Matematik - Prædiktion af geografisk oprindelse via genetiske markører
Kort beskrivelse af aktiviteten: Ud fra genetiske markører er forskere i stand til at udlede mange forskellige egenskaber og informationer om et enkelt individ. Det kan være at bestemme sandsynligheden for forskellige sygdomsrisici eller fysiske træk. Når genetik anvendes i retlig sammenhæng eller i politiets efterforskning håndteres de genetiske analyser af retsgenetikere, som i mange år har samarbejdet med AAUs statistikere vedr. metode- og modeludvikling. Her forklares og demonstreres modeller til at prædiktere en persons geografiske ophav ud fra udvalgte genetiske markører.
Karakter af besøgets indhold: Foredrag
Faglig relevans: Matematik, Biologi, Bioteknologi.
Nøgleord: Matematik, sandsynlighedsregning, genetik, retsgenetik.
Forventet niveau: A-niveau matematik (sandsynlighedsregning)
Forberedelse: Binomial og normal fordelingen. Middelværdi og varians.
Udbytte: Eleverne får et indblik i hvordan genetik kan anvendes i politiets arbejde. Ligeledes diskuteres retsgenetik og hvilke udfordringer som ligger i at arbejde med data fra gerningssteder.
Maks. antal personer: 60 personer (antal begrænses af lokalestørrelse)
Tidspunkter for besøget: Aftales med kontaktperson
Besøgets varighed: ca. 1 time
Mødested: Aftales med kontaktperson
Kontaktperson: gymnasieportalen@adm.aau.dk Torben Tvedebrink, Institut for Matematiske Fag
Detaljeret beskrivelse / Bilag: Der er en stigende interesse i at få indsigt i ens genetiske ophav ud fra ens eget DNA, fx ved at indsende biologisk materiale til 23andme.com og ancestry.com hvor andelen af ens genom bestemmes ud fra deres databaser. Pålideligheden til og gennemsigtigheden af disse metoder er dog ikke høj nok til at kunne anvendes i kriminaltekniske sammenhænge. Her er krav til fejlrater og gennemskuelighed i højsædet, hvorfor alternative tilgange ofte anvendes. Typisk vil man vurdere hvor hyppig en given DNA profil er i populationer hvorfra man har en stikprøve. Dog risikerer man at profilen slet ikke stemmer overens med nogen af populationerne i ens database, hvorfor man bliver nødt til at kunne erkende at der er tale om en ”outlier”. Vores udviklede metode gør det muligt at fastslå om en given DNA profil er tilstrækkelig tæt på ens database populationer til at man kan tro på konklusionerne.