01
实验质量：让样本具备可分析条件
从样本接收开始，记录编号、批次、完整性和质量状态。只有通过预设质控门槛的样本，才会进入后续数据分析。
- 样本身份与实验编号隔离
- DNA 质量和污染检查
- 批次与操作节点留痕
01GRCh38
参考基因组
统一分析坐标体系
02QC
多层质量控制
样本、测序与计算指标
03Audit
全链路审计
关键操作可追溯
DECISION FRAMEWORK / SCIENCE
先确认目标，再理解数据能回答什么
专业服务不仅说明“能检测什么”，也会把适用人群、交付内容和结果边界放在同一张图里，帮助你做出更稳妥的选择。
适合这类人
- 关注检测质量和证据来源的个人用户
- 健康管理与科研机构团队
- 需要数据治理和合规合作的专业人员
你会得到
- 标准化实验与计算流程
- 质量指标和版本记录
- 研究授权、审计与去标识化机制
必须知道的边界
- 个人服务不等同于临床检验
- 科研使用以授权和伦理要求为前提
- 方法能力不代表对个体结果的诊断
WHAT YOU WILL LEARN
把复杂信息拆成可理解的判断依据
了解灵初基因的实验质控、数据分析、证据分层和科研合作能力，为个人与机构选择可靠的生命数据服务。
02
计算分析：从原始读数到解释结果
计算流程包含参考基因组比对、变异识别、质量过滤、注释和证据匹配。算法、数据库和报告版本均需可追溯，避免结果在无记录的情况下发生变化。
- 标准化分析坐标与流程
- 证据数据库版本记录
- 报告模块可回溯到分析版本
03
科研合作：在合规边界内使用数据
科研合作需要明确目的、范围、授权、去标识化和退出机制。任何研究使用都应以用户知情同意和伦理审查为前提。
- 项目目的与数据范围说明
- 分级授权与去标识化
- 访问审计与退出机制
04
验证方法时不能只看一个准确率
检测方法验证需要覆盖不同样本质量、变异类型和困难区域，并同时评估敏感度、特异度、重复性、污染影响和未覆盖范围。一个数据集上的高准确率，不能自动代表所有人群和所有样本都可靠。
上线后还要通过阳性对照、阴性对照和回归样本监控批次、试剂、设备与软件变化。出现异常时，保留原始记录比只在页面显示“通过”更有价值。
- 预先定义适用范围和接受标准
- 使用独立样本进行外部验证
- 对管线变更执行回归测试
05
证据库、分析管线与报告版本的关系
报告解释不是单一数据库的复制。它通常还依赖参考基因组、转录本、群体频率、功能预测、临床指南和人工审核。任何一层发生变化，都可能影响最终措辞，因此需要保存来源版本和分析参数。
可复现并不意味着结论永远不变。它意味着在同一输入和同一版本下能够重新得到相同结果，并能解释升级后为什么发生变化。
- 记录参考基因组和转录本
- 固定软件、参数和数据库版本
- 为报告变化保留审阅记录
KNOWLEDGE PATH / SCIENCE
方法验证、分析复现和证据审核共同构成质量体系
可靠性不能由单一准确率证明。实验性能、困难区域、软件版本、参考文件、数据库快照和人工审核都需要被记录和持续验证。
方法验证
在预先定义的适用范围内评估精确率、召回率、重复性与检测边界。
可复现分析
保存输入、软件、参数和参考文件，使同一版本的结果能够被重新生成。
批次效应
试剂、设备、操作时间或软件变化形成的技术差异，可能被误认为生物差异。
QUESTIONS / BOUNDARIES
在做决定之前，先把边界问清楚
透明说明适用范围，是专业服务的一部分。以下内容不能替代针对个人情况的医疗建议。
灵初的报告能替代医院检测吗？
不能。个人基因检测服务与临床检验、诊断和治疗体系不同，健康风险或症状问题应由医疗机构评估。
科研合作会直接拿到我的身份信息吗？
未经明确授权不会。身份信息、样本和研究数据应分离管理，合作项目需要遵循相应的合规和伦理要求。
如何了解一个结果的证据强度？
查看报告中的证据状态、适用边界、数据版本和说明，不要只根据一个颜色或标签做判断。
NEXT STEP / SCIENCE