生信数据统计与作图：从单图到套图的高效转化

引言Introduction

生信分析里，最耗时的往往不是统计本身，而是把单图做准、做统一、做成能发表的套图 。很多医学生、医生和科研人员都会卡在这里：图能出，但逻辑不连贯，格式不统一，结果也难复现。

1. 为什么单图阶段最容易出问题

1.1 单图不是终点，而是分析起点

在生信文章里，火山图、热图、象线图、GSEA图、PPI图，都不是孤立存在的。它们通常对应同一条证据链。单图做对了，后面的套图才有统一逻辑。
如果前期分组、命名、阈值、数据来源不一致，后面拼图时就会出现问题。常见情况包括：

• 样本分组前后不一致。
• TPM、FPKM、count混用。
• 图注里写法不统一。
• 颜色、字体、坐标轴风格不一致。

这些问题看起来小，但会直接影响论文的专业度。对审稿人来说，图的规范性本身就是可信度的一部分。

1.2 先看懂图，再谈复现

很多初学者一上来就想复刻整套结果，但忽略了“图背后的意义”。实际上，生信文章的核心通常可以拆成四步：

• 挑 ，找差异表达。
• 圈 ，做功能富集。
• 联 ，看网络关系。
• 靠 ，分析临床意义。

这套逻辑对肿瘤和非肿瘤研究都适用。区别在于，肿瘤研究更常见的是 KM 曲线、Cox 回归和 ROC 分析。非肿瘤研究则可能更多使用 ROC 或分组比较图来体现应用价值。

2. 统计分析如何支撑出图

2.1 差异分析决定火山图和热图

火山图和热图是最基础的结果图，但它们依赖前面的统计判断。差异分析最重要的是三个变量：

1. 分组是否清晰。
2. 统计阈值是否明确。
3. 数据是否经过一致预处理。

例如，在肿瘤与正常组织比较时，常需要先明确样本来源。TCGA 数据常与 GTEx 补足正常组织样本。若不说明来源，后续图的可解释性会下降。差异分析不是为了出图，而是为了证明分子确实存在表达变化。

2.2 富集分析要服务机制解释

GO、KEGG、GSEA 不是简单的“补图”。它们回答的是机制问题。差异分子集中在哪些生物过程，涉及哪些信号通路，是否呈现一致的功能偏移，这些都要靠富集分析支撑。

常见表达方式包括：

• GO 说明生物学过程、细胞组分、分子功能。
• KEGG 说明通路层面的变化。
• GSEA 适合检测整体表达趋势，而不只看阈值筛选后的基因。

如果差异分析告诉你“变了”，富集分析就是解释“为什么变、可能怎么变”。

2.3 网络分析补足“联”的证据

网络分析的价值在于把单个分子放回系统里看。常见包括 PPI 网络、相关性网络、免疫细胞关联分析。对于肿瘤研究，这一步尤其重要，因为疾病机制往往不是单基因驱动，而是网络协同变化。

实际写作时，建议明确说明：

• 网络构建来源。
• 节点和边的定义。
• 相关性阈值。
• 是否经过中心节点筛选。

这样读者才能判断网络图是否可靠，而不是只看“图是否好看”。

3. 从单图到套图的标准化流程

3.1 统一数据口径，避免后期返工

套图能不能高效完成，关键不在作图软件，而在前期规范。建议从一开始就建立统一模板，至少包含：

• 研究对象名称。
• 分组名称。
• 数据类型。
• 统计方法。
• 显著性阈值。
• 图标题和图注格式。

比如同一篇文章里，如果有的图写“Normal”，有的图写“control”，有的图写“para-tumor”，视觉上会显得不专业。统一命名，是套图转化最便宜也最有效的一步。

3.2 图形风格要保持一致

套图的高级感，主要来自一致性，而不是复杂度。建议统一以下元素：

• 字体。
• 字号。
• 配色。
• 线条粗细。
• 坐标轴样式。
• 图例位置。

如果火山图、热图、GSEA图和PPI图来自不同工具，最好在最终排版前进行统一调整。这样可以避免“每张图都像独立项目”的割裂感。

3.3 先单图复现，再批量拼图

高效做法不是一开始就追求大套图，而是先把关键单图逐个复现。通常顺序可以是：

1. 差异表达图。
2. 富集分析图。
3. 网络图。
4. 临床相关图。
5. 预后相关图。

这个顺序符合论文叙事逻辑。先证明“有差异”，再解释“为什么差异”，再说明“与临床有什么关系”。图的顺序，本质上就是证据链顺序。

4. 常见图形的复现重点

4.1 火山图和热图

火山图重点看阈值。一般要说明 log2FC 和 P 值的筛选标准。热图重点看样本聚类和基因聚类是否与分组一致。两者经常一起出现，因为它们分别回答“哪些变了”和“变成什么样”。

复现时建议注意：

• 火山图标注上下调基因数量。
• 热图保留样本分组信息。
• 颜色梯度不要过度花哨。
• 图注中写清数据来源和标准化方法。

4.2 GSEA、GO、KEGG图

这类图强调统计结果和生物学解释的对应关系。GSEA 常看 NES、P 值和 FDR。GO、KEGG 则常看富集条目排序和显著性。如果结果只是“显著”，但没有说明富集到什么方向，图的价值会大幅下降。

建议在正文里保留三层信息：

• 统计显著性。
• 核心条目。
• 与疾病表型的关联。

4.3 网络图和临床图

PPI 图、免疫相关图、KM 曲线、Cox 回归图，属于“联”和“靠”的核心部分。它们决定文章是否从机制走向临床意义。尤其在肿瘤研究中，KM 和 Cox 往往是审稿人重点关注的部分。

这里要特别注意：

• 生存分析要交代事件定义。
• 分组方式要与前文一致。
• 单变量和多变量分析要区分。
• 风险比和置信区间要写完整。

5. 让套图更快完成的实操原则

5.1 先搭框架，再填图

很多人画图慢，是因为每张图都从零开始。更高效的方式是先建立整篇文章的图形框架，再逐张补齐。框架至少包括：

• 主结果图。
• 验证图。
• 机制图。
• 临床图。
• 补充图。

这样可以提前规划每张图的比例、方向和内容层级，减少重复修改。

5.2 保留可编辑源文件

做生信图时，不要只保存成图片。要保留原始数据表、统计脚本和可编辑源文件。这样后面一旦需要改分组、改阈值、改配色，就不会重新从头来过。可复现，是科研图表最重要的底线。

5.3 图注要和图面同步

图做得再好，如果图注不完整，文章质量也会被拉低。图注至少应包含：

• 数据集名称。
• 样本量。
• 分组方式。
• 统计方法。
• 显著性标记说明。

这不仅方便审稿人，也方便后续答辩和汇报。

6. AI 时代的生信作图趋势

从单图到套图的转化，正在被 AI 重塑。过去很多步骤需要人工逐个完成，现在可以通过更高效的流程实现批量分析、批量制图和批量排版。
但要注意，AI 提速不等于自动正确。统计逻辑、分组逻辑和临床解释，仍然必须由研究者自己把关。
这也是为什么系统化工具更重要。像解螺旋这样的专业平台，更适合帮助研究者把单图流程标准化，把套图制作流程模板化，减少重复劳动，把时间留给结果解释和文章打磨。

总结Conclusion

生信数据统计与作图的关键，不在于“能不能画出一张图”，而在于能不能把单图变成有逻辑、有一致性、可复现的套图 。从差异分析到富集分析，再到网络分析和临床分析，每一步都要围绕同一条证据链展开。
如果你正在做论文、课题或汇报，建议先把单图规范化，再推进套图整合。想进一步提升生信作图效率和复现质量，可以关注解螺旋，把复杂流程做成高效、稳定、可复制的研究路径。