近日美國研究人員研發出一種革新性的新技術，通過將特殊的基因標記與面部形狀相連，從而實現利用犯罪現場留下的DNA基因標記生成罪犯面孔的圖片,這是朝所謂的“基因面部照片”邁出的第一步。

從犯罪現象采集的DNA可用于制作犯罪分子或者受害者的粗糙圖像，這種基因面部照片應該比計算機生成的“電子面部特征”(e-fits)更可靠，后者是基于目擊者的記憶描繪的。

為了確定這些基因，科學家們關注于導致面部和頭部變形的已知基因變異。據稱這些正常的基因會影響個人特征。例如，一種基因會影響嘴唇，而另一種會影響眼部附近的形狀和骨骼的分布，而第三種基因則會影響中央面部和頭骨的外形。

科學家們一共發現了20種對面部外觀產生“顯著影響”的基因。“我們一般利用DNA來匹配個體或者鑒別個體的身份，但其實從DNA里你可以獲得更多信息。” 研究首席科學家、美國賓夕法尼亞州大學的馬克·施賴弗(Mark Shriver)教授這樣說道。“目前我們還無法實現利用DNA獲得面部信息，或者從面部特征獲得DNA信息，但是理論上這是可行的。” 施賴弗補充說道。

基于來自美國、巴西和佛得角、具有西非和歐洲混合血統的人類的一系列面部形狀，并對3D面部圖像數千個坐標的網格進行測量，研究小組首次研發了一個模型。 同時科學家們還利用了統計方法以確定面部差異與性別、種族和個人基因變異之間的關系。這一研究的啟示意義不可估量，它提供了基于基因標記來建立面部類型數據庫的可能性。

這項技術還可用于校驗親子鑒定中父親的身份，或者利用DNA化石重建人類遙遠祖先的面孔。“這樣的預測模型可能對于法庭證據也非常有用。例如：有關人員可以測試犯罪現象留下的DNA，從而預測面部特征，幫助縮小潛在嫌疑犯的范圍。”

“我們的技術還可用于預測子孫、已故先人以及已滅絕的人類物種的面貌。此外，這些方法也可能是一種非常有效的診測工具。”科學家們補充說道。這項最新研究被發表在《公共圖書館·科學遺傳學》期刊上。

原文摘要：

Modeling 3D Facial Shape from DNA

Peter Claes, Denise K. Liberton, Katleen Daniels, Kerri Matthes Rosana, Ellen E. Quillen, Laurel N. Pearson, Brian McEvoy, Marc Bauchet,Arslan A. Zaidi, Wei Yao, Hua Tang, Gregory S. Barsh, Devin M. Absher, [ ... ], Mark D. Shriver

Human facial diversity is substantial, complex, and largely scientifically unexplained. We used spatially dense quasi-landmarks to measure face shape in population samples with mixed West African and European ancestry from three locations (United States, Brazil, and Cape Verde). Using bootstrapped response-based imputation modeling (BRIM), we uncover the relationships between facial variation and the effects of sex, genomic ancestry, and a subset of craniofacial candidate genes. The facial effects of these variables are summarized as response-based imputed predictor (RIP) variables, which are validated using self-reported sex, genomic ancestry, and observer-based facial ratings (femininity and proportional ancestry) and judgments (sex and population group). By jointly modeling sex, genomic ancestry, and genotype, the independent effects of particular alleles on facial features can be uncovered. Results on a set of 20 genes showing significant effects on facial features provide support for this approach as a novel means to identify genes affecting normal-range facial features and for approximating the appearance of a face from genetic markers.