近日美国研究人员研发出一种革新性的新技术，通过将特殊的基因标记与面部形状相连，从而实现利用犯罪现场留下的DNA基因标记生成罪犯面孔的图片,这是朝所谓的“基因面部照片”迈出的第一步。

从犯罪现象采集的DNA可用于制作犯罪分子或者受害者的粗糙图像，这种基因面部照片应该比计算机生成的“电子面部特征”(e-fits)更可靠，后者是基于目击者的记忆描绘的。

为了确定这些基因，科学家们关注于导致面部和头部变形的已知基因变异。据称这些正常的基因会影响个人特征。例如，一种基因会影响嘴唇，而另一种会影响眼部附近的形状和骨骼的分布，而第三种基因则会影响中央面部和头骨的外形。

科学家们一共发现了20种对面部外观产生“显著影响”的基因。“我们一般利用DNA来匹配个体或者鉴别个体的身份，但其实从DNA里你可以获得更多信息。” 研究首席科学家、美国宾夕法尼亚州大学的马克·施赖弗(Mark Shriver)教授这样说道。“目前我们还无法实现利用DNA获得面部信息，或者从面部特征获得DNA信息，但是理论上这是可行的。” 施赖弗补充说道。

基于来自美国、巴西和佛得角、具有西非和欧洲混合血统的人类的一系列面部形状，并对3D面部图像数千个坐标的网格进行测量，研究小组首次研发了一个模型。 同时科学家们还利用了统计方法以确定面部差异与性别、种族和个人基因变异之间的关系。这一研究的启示意义不可估量，它提供了基于基因标记来建立面部类型数据库的可能性。

这项技术还可用于校验亲子鉴定中父亲的身份，或者利用DNA化石重建人类遥远祖先的面孔。“这样的预测模型可能对于法庭证据也非常有用。例如：有关人员可以测试犯罪现象留下的DNA，从而预测面部特征，帮助缩小潜在嫌疑犯的范围。”

“我们的技术还可用于预测子孙、已故先人以及已灭绝的人类物种的面貌。此外，这些方法也可能是一种非常有效的诊测工具。”科学家们补充说道。这项最新研究被发表在《公共图书馆·科学遗传学》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.