ABORDAGEM MULTIDISCIPLINAR PARA DISCRIMINAÇÃO FORENSE DE LUVAS DE LÁTEX

Dissertação de Mestrado em Química Forense apresentada à Faculdade de Ciências e Tecnologia Latex gloves are commonly used by felons to avoid leaving fingerprints and DNA when committing crimes. Most felons discard the gloves at the crime scene or nearby. Although latex gloves are mass produced items, they can provide important information to crime scene investigators, for instance by comparing gloves found at crime scene with gloves seized at the suspect’s premises. Latex is a highly regular cis-1,4-polyisoprene produced by more than 2500 species of plants. The manufacture of latex gloves includes a compounding step, which allows to improve their final properties. This step proves to be important in the discrimination of latex gloves since each producer uses different additives according to the final product and the desired price /quality ratio. Based on these premises, we propose a multidisciplinary approach using the combined potential of analytical methodologies such as attenuated total reflectance infrared spectroscopy (FTIR-ATR), differential scanning calorimetry (DSC), thermogravimetry (TGA), X-ray powder diffraction (XRPD) and nuclear magnetic resonance in the time domain (TD - NMR), without any sample preparation, to differentiate latex gloves of different origin. Twenty-four latex gloves of six different brands were analyzed, each of them at 3 random locations. The results obtained by the five experimental methods were evaluated by multivariate statistical analysis using principal component analysis (PCA) and hierarchical cluster analysis (HCA). This analysis led to the formation of five groups, being two of the brands indistinguishable.The discrimination efficacy of the proposed methodology was further confirmed by the additional analysis of eight blind samples, some of them belonging to the initial set, others of different origin. The blind samples were successfully grouped, allowing validation of the results obtained.The Random Forest algorithm was also used with quite promising results. As luvas de látex são comumente utilizadas por criminosos para evitar deixar impressões digitais ou ADN, e são muitas vezes descartadas no local do crime ou nas suas imediações. Apesar de serem itens produzidos em massa, comuns, podem fornecer informação relevante aos investigadores forenses, por exemplo comparando luvas encontradas no local do crime com luvas apreendidas na casa/ pertences dos suspeitos.As luvas de látex são compostas por cis-1,4-poli-isopreno, que é produzido por mais de 2500 espécies de plantas. A manufatura de luvas inclui uma etapa de aditivação, que permite melhorar as suas propriedades finais. Esta etapa revela-se importante na discriminação de luvas de látex dado que, cada produtor utiliza diferentes aditivos de acordo com o produto final e a razão preço/qualidade pretendida. Com base nestas premissas, neste trabalho foi usada uma abordagem multidisciplinar com recurso ao potencial combinado de um conjunto de metodologias analíticas, espetroscopia de infravermelho no modo de refletância total atenuada (FTIR-ATR), calorimetria diferencial de varrimento (DSC), termogravimetria (TGA), difração de raios – X de pó (XRPD) e ressonância magnética nuclear no domínio do tempo (TD-RMN), que requerem pouca ou nenhuma preparação da amostra, para diferenciar luvas de látex com origens diferentes. Foram analisadas 24 luvas de látex de seis marcas distintas, cada uma delas em 3 locais aleatórios. Os resultados obtidos nas cinco metodologias foram avaliados por análise estatística multivariada com recurso à análise de componentes principais (PCA) e à análise de agrupamentos hierárquicos (HCA). Esta análise conduziu à formação de cinco grupos, sendo duas das marcas indistinguíveis.A eficácia de discriminação da metodologia foi comprovada com a análise adicional de oito amostras cegas, algumas do conjunto inicial, outras de origem distinta, as quais foram corretamente atribuídas.O algoritmo Random Forest foi também utilizado com resultados muito promissores.