Heli Maijanen
Juttusarjan ensimmäisessä osassa esiteltiin biologisen profiilin määrittämisessä käytettäviä ohjelmia, jotka tekevät sukupuoli- ja ikäarvioita luuston piirteiden tai mittojen perusteella. Tässä toisessa osassa esitellään muutamia esimerkkejä ohjelmista, jotka määrittelevät yksilön alkuperää pääasiassa kallon piirteiden tai mittojen avulla.
Alkuperän määritykseen keskittyviä ohjelmia on useita (Lynch & Stephan 2018; Cunha & Ubelaker 2019). Alkuperä (englanniksi ancestry) on ehkä vaikein ja siten myös kiistellyin biologisen profiilin komponentti. Antropologit ovat erimielisiä käsitteestä ja myös siitä, voidaanko alkuperää ylipäänsä määrittää luustosta. Osittain tämä kiistanalaisuus johtuu vanhasta rotu-käsitteestä ja siihen liittyvästä ryhmien arvottamisesta, vaikka nykyinen alkuperä-termi viittaa neutraalisti lähinnä ihmisten variaatioon (Ks. esim. DiGangi & Hefner 2012). Yhdysvalloissa poliisi kuitenkin odottaa forensisen antropologin antavan arvion tuntemattoman yksilön alkuperästä, koska se kuuluu olennaisena osana paikalliseen tapaan identifioida yksilöitä.
Pääasiassa alkuperäryhmät on jaettu suurempiin maantieteellisiin ryhmiin eli eurooppalaisiin, afrikkalaisiin ja aasialaisiin. Yhdysvalloissa ryhmiä on yleensä enemmän mukaan lukien Amerikan alkuperäisryhmät sekä latinalaisamerikkalaista alkuperää olevat (Ks. esim. Hefner 2009). Alkuperän määrittäminen luuanalyysin yhteydessä arkeologisissa konteksteissa Euroopassa ei ole kovin yleistä, muun muassa siitä syystä, ettei siten voida juurikaan erotella Euroopan sisäisiä ryhmiä toisistaan (Lewis 2006). Euroopassa on kuitenkin viime vuosina alettu uudestaan kiinnittää huomiota alkuperän osteologiseen määritykseen DNA-analyysin rinnalla. Esimerkiksi Navega et al. (2015) ja Coelho et al. (2017) käyttivät osteologisia menetelmiä alkuperän määrittämisessä tutkiessaan 1600‒1800-luvuille ajoittuvien afrikkalaisten orjien jäänteitä Portugalissa.
Biologisen profiilin määrityksessä käytettävien ohjelmien lisäksi osteologisen analyysin tukena voi olla muunlaisiakin ohjelmia. Ne voivat liittyä luuaineiston dokumentaatioon yleisellä tasolla tai niiden järjestämiseen. Forensisen tutkimuksen puolelle on kehitetty myös ohjelmia, joita voidaan käyttää isotooppitutkimuksessa tai kasvojen tunnistamisessa (katso lisää esimerkkejä Lynch & Stephan 2018). Tässä jutussa nostetaan esille alkuperäohjelmien lisäksi kaksi muuta ohjelmaa, joita käytetään dokumentoinnissa ja sekoittuneiden luuaineistojen järjestämisessä.
Alkuperän määritykseen käytettävät ohjelmat: Fordisc, AncesTrees, 3D-ID, hefneR ja MaMD
Alkuperää määrittelevistä ohjelmista esitellään perinteisiin mittauksiin pohjautuvat Fordisc ja AncesTrees, koordinaattidataan perustuva 3D-ID ja kallon piirteitä analysoivat hefneR ja MaMD.
Fordisc esiteltiin jo sukupuolen määrittelyn yhteydessä, mutta ohjelmassa on myös toisena toimintona alkuperän määritys kallon mittojen perusteella. Fordiscissä on kaksi eri aineistokokonaisuutta, joista yksi pyrkii määrittelemään alkuperää kahdeksan modernin vertailuryhmän pohjalta Yhdysvalloissa, ja toinen, Howellsin aineisto (lähes 30 ryhmää), on tarkoitettu historiallisten/arkeologisten kallojen määrittelyyn myös Yhdysvaltojen ulkopuolella (Jantz & Ousley 2013; Howells 1973). Alkuperää voidaan määritellä myös muun luurangon mittojen perusteella, tosin vaihtoehtoina Fordiscissä on vain kaksi ryhmää Yhdysvalloista eli eurooppalaiset ja afrikkalaiset. Ohjelma määrittää todennäköisyydet, joilla tuntematon kallo kuuluu kuhunkin valituista vertailuryhmistä. Yksilö määrittyy lähimpään ryhmään riippumatta siitä, onko hänen alkuperäryhmäänsä edes aineistossa edustettuna. Ohjelmaa on testattu useissa eri populaatioissa (esim. Williams et al. 2005; Elliott & Collard, 2009; L’Abbé 2013; Urbanová et al. 2014). Fordisc on maksullinen ohjelma, jonka löytää Tennesseen yliopiston verkkosivuilta.
AncesTrees on samankaltainen ohjelma kuin Fordisc. Sekin määrittää alkuperää kallosta mittojen perusteella. AncesTreesin vertailuaineistona on pelkästään Howellsin arkeologinen aineisto (Ks. Howells 1973). Tässä ohjelmassa eri populaatiot on ryhmitelty maantieteellisten klusterien alle (Navega et al. 2015). Analyysissa voi valita yhdeksän tai kaksitoista klusteria. Ohjelmassa on tällä hetkellä käytössä 30 mittaa ja vertailuaineistossa on lähemmäs 3000 yksilöä (Cunha & Ubelaker 2019). Ohjelman testausta ei ole juurikaan raportoitu tieteellisissä julkaisuissa (paitsi Navega et al. 2015). AncesTrees on ilmainen ohjelma, jota voi käyttää Osteomicsin verkkosivuilla.
3D-ID on ohjelma, joka käyttää alkuperän määritykseen geometrista morfometriaa. Geometrinen morfometria tutkii objektien, esimerkiksi kallon, muotoa 3D-koordinaattidatan avulla. Siten ohjelman käyttö vaatii, että aineisto on kerätty käyttäen digitointilaitetta perinteisten mittavälineiden sijaan. Vertailuaineistona ohjelman uusimassa versiossa on yli 2300 kalloa ympäri maailmaa keskittyen eurooppalaiseen, afrikkalaiseen ja eteläamerikkalaiseen alkuperään (Ross et al. 2019). Ohjelmaa on testattu ainakin Brasiliassa ja Kreikassa (Bertsatos et al. 2019; Urbanova et al. 2014). 3D-ID on ladattavissa ilmaiseksi ohjelman verkkosivuilta.
Mittojen ja koordinaattidatan rinnalle ovat alkuperän tutkimuksessa nousseet silmämääräisesti tutkittavat kallon piirteet. Näitä makromorfoskooppisia piirteitä ovat esimerkiksi nenäaukon suhteellinen leveys, nenäaukon alareunan muoto ja kasvon luiden eri saumojen muodot (Hefner 2009).
HefneR-ohjelma määrittelee alkuperää 11 makromorfoskooppisen kallon piirteen perusteella. Se antaa todennäköisyyden, jolla tuntematon kallo kuuluu kuhunkin alkuperäryhmään: eurooppalainen, aasialainen, afrikkalainen ja Amerikan alkuperäisväestö. Ohjelmisto pohjautuu Hefnerin (2009) artikkeliin, jossa on raportoitu näiden ryhmien (yli 700 yksilöä) piirteiden jakaumat. Ohjelma on käytettävissä Osteomics-sivustolla. Ohjelmaa on kuitenkin käsitelty tieteellisissä julkaisuissa vielä vähän (esim. Coelho et al. 2017). Hefner on myös itse työstänyt omaa ohjelmaa MaMD Analytical, jonka uusin versio on ladattavissa ohjelman verkkosivuilta. Ohjelma on vielä tosin testausvaiheessa (versio 03.1.15), eikä siten täysin hyödynnettävissä. MaMD-ohjelmassa on tässä vaiheessa käytössä 10 kallon piirrettä, mutta tarkempia tietoja vertailuaineiston ryhmistä tai yksilömääristä ei ole vielä julkaistu. Ohjelman käyttöönottoa voi seurata yllä olevasta linkistä.
Aineiston dokumentointiin ja järjestämiseen käytettäviä ohjelmia: Osteoware ja OsteoSort
Osteoware on ohjelma, jonka avulla voidaan tehdä ison luumateriaalin perusdokumentointi. Siinä on 12 osa-aluetta, jotka pitävät sisällä muun muassa luiden ja hampaiden inventaarion, sukupuolen ja iän määrityksen, perusmitat sekä luiden ja hampaiden sairaudet (Wilczak & Christopher 2011; Wilczak & Jones 2011). Ohjelma ei siis tee mitään analyysejä, vaan auttaa tutkijaa dokumentoimaan aineistonsa systemaattisesti. Ohjelman pohjana on käytetty Buikstran ja Ubelakerin (1994) Standards for Data Collection from Human Skeletal Remains -teosta. Ohjelmassa on kuitenkin mukana vain perusmenetelmiä, joten niiden ohella voi olla syytä käyttää muitakin menetelmiä. Osteoware-ohjelmaan on kuitenkin hyvä tutustua suunnitellessaan laajamittaista aineiston dokumentaatiota. Ohjelma on ladattavissa ilmaiseksi Statsmachinen verkkosivuilta.
OsteoSort on ohjelma, joka on luotu tarpeeseen selvitellä sekoittuneesta luuaineistosta luita, jotka voivat kuulua samalla yksilölle. Silmämääräinen vertailu ei välttämättä ole riittävä sekoittuneen aineiston tutkimuksessa, vaan se vaatii tuekseen myös tilastollisia menetelmiä (ks. esim. Byrd & LeGarde 2014). OsteoSort-ohjelmassa on vertailuaineistona luuston mittoja useista moderneista amerikkalaisista luukokoelmista. Ohjelma laskee vertailuaineiston mittojen avulla, voivatko tutkittavat luut olla pari (esimerkiksi oikea ja vasen olkaluu), voivatko tutkittavat reisiluu ja sääriluu niveltyä toisiinsa tai onko tilastollisesti mahdollista, että tutkittava olkaluu on peräisin samasta yksilöstä kuin reisiluu (Lynch 2018a). OsteoSortin avulla voidaan vertailla myös luiden muotoja valokuvista parien löytämiseksi (Lynch 2018b). Ohjelma ei anna ehdotonta vastausta, vaan sitä voidaan käyttää rajaamaan vaihtoehtoja siihen, mitä luita on syytä verrata fyysisesti toisiinsa laajassa aineistossa. Pienemmissä aineistoissa ohjelma voi antaa tukea silmämääräisille johtopäätöksille. Ohjelman testaus on vasta kuitenkin alussa (ks. esim. Santos & Villotte 2019). Ohjelmasta on olemassa yksinkertainen nettiversio, jossa voi tehdä yksittäisiä vertailuja sekä ladattava versio, johon voi ladata isomman mittatiedoston. Molemmat versiot ovat ilmaisia ja löytyvät OsteoCodeR-sivustolta.
Lopuksi
Osteologinen alkuperän määritys sinänsä ei ehkä ole oleellisin tutkimuskohde suomalaisessa arkeologisessa kontekstissa, mutta siihen liittyvien kallon mittojen ja piirteiden variaation tunteminen on kuitenkin hyödyllistä. Variaation tutkiminen vaatii laajoja aineistoja ja jälleen kerran kansallinen sekä kansainvälinen tutkimusyhteistyö nousee tärkeään osaan. Tietokoneohjelmat voivat helpottaa tutkimuksen dokumentaation yhtenäistämistä, ainakin osittain. Toki on muistettava, että tutkittava luumateriaali ja sen määrä ja laatu, ohjaavat paljolti minkälaisia menetelmiä siihen voidaan ylipäänsä soveltaa. On selvää, että tulevaisuudessa luututkimus pyrkii tukeutumaan yhä laajempiin vertailuaineistoihin ja tilastollisiin menetelmiin tulkintoja tehdessään.
——
Kirjoittaja on arkeologian yliopistonlehtori Oulun yliopistossa ja ihmisosteologian dosentti Turun yliopistossa. Hänen tutkimuksensa keskittyy ihmisluihin arkeologisissa ja forensisissa konteksteissa.
Tutkimuskirjallisuus
Bertsatos, A., Christaki, A., Chovalopoulou, M. 2019. Testing the reliability of 3D-ID software in sex and ancestry estimation with a modern Greek sample. Forensic Science International 297: 132‒137.
Buikstra, J. & Ubelaker, D. 1994. Standards for data collection from human skeletal remains. Arkansas Archeological Survey Research Series No. 44.
Byrd, J. & LeGarde, C. 2014. Osteometric sorting. Teoksessa Commingled Human Remains: methods in recovery, analysis, and identification, toim. Adams, B. & Byrd, J., s. 167–191. Academic Press.
Coelho C, Navega D, Cunha E, Ferreira MT, Wasterlain SN. 2017. Ancestry Estimation Based on Morphoscopic Traits in a Sample of African Slaves from Lagos, Portugal (15th–17th Centuries): International Journal of Osteoarchaeology 27:320–326.
Cunha, E. & Ubelaker, D. 2019. Evaluation of ancestry from human skeletal remains: a concise review. Forensic Sciences Research, DOI: 10.1080/20961790.2019.1697060
DiGangi, E. & Hefner, J. 2012. Ancestry estimation. Teoksessa Research Methods in Human Skeletal Biology, toim. DiGangi, E. & Moore, M., s. 117‒149. Academic Press.
Elliott, M. & Collard, M. 2009. FORDISC and the determination of ancestry from cranial measurements. Biology Letters 5:849‒852.
Hefner, J. 2009. Cranial nonmetric variation and estimating ancestry. Journal of Forensic Sciences 54: 985‒995.
Howells, WW. 1973. Cranial Variation in Man. A Study by Multivariate Analysis of Patterns of Differences among Recent Human Populations. Papers of the Peabody Museum of Archeology and Ethnology 67, Cambridge, Peabody Museum.
Jantz, R., Ousley, S. 2013. Introduction to Fordisc 3. Teoksessa Forensic Anthropology: An Introduction, toim. Langley, N. & Tersigni-Tarrant, MT., s. 253‒269. Academic Press.
Lewis, M. 2006. The Bioarchaeology of Children. Perspectives from Biological and Forensic Anthropology. Cambridge University Press.
L’Abbé, E.N., Kenyhercz, M., Stull, K.E., Keough, N., Nawrocki, S. 2013. Application of Fordisc 3.0 to explore differences among crania of North American and South African Blacks and Whites. Journal of Forensic Sciences 58: 1579‒1583
Lynch, J., Stephan, C. 2018. Computational Tools in Forensic Anthropology: The Value of Open-Source Licensing as a Standard. Forensic Anthropology 1:4:228‒43.
Lynch, J. 2018a. Osteosort: User Manual. OsteoSort.net.
Lynch, J. 2018b. An Automated Two‐Dimensional Form Registration Method for Osteological Pair‐Matching. Journal of Forensic Sciences 63: 1236‒1242.
Navega, D., Coelho, C., Vicente, R., Ferreira, M., Westerlain, S., Cunha, E. 2015. AncesTrees: ancestry estimation with randomized decision trees. International Journal of Legal Medicine 129: 1145‒1153.
Ross, A., Slice, D., Brits, D., Lottering, T., Small, C. 2019. A new version release of 3D-ID geometric morphometric classification of crania for forensic scientists. Proceedings of the American Academy of Forensic Sciences, s. 85.
Santos, F., Villotte, S. 2019. Using quadratic discriminant analysis for osteometric pair‐matching of long bone antimeres: An evaluation on modern and archaeological samples. International Journal of Osteoarchaeology 29: 1022–1033.
Urbanová, P., Ross, A., Jurda, M., Nogueira, M. 2014. Testing the reliability of software tools in sex and ancestry estimation in a multi-ancestral Brazilian sample. Legal Medicine 16: 264‒273.
Wilczak, C. & Christopher, D. (toim.). 2011. Osteoware Software Manual: Volume I. Smithsonian Institution, Washington, DC.
Wilczak, C. & Jones, E. (toim.). 2011. Osteoware Software Manual: Volume II Pathology Module. Smithsonian Institution, Washington, DC.
Williams, F., Belcher, R., Armelagos, G. 2005. Forensic misclassification of Ancient Nubian crania: implications for assumptions about human variation. Current Anthropology 46: 340–346.
KALMISTOPIIRI 