შესაძლოა, მალე დანაშაულის ადგილიდან აღებული დნმ-ით სახის 3D გამოსახულება აღადგინონ

ახალ კვლევაში გამომძიებლები აცხადებენ, რომ მათ ახალ ტექნიკას დნმ-ის მონაცემებისგან სახის სამგანზომილებიანი გამოსახულების აღდგენა შეუძლია. შესაძლოა, ეს კრიმინალური მეცნიერების განვითარებას მნიშვნელოვნად დაეხმაროს.

მათ გამოთვლით მოდელს დიფეისი (Difface) ჰქვია. იგი ერთეული დნმ-ის ნუკლეოტიდური განსხვავებებით სახის 3D წერტილოვან ღრუბლებზე მოქმედებს - ანუ მონაცემთა ნაკრებზე, რომელიც სახის გარე ზედაპირს წარმოადგენს.

მოდელი ჩინელთა ყველაზე დიდი ეთნიკური ჯგუფის — ჰანის — მონაცემთა ბაზაზე გამოცადეს. ბაზა დნმ-ის განსხვავების 9 674 წყვილსა და 3D სახის გამოსახულებებს შეიცავდა. დიფეისმა დნმ-იდან 3D გამოსახულების აღდგენაში შესანიშნავი შედეგები აჩვენა. ასევე, დამატებითი ინფორმაციის — როგორიცაა სქესი, ასაკი, და სხეულის მასის ინდექსი - დიფეისში ჩართვამ აღდგენილი სახის 3D გამოსახულებების ხარისხი კიდევ უფრო გააუმჯობესა.

"საოცარია, რომ დიფეისს ინდივიდის 3D სახის გამოსახულებების გენერირება მხოლოდ დნმ-ის მონაცემებზე დაყრდნობითაც კი შეუძლია — კერძოდ კი, მათი გარეგნობის სხვადასხვა ასაკში პროეცირება", - აცხადებენ ავტორები.

აღნიშნული ტექნიკა გენეტიკური ტექნოლოგიების განვითარებაში მართლაც ძალიან მნიშვნელოვანი ნაბიჯია. ამისდა მიუხედავად, ეს არც ისეთი დიდი ნახტომია, როგორიც ერთი შეხედვით ჩანს. აქამდეც ცნობილი იყო, რომ სახის ფორმას გენეტიკა განსაზღვრავს. იმის განსაზღვრაც შეგვიძლია, თუ რომელი თვისება — მაგალითად, თმის ან თვალის ფერი - რომელი კონკრეტული გენით ან გენების ნაკრებითაა განპირობებული. ამისთვის მეცნიერები სპეციალურ ტექნიკას - დნმ-ის ფენოტიპირებას იყენებენ.

გარდა ამისა, ტექნიკა ჯერჯერობით სრულყოფილი არ არის. მაგალითად, გენეტიკურად ერთმანეთის მსგავს ადამიანებში განსხვავებული ნიშან-თვისებების ამოცნობა კვლავ გამოწვევად რჩება.

"სხვადასხვა პოპულაციებს შორის მოდელის ეფექტიანად განზოგადებისთვის რამდენიმე ნაბიჯია საჭირო. მაგალითად, Difface-ის სისწორის შემოწმება სხვადასხვა ეთნიკური ჯგუფის მონაცემთა ნაკრებზე. ასევე იმის დადგენა, კონკრეტული სახის მახასიათებლებისთვის საჭიროა თუ არა დამატებითი გენეტიკური ლოკუსები", - ვკითხულობთ სტატიაში.

მოდელის დახვეწის გზაზე ყველაზე დიდი სირთულე არა ტექნიკური, არამედ ლეგალური და ეთიკურია — კერძოდ, ინდივიდთა კონფიდენციალურობის დაცვა და არაავტორიზებული მონაცემების გამოყენების თავიდან არიდება.