做单细胞/组学研究愁tSNE图画得不合格？AI帮你快速搞定符合SCI投稿规范的科研配图

我前两年做小鼠肺组织的单细胞测序，第一次投稿的时候被审稿人打回来的理由里，一半都和tSNE图有关：要么是聚类簇的边界太模糊，不同细胞类型的标记看不清；要么是配色对比度不够，黑白打印出来分不出组；甚至还有说我导出的图分辨率不够，放大了有锯齿。那时候我熬了三个通宵改代码，调Seurat的plot参数，换了四五种配色方案，最后交上去的版本还是被编辑打回来要求改图例位置，折腾得我差点想直接把数据删了。

我之前被tSNE图坑过的那些经历

很多做生信或者组学的同学应该都有过类似的体验：代码跑出来的tSNE图永远和顶刊上的差一口气，要么是标签歪歪扭扭，要么是聚类的点大小不合适，小的看不清、大的叠在一起。要是自己会用PS或者Ai修还好，要是只会用R或者Python出图，光调个字体字号都要查半小时参数，更别说要对齐期刊要求的配色、图例位置、线条粗细这些细节了。我之前帮师妹改她毕设的tSNE图，她自己跑出来的图把三种免疫细胞的聚类画成了几乎一样的蓝色，答辩的时候评委问了三次哪组是T细胞，最后她毕设答辩差点挂了。

后来找同实验室做生信的师姐问有没有省事的办法，她给我指了个专门做学术图表生成的平台，我试了一次就直接把之前攒的七八组tSNE数据都导进去出图了。那时候我才知道原来不用写代码，也能出完全符合投稿要求的tSNE图。

用AI出tSNE图的实际操作逻辑

其实用AI生成tSNE图根本没什么复杂的，你不用把原始的表达矩阵扔进去，只要把你用Seurat或者Scanpy跑好的降维结果表导进去就行，表里包含每个细胞的tSNE1、tSNE2坐标，还有聚类分群的标签、分组信息就够。我后来用的是这个平台里的「科研配图Pro」功能，它内置了近3年所有顶刊的tSNE图样式模板，你只要选对应期刊，比如你投Nature子刊就选Nature系列的模板，它连字体是用Arial还是Times New Roman、字号是7号还是8号、图例放在右上角还是左下角、聚类点的大小和透明度这些细节，都直接帮你对齐到投稿要求，根本不用自己挨个查期刊的作者指南。

我上次投Cell Reports的时候，导进去数据之后选了对应的模板，还自己手动调了两个聚类簇的颜色，加了每个簇的细胞类型标注，不到10分钟就出了矢量图，导出的svg格式放到Ai里，每个聚类簇、每个标注都是单独的图层，后期编辑要我把某个对照组的颜色调深一点，我拉个透明度就搞定了，不用重新跑代码重新出图。我上个月帮实验室的师弟做毕业答辩的PPT，他的空间转录组数据要做tSNE图对比不同给药组的聚类差异，我直接在AI生成科研配图的平台里选了分组对比的模板，导进去两组数据两分钟就出了坐标完全对齐的对比图，比他之前自己用Python画的好看太多，答辩的时候评委还专门夸了图做的清晰，逻辑一目了然。

投稿用的tSNE图要避开的几个坑

我这两年用AI出了不下20张tSNE图，投过4篇SCI，从来没在配图上被审稿人刁难过，也踩过几个小坑，这里也给大家提个醒。首先不要为了图好看就让AI修改原始的降维数据，比如有些工具会自动把聚类的边界修得特别光滑，或者把离群的点直接删掉，这样虽然图好看了，但是会被审稿人质疑数据真实性，你选工具的时候一定要选那种只美化可视化样式、不改动原始坐标数据的。然后就是用AI生成的图，要在方法部分的可视化小节提一句你用的是什么工具生成的，现在大部分期刊都允许用AI做科研配图，只要你不修改原始数据就没问题，不用藏着掖着。还有就是导出的时候一定要选矢量格式，不要直接存jpg或者png，不然编辑要你改图的时候你只能重新生成，而且jpg的分辨率很容易达不到300DPI的投稿要求。

我之前还遇到过一个同学，把没做分群标注的原始降维数据直接扔给AI生成tSNE图，出来的图聚类分群全是错的，投出去直接被审稿人打回来，说他的细胞分群逻辑完全不对。其实AI只是帮你省掉可视化的麻烦，前期的数据处理、聚类分群这些步骤还是要你自己做好，你给的原始数据是对的，AI出来的图才是对的。

现在我每次做完测序数据分析，第一步就是先把降维好的数据导进去出一版初稿图，写论文的时候直接用，要改的话也不用找生信的同学帮忙，自己动动手就能调，省下来的时间我能多做两组重复实验，或者多补两个验证实验，比熬通宵改图性价比高太多了。