关于360基因对23andMe的数据的解读，有用户说不一致的部分挺多的，怎么看？？

王云涛 2021-05-13 18:53

开发者_运维百科
基本上是两件事导致的这种结果。

第一，选择位点不同。位点和性状的关系是通过统计对照观察到的。对于这些证据，影响可靠性的因素有很多，比如统计人群，人种，统计效力等等。23andme有明确的位点选取白皮书，360我没仔细看过，我估计是不告诉你。这导致的结果就是对于同一个性状，大家选取的位点有出入。至于你更相信哪个，你可以试试去看白皮书，如果懒得看，嗯，你开心就好。

第二，风险评估算法不同。即便都是通过对多证据的统计计算，统计算法也各有差异。其实更奇葩的算法我都见过，不黑不吹，搞生物的大都是统计学半吊子。除了基于病例证据的统计算法，还有CADD什么的，CADD那篇文章如果你能读进去，这事我觉得你就入门了。总之，同样的位点组合，不同的算法也会导致评估结果的差异。

最后我讲个故事吧。有个电影叫《点球成金》。大概是说，以前棒球星探选新人，是靠经验判断，星探们各有自己的一套看人的经验，面相，身体素质，人际交往，过往历史。后来大家靠大数据选球员了，上垒率，好球率，各种数据。这电影挺有趣的，但是你如果问我哪个判断方法更好，我觉得都不错啊，因为棒球比赛一直很好看嘛。符合潮流就好，感觉哪个好就好，开心就好。（没有共识的金标准的事情就只能是这样了。）

---

Shen david 开发者_如何学Python 2021-05-13 18:58

Wang4242主要解释的是不同公司之间存在的结果不一致的情况，基本就是这两个方面：靶位点和靶位点的评估模型。题主提到的另外一个与实际情况不一致的情况，就需要题主去理解下人群概率统计与具体个例之间的联系和区别，风险高不代表一定有风险表型，风险低也不代表一定不会有风险表型。

---

许其琳 2021-05-13 19:13

开发者_如何转开发
我已经在文章后面回复过了，到这里再贴一次：

| 已属不易，继续努力。还可以试试@zhengqiang 同学的WeGene.com
|
| 我觉得是否一致并不是很好的评判标准，23andme也不是金标准。要把原因和道理讲清楚，我觉得是最重要的。

---