技能简介
很多结果最后卡在“有很多差异基因，但不会讲”。这一期强调的是把列表收敛成主线：先找主通路，再补互作，再压成一张可讲清楚的机制图。
传统方式通常需要 半天来回整理，而把流程说清楚后，AI 辅助可以在 约10分钟 内先跑出第一轮可汇报结果。
🧭 开始前先确认这 4 件事
差异基因清单先做一次筛选
最好先统一阈值、方向和显著性标准，避免把噪声一起画进机制图。
目标读者先想清楚
给组会、给导师还是给论文图注，图示密度和语言都不同。
主通路数量要克制
与其把所有 pathway 全塞进去，不如先固定 1–3 条最核心的主线。
图示用途提前定
是作为概念图、结果总结图还是 graphical abstract，决定了后续取舍。
📦 一轮像样输出至少应交付这 4 样
主通路摘要
从差异基因中先提炼出最值得讲的核心路径。
互作与机制关系图
把基因、通路与功能节点压缩成更可读的图形结构。
结果解说框架
帮助把图示配套成一段简洁但有逻辑的说明文字。
汇报/论文可用图版
形成更适合放到 PPT 或正文中的一页图示。
💡 适用场景
生信结果收敛
当差异基因很多时，先把主线图示做出来有助于讨论。
汇报图准备
比单纯火山图或表格更适合讲机制故事。
论文图注草拟
图示和说明文字同步整理，更容易进入手稿。
多轮迭代打磨
先出一版结构，再根据导师反馈精简和重排。
⚙️ 核心实操流程
从差异基因里抓主通路
第一步你先别想着画图。 先回答一个问题：这批基因到底在讲什么机制。 真正值得讲的主线已经不是二十条，而是三五条了
调用 `reactome-database`： 对这批 top 差异基因做通路富集， 按显著性和生物学相关性筛出 3-5 条最值得讲的 Reactome 通路， 并总结它们的共同主线。
找到网络里的核心节点
第二步就是把“这条通路里谁最关键”讲清楚。 核心节点、连接桥梁和高权重基因已经先被你挑出来了
调用 `string-database`： 对刚才的关键基因构建蛋白互作网络， 找出 hub genes、关键连接边和可能的上游 / 下游关系。
把机制主线翻成图形语言
很多人卡在这里。 数据都有了，就是不会翻译成图。 一旦把这批信息交给机制图 workflow，箭头、层级和逻辑结构就出来了
调用 `scientific-schematics`： 基于关键通路和 hub genes， 生成一张教学 / 组会可用的机制图草稿， 标出刺激因素、核心通路、关键节点和表型结果。
输出图注和讲解提纲
最后一步特别重要。 因为你不是只要一张图好看。 你还要知道哪里能大胆讲，哪里要保守地说“这是推测”。 这一步补上以后，这张图就真的能拿去讲了
把这张机制图配套生成： - 图注说明 - 30 秒口头讲解提纲 - 哪些部分是数据支持，哪些部分属于机制假设
建议录制的关键画面
- Reactome 关键通路筛选结果
- STRING 网络与 hub gene 输出
- scientific-schematics 机制图生成过程
- 图注与讲解提纲
- 最终机制图成品
建议准备的关键截图
- Top pathways 摘要表
- PPI 网络图
- 机制图草稿
- 图注 + 假设边界说明
🧯 最常见的 4 类翻车点
把所有基因都塞进图里
信息过多会让图示失去主线，读者反而更难理解。
只有图没有解释
没有配套说明时，机制图很容易被看成漂亮但空泛的示意图。
把数据库关系直接当成结论
通路和互作是线索，不应替代实验或更严谨的因果判断。
视觉层级不清
主节点、次级节点和结果方向不清楚时，图就很难真正支持表达。
🔗 相关技能
💡 代码包内含 README.md，说明目录结构、主要文件与使用建议。解压后即可继续整理或二次演示。