題主的表述不是特別具體，我先假設樓主說的『基因庫』指的是WeGene在分析和解讀時用于構建模型的訓練數據集。
?
首先，大部分關于運動、營養、疾病、藥物等內容的解讀規則是來自ClinVar，dbSNP，DrugBank等等數據庫的，并不是來自任何原始數據的分析。現在諸如個人的風險跟平均風險的關系，相同人數的百分比，以及祖源等分析和解讀的模型是用到了大量的原始數據來構建。接下來說說WeGene用到的數據和大概的應用。
?
現在WeGene用到的數據一部分來自公共數據集，例如千人基因組、HGDP等等，另一部分是WeGene自己的數據。
?
千人基因組、HGDP等數據是用在了祖源成分分析的模型構建中。@wang 通過一些人類學的規則，篩選出了500多個有可能能代表各個族群的樣本，然后@ ?通過使用一些分析方法再篩掉了一些異常的樣本，最終得到我們的祖源成分的訓練數據集。
?
另外，WeGene自己的數據主要是用在諸如有多少人給你有一樣的基因型，以及類似運動基因中各項內容的分數分布的計算上，做一些中國人的群體統計的分析。
?
各種具體的算法我們會整理之后逐步開源的，相關技術的白皮書也會發布出來，數據的使用會有官方的倫理委員會來審查，請大家指點和監督：）