单/双眼皮
研究所出品
单/双眼皮会受遗传基因影响，通过研究“与你基因相似的人”的单/双眼皮情况，可以探索“基因让你本来更倾向于是哪类型的眼皮”。
检测结果
通过预测模型计算出6组基因结果。单眼皮可能性从低到高图示如下，分段长度代表每组结果人群占比。
可能性低可能性高
你这种基因类型的人有 19% 是单眼皮
能否预测后代是双眼皮还是单眼皮？
根据23魔方的在线研究问卷统计（上图）， 以及对照相关文献，可以大致看出倾向：父母均为双眼皮，那后代也更可能是双眼皮。
单/双眼皮
结果分布
通过预测模型共计算出6个结果。在和你相同基因结果的23魔方用户（第2组）中，有 55% 的人是双眼皮，26% 的人是内双。
单眼皮的概率
内双眼皮的概率
双眼皮的概率
1
2
3
4
5
6
模型预测能力 (AUC)
0.64
样本数24100
检测限制
- 1.该检测无法覆盖所有与该项目相关的位点；
- 2.身体性状是由基因、环境以及生活方式等共同作用决定的，基因只占到了其中的一部分；
- 3.该检测结果不能直接用于临床诊断，取代体检报告或亲子鉴定报告；
- 4.该检测结果会随着参与人数的增多不断优化；
- 5.该检测结果会根据最新权威、最新的科学研究成果的发表进行优化。
更新日志
2018.09.25
项目上线
模型预测能力（AUC）
研究进展中的项目预测结果是通过大数据建模得到的，而 AUC (Area under curve) 是机器学习中评价模型综合性能的常用指标，通常在 0.5~1 之间。
AUC 越高，表示预测模型的整体性能越好。
AUC 与准确率 (Accuracy) 的区别在于，AUC 需同时考虑对于阳性（患病）和阴性（未患病）的准确率。
举个例子：如果一个患病率为 1% 的病，只要预测所有人都不患病，那么准确率也达到了 99%。但这只考虑了阴性情况，这并不能说明预测模型的整体性能好。
因此，用准确率来评判预测模型较为片面，AUC 能更好的评价模型的好坏。
有帮助
没帮助
打印
目录
- 结果概览
- 科学细节
切换检测人
- 结果示例 (女)
- 结果示例 (男)
- 结果示例 (小孩)
