*plutst*

Goed verhaal. Had al eerder wat gelezen over de 'on-uniekheid' van DNA zoals het momenteel voor (strafrechtelijk) forensisch onderzoek gebruikt wordt.

Maar als het overeind blijft dat een profiel 1 op de miljoen uniek is, dan lopen er zo'n 16 mensen in Nederland rond met een gelijkend profiel. Als iedereen in een database zou staan, dan heb je dus 16 matches en moeten er nog meer bewijzen op tafel gelegd worden. Wat dat betreft ben ik wel voor een volledige database.

Ik was laatst bij een praatje over nieuwe sequence-technologien, en het ziet er naar uit dat over een jaartje of 3 wel het hele genoom in afzienbare tijd (uurtje) en afzienbare kosten te sequencen valt. Dan komt het dus wel goed met die uniekheid, blijft alleen het volgens mij onoplosbare probleem dat je je DNA overal achterlaat, en dat het behoorlijk stabiel is.

Koei: Maar dan wordt er van 100 mensen DNA gevonden op de plaats delict van, bijvoorbeeld, een overval op een supermarkt. Dan is 100 'onverklaarbare' DNA-sporen niet bijzonder veel. Dat zijn dan al 1600 mensen die onderzocht moeten worden. Moet je dat willen?

En als we een Europese database hebben (ook niet ondenkbaar) dan zijn er nog veel meer mensen die onderzocht moeten worden, als die er niet is heb je er nog geen reet aan, want 1600 mensen worden onderzocht terwijl de Bulgaarse dader lekker van zijn centen geniet op het strand van Schiermonnikoog.

Timber! Informatiedichte pots van behanger om de maandag goed mee te beginnen! Compliment.

Ik wil daar nog graag drie juridische argumenten aan toevoegen.

- Rechters zijn nooit bèta's. Dat hoeven ze doorgaans ook helemaal niet te zijn, maar als ze de hulp inschakelen van technische experts dan moeten ze ineens wel gaan werken met betrouwbaarheidsintervallen en waarschijnlijkheidsberekeningen. Je ziet dat ze daar moeite mee hebben, terwijl juist zij degenen moeten zijn de de overtuigingskracht van het bewijsstuk moeten meewegen in hun oordeel.

- Laat staan overigens voor een juryrechtbank, Voor veel mensen is het zo van: "Je kan het meten, hier staat 98% betrouwbaar, dus is het waar." Getuigen verhoren blijkt vaak betrouwbaarder dan het interpreteren van de resultaten van forensisch onderzoek.

- Het is voor verdachten heel moeilijk, soms zelfs onmogelijk, om een second opinion aan te vragen. Het kost namelijk een boel financieel geld en je moet maar net even weten hoe je dat aan moet pakken, en daarin blijken ook niet alle advocaten even bedreven of bereidwillig. Dus als je arm bent of niet zo snugger kun je 't vergeten, en dat druist nu juist in tegen onze opvattingen over hoe rechtszaken gevoerd zouden moeten worden.

@ darth. precies, en dus wordt het onhoudbaar om zoveel gewicht aan DNA sporen te geven. Ik zie alleen nog iets in het vergelijken van DNA als er al een verdachte is, gearresteerd op andere gronden, met het DNA van sporen gevonden bij die overval.

In de eerste plaats wat Horror zegt. Heb nu college van een rechter-plaatsvervanger en ze staat zich zowat voor op het gegeven dat ze niet kan rekenen of zelfs maar strikt logisch kan redeneren.

In de tweede plaats natuurlijk de logische fout dat DNA-bewijs onomstotelijk de dader/pleger aanwijst. Je moet nog steeds aannemelijk maken dat het aangetroffen DNA inderdaad van de pleger is. Dat is immers de reden waarom je de drager van het genetisch materiaal met hetzelfde profiel als verdachte hebt aangemerkt. Samen met de uniciteit van niet meer dan 1:1.000.000 leidt dat tot een enorme stroom "false positives".

En tenslotte nog dit: een DNA-profiel is te faken door een derdejaars biologiestudent. (via goldmember).

Hoe minder mensen met statistiek doen, hoe meer mensen denken dat statistiek bewijst.

Correlatiecoëfficiënt or it didn't happen, Horror!

Ha! Ik kan tegenwoordig dankzij een bemmende chemicus overal wel een correlatiecoëfficiënt uit toveren.

Ja, eentje met 16 nullen achter de komma zeker. Ik vrees dat een rechter dat al snel heel erg significant gaat vinden!

*strikt genomen dus: 16 nullen vóór het eerste significante cijfer*
Wel zelf goed doen als je rechters verwijt dat ze niet kunnen rekenen, jwt!

Volgens de link van Sacamano slechts 13 significante markers. Dan is 1:1.ooo.ooo ook statistiek van niks.
Hoeveel waardes kent iedere marker? En wat is de gemiddelde inteeltfactor binnen de bevolkingsgroep? Dan kun je binnenkort bij zedenmisdrijven een line up verwachten van profieldragers.

Het probleem van de niet-uniekheid is in feite een variant op de Verjaardagenparadox: vraag, in een groep van 20-25 man naar ieders verjaardag, en de kans is >50% dat er twee mensen op dezelfde dag jarig zijn. Dit, ondanks het feit dat er veel meer (365/366) dagen in een jaar zitten dan dat er mensen zijn.

De essentie is dat de kans dat iemand op een _gegeven_ verjaardag jarig is wel klein is (1/365, of 1/366), maar dat het steeds onwaarschijnlijker wordt dat al die semi-willekeurige verjaardagen op een nog "leeg" hokje van de kalender terechtkomen. Uiteindelijk mondt dat uit in het Duiventilprobleem: als je 9 hokjes in de duiventil hebt, en 10 duiven, dat is er _altijd_ 1 hokje met _teminste_ 2 duiven. Op dezelfde manier heb je met 367 mensen _altijd_ _teminste_ 1 dag met _tenminste_ 2 verjaardagen.

Wiskundig gezien komt het er ongeveer op neer dat de kans op zo'n "botsing" richting 50% gaat als het aantal kandidaten ongeveer wortel(N) is, als je N mogelijkheden hebt. En ziedaar: wortel(365) is ongeveer 20; precies dat aantal waarbij je vaak al "botsingen" aantreft.

In de informatica spelen dit soort problemen ook: Als je een hash-table bouwt met 32-bit hashes, (4 miljard mogelijkheden), dan zou je wellicht verwachten dat je je nog niet zo snel zorgen hoeft te maken over collissions. Niets is minder waar: al bij 2^16 (64k) entries in je table krijg je waarschijnlijk al botsingen. Zelfs 64-bit hashes (2*10^19 mogelijkheden) beginnen bij moderaat grote databases (zeg, 4G), al botsingen op te leveren.

Bij DNA speelt dit dus klaarblijkelijk ook: de kans dat je een _gegeven_ set markers hebt is heel erg klein, maar de kans dat twee willekeurige personen dezelfde semi-willekeurige set markers hebben is ongeveer de wortel daarvan.

Zie, voor meer leesvoer: http://en.wikipedia.org/wiki/Birthday_paradox

Zo, ik heb De Googles eventjes gebruikt, en sommigen zijn zich gelukkig bewust van de problematiek:

http://lawprofessors.typepad.com/science_law/2008/07/dna-database-wo.html

Die had ik dan ook gelinkt, Balsaq, samen met een ander lemma. (zie "dan vind je altijd...", tweede alinea)
Die 13 markers die ze gebruiken leveren in feite een 13 bits getal op. Maar dat getal is niet willekeurig. Die 13 markers zijn niet met een 50% kansverdeling verdeeld over de populatie, zeker niet als je database correlaties heeft als regio, of een etnische minderheid die oververtegenwoordigd is.

Die kans van 1 op de 1 miljoen, is dat de werkelijke kans dat een persoon dezelfde markers heeft als de dader? Want als ik dat combineer met wat Balsaq hierboven zegt, heb je bij een populatie van duizend personen dan al 50% kans dat twee personen hetzelfde profiel hebben. Nu woon ik in een dorp met zo'n drieduizend inwoners, in een gemeente met zo'n honderdduizend inwoners. Ik krijg dan het idee dat de kans wel erg groot wordt dat ik één of meer profieltwe(e)ling(en) heb in dezelfde gemeente. Als er dan een DNA database komt wil ik wel graag weten wie dat is/zijn, zodat ik deze perso(o)n(en) in de gaten kan houden.

@ZOute snor: Die kans is volgens mij nog groter, omdat er geen random overerving is. Families blijven over het algemeen toch in de buurt van elkaar wonen, dus binnen een geografisch gebied is de kans alweer groter dat 2 personen hetzelfde profiel zullen hebben.

Afbraakverschillen in mtDNA zijn groot. http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1735670/pdf/v041p00e19.pdf

Mijn docenten biochemie vinden overigens dat de kans op twee dezelfden ook bij een grote database erg klein zouden zijn, maar erg klein is natuurlijk niet klein genoeg.

Er zit nog een addertje onder het gras: het birthday-paradox verhaal en de 1 op miljoen verhouding gaan er allebei vanuit dat de data exact is. En dat is niet zo; dat profilen is een fysische of chemische bepaling met een bijbehorende foutenmarge (volgens mij is het uiteindelijk gewoon elektroforese) . Dus van de honderd bits informatie die er vergaard zijn, zijn er misschien wel een paar fout. Daarmee wordt de kans voor (gedeeltelijke) overlap met andere monsters nog veel groterder.

Precies. In de praktijk zie je cijfers als "vijf en een halve match".

In Nederland zijn er tenminste 2 gevallen van ieder 2 daders (van verschillende delicten) die hetzelfde profiel hebben op vele markers, en die geen directe familie zijn.

In wezen meet je dus niet de mate van overeenkomst, maar juist de afstand, ofwel de afstand tussen twee strings of sequences.

Pfff... deprimerende kost.
Men zou bijna blij worden dat alles van ons wordt vast gelegd, via bewakingscamera's, OV- en vlieg-reizen, bank-transacties, kentekens, ip-adressen, telefoonnummers, boeken die je leent, etc etc.
Sluit dat pact met de duivel maar en bewaar die gegevens 10+ jaar, zodat we die misschien nog gebruiken kunnen om ons een alibi te geven bij een onterecht DNA-'bewijs'.
Ik ga me bezatten.

Neuk jou, mingool!

"dat we de monsters die we nemen heel makkelijk besmetten."

Maar draag dan toch ook bescherming voor je zo'n lelijkerd bestijgt!