生信图被审稿人说丑：先改这四个细节

生信图被审稿人说丑：先改这四个细节

配色、字体、图例、尺寸，比换软件管用得多

很多人第一次听到自己图丑的时候是在组会上，或者是更糟糕的审稿意见中。第一反应：换工具！学ComplexHeatmap？用某个在线网站？现在都可以AI画了吗？但真改好图的人会发现，很少出在软件上面，而是几个没定下的规矩：画多大？用什么颜色？字多大？图例有没有？只要确定了这几件事情，那么同一份数据使用默认参数就可以输出。

生信文章的图主要有三种。一类交代数据的整体样貌：PCA、UMAP/tSNE、样本相关性热图。一类展示差别：火山图、MA图、差异基因热图、分组箱线图、小提琴图（回答了哪些基因发生了改变、改变了多少、是否可靠？）还有一类是解释：GO/KEGG富集气泡图、GSEA富集曲线、通路示意图、PPI网络，回答了“这些变化指向了什么生物学过程”。生存分析中的KM曲线、森林图则是将结果应用于临床意义的层面。

分清类别的作用就是你可以判断一张图是否超载。火山图横轴log2FC，纵轴显著性，再加点大小或者颜色就好啦，其他比如通路来源验证什么的就不要强求了。热图最容易塞满：行注释、列注释、聚类树、分组色条，最后格子小到看不清。图型选错也常见：两组样本量悬殊用“小提琴图”，时间序列只用“柱状图”……这不是审美问题，是信息没传达对。

第一个通病就是配色。默认彩虹色阶（红黄蓝绿一路排开）并不是等距感知，中间的黄绿会被压缩，导致高估了某些区间差异。更麻烦的是红绿同框——大约每十几个人里就有一个红绿色觉异常，红绿对比对他们来说基本是一片。在同一个文章中，前半部分使用一组色系来对组进行区分，后半部分又换成了另一

第二个通病就是字体字号。R中看着12pt很舒服，那是画布尺寸的12pt，等比缩下来期刊单栏宽度，其实印出来五六个点了，图例刻度基本是蒙的。拼图更乱：一张是Arial，一张是Times；基因名该斜体的没斜体；坐标轴标题一个首字母大写，一个全小写。审稿人不会一条一条的指出来，只是留下“图不专业”的印象。

第三个通病就是图例。每个面板上都是重复一样的图例，占据1/3的版面；图例中组的顺序与横轴的顺序不一致；明明直接在图上标注就可以省去图例，非要把图例放在角落里。第四个是“多余的东西”：ggplot默认灰底、白网格、双层边框、阴影、立体效果和导出时——直接截屏、PPT里导图、存成压缩很厉害的JPG，放大就糊。这几个加在一起就是传说中的“默认丑图”。

剖析Nature子刊的生信多面板图，可以发现其风格简约、层次分明。第一步不是画图，是先定尺寸：查目标期刊的投稿指南，多数期刊单栏宽度在8～9厘米、双栏在17～18厘米左右，按这个宽度建画布，再反推字号——保证印出来正文字号不低于6～7点。这个顺序千万不要倒过来，画完再缩，缩完再补字，永远都补不齐。

第二步就是颜色。对于连续型的数据，采用均匀感知的色阶(如viridis)，亮度由暗到亮，黑白打印也可区分。表示正负值(如z-score)时，采用对称的发散色板，使0位于中间颜色。对于分组变量，采用定性色板，最多使用3-6种，8种以上需考虑其他编码方法(形状、分面)。同一篇文章中的同一个分组永远是同一个颜色，这比选择什么色板重要。

第三步是统一。全图一主题：去背景网格或者极浅灰线，仅保留左右下两条轴线，刻度朝外，字号分级（面板字母、轴标题、刻度）即可。拼图用patchwork或者cowplot对齐，面板字母都放在左上角，同字号加粗，不要一个A在左上，一个A在右上。第四步：简化图例，能标在图上的标在图上，有要保留的，去掉多余的图例标题，顺序和数据的顺序一样。热图+行列注释条+分组色条，读者一眼就能看出哪些列是一组，比写3行图例好太多。

这三者不是替代关系，更像一条流水线。AI 或平台负责把分析跑通、先出一版图，R 负责把这一版图改成符合期刊要求的样子，最后再回到投稿指南核对尺寸和格式。比如 PaperOK 的科研助手生信模式，用一句话描述研究问题和数据，确认数据集、分组和统计标准后，它会把质控、差异分析、富集一路跑完，交付图表、统计表和可复现脚本——图拿到手只是起点，真正决定能不能过审的那几步，还是得按上面的规矩自己调。

下面这几项不需要审美，只需要动手核一遍。核完再交，比再画十版有用。

做图，本质上是帮读者偷懒。你把颜色砍到三种、字号拉齐、图例抹干净，人家一眼就晓得你要他看哪里——这比啥配色模板都像“顶刊”。下次改图，可以先确定尺寸和字号，不动代码，剩下的就顺了。

好图不是画得更多，是每一处都说得清为什么