评分是怎样计算出来的
研究人员先在大型关联研究中估计不同位点与某性状的统计关系，再将位点效应按照模型加权求和。模型可能包含数百到数百万个位点，具体取决于性状、研究设计和纳入阈值。
最终分数通常会经过标准化，再与参考样本比较百分位。百分位表达的是相对位置，不等于个人未来发生事件的直接概率。
参考人群决定了结果的可迁移性
如果训练数据主要来自某一祖源人群，模型在其他人群中的预测性能可能下降。原因包括连锁不平衡结构、等位基因频率和环境暴露差异，而不只是样本数量问题。
因此报告必须注明训练队列、验证队列和适用人群。没有这些信息的“高风险”标签，很难判断它究竟反映真实信号，还是反映模型与人群之间的距离。
统计关联不是因果关系
一个位点与性状相关，可能是直接功能影响，也可能只是与真正的因果位点共同遗传。多基因评分更不能解释个人为什么会出现某个症状，也不能替代影像、实验室指标或家族史评估。
生活方式和环境因素同样可能改变实际结果。对可干预的健康主题，评分最合理的用途通常是帮助提出问题，而不是给出确定的行为命令。
什么时候应该谨慎使用
当模型没有外部验证、参考人群不匹配、样本质量不足或结果涉及高风险医疗决策时，不应直接依据评分采取行动。需要医疗判断的场景，应由临床团队结合经过验证的检测和病史评估。
用户阅读报告时，可以重点查看模型版本、参考人群、置信区间、验证结果和免责声明。一个专业平台会把这些信息放在结果附近，而不是藏在很难找到的脚注中。