Gương mặt của 3 người đàn ông Ai Cập cổ đại. Ảnh: Parabol
Các xác ướp đến từ Abusir el-Meleq, một thành phố Ai Cập cổ đại ở vùng đồng bằng phía nam Cairo, được chôn cất trong thời gian từ năm 1380 trước Công nguyên đến năm 425. Nhóm nghiên cứu ở Viện Khoa học Lịch sử Nhân loại Max Planck tại Tübingen, Đức, giải trình tự ADN xác ướp năm 2017. Đây là lần đầu tiên giới nghiên cứu phục dựng thành công hệ gene của xác ướp Ai Cập.
Giờ đây, các nhà nghiên cứu ở Parabon NanoLabs, công ty công nghệ ADN tại Reston, Virginia, sử dụng dữ liệu gene để tạo mô hình 3D gương mặt của ba xác ướp thông qua quá trình mang tên kiểu hình ADN pháp y, dựa vào phân tích di truyền để dự đoán hình dáng những bộ phận gương mặt và diện mạo của một người. Theo đại diện của Parabon, lần đầu tiên kỹ thuật này được tiến hành trên ADN người ở thời cổ đại. Parabon công bố gương mặt của các xác ướp tại Hội thảo quốc tế về nhận dạng lần thứ 32 tại Orlando, Florida hôm 15/9.
Các nhà nghiên cứu tạo ra khung lưới 3D phác họa đường nét gương mặt xác ướp, sau đó tính toán bản đồ nhiệt để làm nổi rõ sự khác biệt giữa ba cá nhân và sàng lọc chi tiết từng gương mặt. Họa sĩ pháp y của Parabon kết hợp kết quả phân tích với dự đoán về màu da, mắt và tóc.
Làm việc với ADN người cổ đại có thể rất khó vì hai lý do: ADN thường bị hủy hoại mạnh và bị pha tạp với ADN của vi khuẩn, theo Ellen Greytak, giám đốc thông tin sinh học của Parabon. Lượng ADN người có sẵn để giải trình tự rất nhỏ. Tuy nhiên, mọi người có chung đại đa số ADN, các nhà khoa học không cần toàn bộ hệ gene để rút ra hình dáng của một người. Thay vào đó, họ chỉ cần phân tích một số điểm cụ thể trên hệ gene khác biệt giữa người này với người khác, gọi là điểm đa hình đơn nucleotide SNPs.
Đôi khi ADN cổ đại không cung cấp đủ SNP để xác định một đặc điểm. Trong trường hợp đó, các nhà khoa học có thể suy ra dữ liệu gene còn thiếu từ giá trị của những SNP khác ở gần đó, theo Janet Cady, nhà khoa học làm việc ở Parabol. Số liệu thống kê được tính toán từ hàng nghìn hệ gene hé lộ mỗi SNP có quan hệ gần gũi với SNP bên cạnh. Từ đó, nhóm nghiên cứu có thể dự đoán những SNP còn thiếu.
An Khang (Theo Live Science)