核心用法
Nutrigenomics 是一款面向消费级基因数据的本地化营养基因组学分析工具。用户上传 23andMe、AncestryDNA 原始数据文件或标准 VCF 格式后，系统自动解析并匹配 curated SNP 面板（58个位点），计算多基因风险评分（0-10分制），最终输出 Markdown 格式的个性化营养报告，包含雷达图风险画像、基因×营养素热图及可复现性文档包。
分析流程
1. 输入解析：自动识别 23andMe/AncestryDNA/VCF 格式，标准化等位基因至正链
2. 基因型提取：查询 SNP 面板，返回基因型或标记为 NOT_TESTED
3. 风险评分：0/0.5/1.0 三档评分，加权合成营养素域风险得分
4. 报告生成：结构化 Markdown + matplotlib/seaborn 可视化
5. 可复现包：环境配置、校验和、来源记录（不含原始基因数据指纹）
显著优点
- 完全本地化：零网络传输，杜绝基因数据泄露风险
- 科学溯源：SNP 选自 GWAS Catalog、ClinVar 及同行评审文献，附权重推导依据
- 可复现性：输出 environment.yml、checksums.txt、provenance.json，支持审计追踪
- 多格式兼容：覆盖主流 DTC 基因检测平台输出格式
- 可视化输出：雷达图直观展示多营养素风险profile，热图呈现基因-营养关联矩阵
- 持续迭代：路线图明确（v0.2微生物组整合、v0.3纵向追踪、v1.0多组学融合）
潜在缺点与局限性
| 局限类型 | 具体说明 |
|---------|---------|
| 医学边界 | 明确标注非医疗设备，不提供医学诊断建议 |
| 变异覆盖 | 仅纳入常见变异（MAF>1%），罕见致病变异未覆盖 |
| 人群偏倚 | 效应量主要源自欧洲队列 GWAS，跨祖先推广性受限 |
| 环境忽略 | 未整合基线饮食、生活方式、微生物组、表观遗传状态 |
| 生态谬误 | 群体水平关联未必反映个体轨迹（Simpson's Paradox） |
| 芯片差异 | 不同基因检测芯片覆盖位点不同，可能出现 NOT_TESTED |
适合人群
- 已进行 DTC 基因检测（23andMe/AncestryDNA）的健康意识用户
- 营养科学/遗传学研究者（教学演示、方法验证）
- 注册营养师（作为客户基因数据的辅助解读参考，非诊断依据）
- 隐私敏感型用户（要求完全本地化处理基因数据）
- 生物信息学学习者（可复现性设计适合教学场景）
常规风险
1. 过度解读风险：用户可能将"风险评分"误解为"必然缺乏"，需强调基因-环境交互作用
2. 补充剂滥用：高叶酸风险评分若导致用户自行大剂量补充，可能掩盖 B12 缺乏或产生未代谢叶酸
3. 心理焦虑：APOE ε4、MTHFR C677T 等位点可能引发不必要的健康担忧
4. 数据残留：输出目录持久化存储，共享环境需手动清理
5. 版本漂移：SNP 面板权重基于文献静态版本， GWAS 新发现未及时整合
使用建议
- 报告生成后应配合专业遗传咨询师或注册营养师解读
- 高评分营养素建议优先通过膳食调整而非高剂量补充剂干预
- 定期清理
nutrigenomics_output_YYYYMMDD_HHMMSS/目录（共享环境） - 交叉验证关键位点（如 MTHFR C677T）的临床意义，必要时进行血清同型半胱氨酸检测