(huán)數(shù)及模板量對(duì)混合STR分型進(jìn)行質(zhì)量評(píng)估，為下一步模型分析提供最佳的數(shù)據(jù)源。當(dāng)然，應(yīng)用研究也可與算法模型理論的基礎(chǔ)研究相結(jié)合，開(kāi)發(fā)出一種全方位的分析方法，完整解決混合STR分型的分析難題。

4.2 人工智能技術(shù)在混合STR分型解析中的應(yīng)用

近年來(lái)，人工智能（artifi cial intelligence，AI）作為繼計(jì)算機(jī)、互聯(lián)網(wǎng)之后對(duì)人類社會(huì)產(chǎn)生重大深遠(yuǎn)影響的新一代技術(shù)，在各行業(yè)領(lǐng)域中都呈現(xiàn)出廣泛的應(yīng)用前景，法醫(yī)DNA鑒定領(lǐng)域當(dāng)然也不例外。人工智能獨(dú)特的優(yōu)勢(shì)將有助于目前既有統(tǒng)計(jì)模型的優(yōu)化，尤其在面對(duì)新的實(shí)驗(yàn)環(huán)境以及前期模型試驗(yàn)中未涉及的特殊情況時(shí)，人工智能機(jī)器自主學(xué)習(xí)和智慧算法可在計(jì)算過(guò)程中自動(dòng)對(duì)模型參數(shù)進(jìn)行校正，可極大地節(jié)省人工勞動(dòng)成本。人工智能的模式識(shí)別技術(shù)不僅能在檢材前端的預(yù)處理上發(fā)揮作用，更好地“分類”并“定量”，獲得峰高更適于分析的STR分型，而且更有望替代人工完成對(duì)混合STR分型電泳數(shù)據(jù)的前處理，盡可能減少因經(jīng)驗(yàn)差異導(dǎo)致的主觀誤差，將混合生物檢材從前端處理到后續(xù)結(jié)果分析的完整流程進(jìn)行系統(tǒng)整合，形成一個(gè)功能更加強(qiáng)大的人工智能分析系統(tǒng)。屆時(shí)，其高度自動(dòng)化的工作流程，將能有效擴(kuò)大應(yīng)用范圍并降低使用門檻，有助于從根本上解決混合STR分型分析應(yīng)用的難題。