Dokument: Neue Ansätze zur molekularen Lebensaltersschätzung

Titel:	Neue Ansätze zur molekularen Lebensaltersschätzung
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=69905
URN (NBN):	urn:nbn:de:hbz:061-20250716-150231-4
Kollektion:	Dissertationen
Sprache:	Deutsch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Becker, Julia [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 3,37 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 16.07.2025 / geändert 16.07.2025
Beitragende:	Prof. Dr. Ritz, Stefanie [Gutachter] Prof. Dr. Martin, William F. [Gutachter]
Dewey Dezimal-Klassifikation:	600 Technik, Medizin, angewandte Wissenschaften » 610 Medizin und Gesundheit
Beschreibung:	Werden Verstorbene erst im Zustand fortgeschrittener postmortaler Veränderungen aufgefun- den, kann eine unmittelbare Identifizierung, z.B. durch Abgleiche mit dem Personalausweis, erheblich erschwert oder gar unmöglich sein. Eine möglichst präzise Schätzung des erreichten Lebensalters stellt einen wichtigen Hinweis im Rahmen der Identifizierung dar, da dem Le- bensalter unter den verschiedenen individuellen Merkmalen wie Körpergröße, Geschlecht und anderen Charakteristika die höchste Selektivität zu kommt. Traditionelle morphologische Me- thoden zur Lebensaltersschätzung bei Erwachsenen liefern oft unpräzise Schätzungen. Im Gegensatz dazu bieten molekulare Verfahren vielversprechendere Ansätze, dies gilt insbe- sondere für Methoden auf Basis der Akkumulation von D-Asparaginsäure (D-Asp) und Pento- sidin (Pen) in langlebigen Proteinen sowie der lebensaltersabhängigen Zu- oder Abnahme der DNA-Methylierung (DNAm). Auch bei diesen vielversprechenden Ansätzen kann die Diskrepanz zwischen dem anhand eines singulären Parameters bestimmten molekularen Alter und dem chronologischen Lebens- alter aus verschiedenen Gründen erheblich sein. Beispielsweise beeinflussen verschiedene Erkrankungen, ethnische Unterschiede oder individuelle Lebensumstände die genutzten Pa- rameter. Zudem nimmt die Streuung der Daten mit dem Lebensalter aufgrund der komplexen Interindividualität der Alterungsprozesse zu und kann zu unpräzisen Ergebnissen in höherem Alter führen. Der Einfluss postmortaler Veränderungen wie Fäulnis und die oft eingeschränkte Verfügbarkeit verschiedener Gewebetypen stellen zusätzliche Herausforderungen dar. Vor diesem Hintergrund widmet sich die vorliegende Dissertation der Optimierung des Metho- denrepertoires zur postmortalen Lebensaltersschätzung. Durch die Nutzung der Information aus der Analyse mehrerer molekularer Parameter – D-Asp, Pen und DNAm – in Machine Lear- ning Modellen sollte der Einfluss ante- sowie postmortaler Faktoren auf die Genauigkeit der Lebensaltersschätzung minimiert werden. In Publikation 1 wurde das Potenzial Machine Lear- ning gestützter Modelle unter Nutzung der Parameter D-Asp und Pen in Bandscheiben- und Epiglottisgewebe zur Lebensaltersschätzung untersucht. Die Ergebnisse zeigen, dass die Ver- knüpfung dieser beiden Parameter die Genauigkeit von Lebensaltersschätzungen, insbeson- dere im höheren Alter, deutlich verbessern kann. In einer weiteren Studie (Publikation 2) wur- den erstmals proteinbasierte Parameter (D-Asp, Pen) sowie zusätzlich die DNAm in vier ver- schiedenen Geweben (Bandscheiben-, Epiglottis- und Achillessehnengewebe sowie Kno- chenproben) von jeweils einem Spender analysiert; die Ergebnisse belegten Machbarkeit und Potential der gleichzeitigen Analyse aller drei Parameter in komplexen Geweben. In Publika- tion 3 wurden D-Asp, Pen und DNAm in Knochenproben von Spendern ohne makroskopisch erkennbare postmortale Veränderungen sowie erstmals auch von Spendern mit fortgeschrit- tenem postmortalem Intervall analysiert. Hierbei erwies sich in Modellen nicht jede Kombina- tion als zielführend; das „reine“ DNAm-Modell erzielte die besten Ergebnisse bei Proben von Spendern ohne makroskopisch erkennbare postmortale Veränderungen, während sich bei Proben von Spendern mit fortgeschrittenem postmortalem Intervall die proteinbasierten Me- thoden als robuster zeigten. Die Ergebnisse dieser Arbeiten stützen die Hypothese, dass eine Kombination verschiedener molekularer Parameter in Machine Learning Modellen dazu bei- tragen kann, Einflüsse wie die interindividuelle Varianz von Alterungsprozessen bei der Schät- zung des chronologischen Alters zu verringern. Dies gilt insbesondere für komplexe Gewebe- arten und Proben mit fortgeschrittenen postmortalen Veränderungen. Die Zukunft der forensischen Altersschätzung liegt in einer Kombination möglichst vieler und unterschiedlicher Ansätze (auch morphologische, histologischer etc.) in entsprechenden Ma- chine Learning Modellen. Dabei setzt eine solche Einführung von künstlicher Intelligenz in die Rechtsmedizin im Vorfeld die Klärung rechtlicher, ethischer und praktischer Fragen voraus.
Lizenz:	Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät
Dokument erstellt am:	16.07.2025
Dateien geändert am:	16.07.2025
Promotionsantrag am:	10.12.2024
Datum der Promotion:	29.05.2025