核心用法
Equity Scorer是一款专注于基因组多样性与健康公平性评估的专业生物信息学工具。用户可通过上传VCF变异数据文件或祖先信息CSV表格，自动计算 heterozygosity（杂合度）、FST（种群分化指数）、PCA主成分分析等群体遗传学指标，并生成综合的HEIM公平性评分（0-100分）。工具支持完整的分析流程：从输入文件格式检测、种群标签提取、统计计算到可视化报告生成，最终输出包含图表、数据表格和方法论说明的标准化Markdown报告。
显著优点
本地化安全计算：所有运算均在本地完成，零网络数据传输，彻底杜绝基因组数据外泄风险，特别适合处理敏感的个体遗传信息。
标准化评估框架：采用HEIM（Health Equity Index for Minorities）复合评分体系，将代表性指数、杂合度平衡、FST覆盖度和地理分布四个维度量化整合，使不同数据集的人群公平性具有可比性。
完整的可视化输出：自动生成PCA散点图、祖先成分条形图、杂合度对比图和FST热图，配合结构化数据表格，满足科研论文发表需求。
可复现性保障：输出包含完整命令记录、环境配置和文件校验值，符合现代生物信息学研究的可复现性标准。
潜在缺点与局限性
计算资源需求：大型VCF文件（>1GB）处理可能面临内存瓶颈，虽提供cyvcf2优化建议，但缺乏内置的分布式或流式处理能力。
依赖外部科学计算栈：重度依赖biopython、pandas、scikit-learn等Python生态，版本兼容性可能需要用户自行调试。
来源可信度待提升：当前为个人开发者（T3）发布的社区项目，GitHub仓库链接无法验证，缺乏持续维护的明确承诺。
祖先标签标准化依赖：分析质量高度依赖输入数据中的种群/祖先标注规范性，不标准的数据标签可能导致结果偏差。
适合的目标群体
本工具主要面向：基因组学研究人员（尤其是GWAS队列研究）、生物银行数据管理者、公共卫生政策研究者，以及关注研究人群代表性公平性的科研机构。特别适合需要量化评估数据集多样性的场景，如临床试验设计前的代表性审查、已有队列的公平性审计、以及多中心研究的多样性比较。
使用风险
数据授权合规风险：基因组数据受严格的伦理与法律管制，用户必须确认拥有VCF/CSV数据的合法使用授权，避免违反GDPR、HIPAA或本地生物伦理法规。
敏感信息泄露风险：生成的报告文件包含详细的种群构成信息，需在安全环境中存储和传输，防止被恶意利用进行歧视性推断。
科学解释误用风险：HEIM评分是分析性指标而非道德判断，报告中虽已包含"种群标签是分析类别而非身份"的免责声明，但用户仍需避免将评分简单等同于"公平性好坏"的绝对结论。
性能与稳定性风险：大文件处理可能遭遇内存溢出，依赖包的版本冲突可能导致分析中断，建议在使用前进行小规模数据测试。