基因作为遗传的基本单位,控制着生物的基本性状,对于个体识别和血缘鉴定都具有决定性的作用。通过基因预测人体的面部形态在刑侦以及法医领域一直是研究的热点,目前比较流行的DNA分子画像技术主要通过全基因组关联分析（Genome-wide Association Study,GWAS）结合单变量差异分析技术或者基于三维稠密数据点研究基因与面部形态之间的关联性,然后通过机器学习算法建立对应的预测模型,这些方法往往流程复杂且需要很多的手工交互过程。本文借助深度学习方法,实现了一个端到端的基于基因预测面部形态方法,在提高了预测效率的同时,保证了可观的预测准确率,为以后该技术在深度学习领域的发展作了一个开创性的尝试,本论文的工作主要有以下两个部分:通过参考目前相关文献已经发表的与面部特征相关联的基因位点,结合随机选取的一部分基因位点作为样本,本文进行了定量分析和可视化实验。实验首先需要通过一些数据预处理对面部数据进行分割、对齐以及角度标准化,然后针对每个基因位点的不同表现性状进行分组,最后对这些分组的平均面型与总体平均面型之间的差异进行可视化,从而得出不同基因位点与不同的面部特征之间的关联性。相对传统方法来说,本文的方法能对基因与面部特征的关联性进行定量分析与可视化,更加的直观可靠。针对基因数据的特点,本文设计了一个生成对抗网络（Generative Adversarial Network,GAN）用于拟合基因位点与面部特征之间的关联性。网络分为生成器与判别器两个子网络,生成器负责根据基因数据生成对应的面部形态,判别器负责判别面部形态是否是与基因数据对应的真实数据。通过对实验结果进行分析验证,网络预测的面部形态在十分接近真实面部形态的同时,也与对应的基因数据表现出了高度相关性,证明了本文方法的可行性与可靠性。