生物医学论文配图，用AI生成时我踩过的那些坑和实际经验

第一次认真考虑用AI做生物医学论文配图，是在一篇肿瘤机制稿返修的最后一天。审稿人要求补一个更清楚的graphical abstract，还要把原先散在四五个结果图里的通路关系整理成机制示意图。实验数据图已经改到凌晨，真正让人头疼的是那些细胞、细胞膜、受体、磷酸化位点、上下游箭头和颜色分组。手画怕不专业，找外包又来不及，只能临时试AI。

那次经历给我的直接感受是：AI确实能大幅缩短科研配图的初稿时间，但它不会自动理解一篇论文的科学逻辑。尤其是生物医学图，一个箭头方向错了、一个蛋白定位画错了，看上去再精美也不能放进论文。

先判断哪些图适合交给AI

生物医学论文里的图大致可以分成两类。一类是数据图，比如生存曲线、柱状图、热图、火山图、流式散点图、临床样本统计结果；另一类是概念图，比如机制示意图、实验流程图、研究框架图、图文摘要、Graphical Abstract、Graphical TOC，以及组会PPT里用来交代研究思路的示意图。

数据图的核心是原始数据和统计过程，我通常不会让AI直接“画”出数值结果，更不会用生成式模型补点或改趋势。原始图最好还是用R、Python、GraphPad Prism等工具根据真实数据生成。AI更适合参与后期的版式统一、配色建议、标签清晰度检查，或者帮助你把多个数据图组织成一张复合图。

概念图就不一样了。它本来就需要设计、排版和视觉转译，AI在这里能帮上很多忙。比如你已经知道“缺氧环境下HIF-1α上调，促进某lncRNA转录，进而通过海绵吸附miRNA影响靶基因表达”，但不知道怎么安排细胞内外空间，也不知道怎样让审稿人一眼看懂，就可以先让AI给出几种布局。再比如动物实验时间线、样本分组与检测节点、临床样本从入组到随访的流程，这些图逻辑不复杂，但很耗时间，用AI生成初稿后再精修，效率会高很多。

别让漂亮压过科学准确性

我见过不少AI生成图，第一眼很惊艳，放大后全是问题。最常见的是生物学对象不准确：细胞膜被画成随意的彩色背景，线粒体、内质网、细胞核的位置关系混乱；受体本该跨膜，却漂在细胞质里；蛋白名称拼写似是而非；本来是抑制作用，却画成了激活箭头；体外细胞实验和体内动物模型的元素被混在同一张机制图里。

这类问题在生物医学领域尤其危险。论文配图不是科普海报，更不是概念插画。审稿人可能不会因为一张图不够炫而拒稿，但如果图中机制关系与正文、补充材料或原始数据不一致，就很容易被质疑严谨性。

我的习惯是，在打开任何AI作图工具前，先写一份“图中事实清单”。以一张机制图为例，我会先列出：研究发生在哪种细胞或组织中；刺激因素是什么；关键分子的全称和缩写；分子位于细胞膜、细胞质、细胞核还是外泌体；哪些关系是实验直接证明的，哪些只是文献支持；箭头代表激活、转运、转录调控还是治疗干预；T型线代表抑制还是敲低；哪些结论不能画得过于确定。

这个步骤看起来麻烦，实际上能减少大量返工。AI给你的往往是视觉方案，不是科学判断。你给它的事实越明确，它越不容易自由发挥。

从一句话生成，到可投稿的图，中间还有很多步

很多人第一次用AI生成生物医学论文配图，会输入一句“帮我画一张肿瘤免疫微环境机制图”，然后在十几张结果里挑一张最好看的。这样得到的图通常只能当灵感，不能直接投稿。真正可用的流程，应当是从论文逻辑出发，而不是从随机图片出发。

我一般先确定图的用途。是正文Figure里的机制图，还是投稿系统要求的Graphical Abstract？是Review文章里的框架图，还是答辩PPT的首页示意图？用途不同，信息密度和画幅完全不同。正文机制图可以容纳较多标签和证据层级；图文摘要通常更简洁，最好只保留一个核心故事；PPT图则要考虑远距离观看，字号不能太小，元素不能太密。

然后我会画一个很粗的草图，哪怕只用方框和箭头。比如上方放肿瘤微环境，中间放肿瘤相关巨噬细胞，下方放肿瘤细胞；左侧是治疗干预，右侧是最终表型；实线箭头表示直接或主要调控，虚线表示文献推测或间接关系。草图不需要好看，它的作用是锁住叙事顺序。

接着再把草图、分子关系、风格要求和期刊限制交给AI。提示词不要只写“高级、科技感、SCI风格”，而要更具体：2D vector style, white background, clear cell membrane, nucleus labeled, no 3D rendering, editable labels, arrows showing activation, T-bars showing inhibition。如果工具支持参考图或模板，我会上传自己的草图，而不是完全依赖文本。这样AI主要负责视觉整理，科学结构仍掌握在自己手里。

生成初稿后，我不会马上看整体效果，而是逐项核对。蛋白名称有没有大小写错误，基因名是否应当斜体，细胞结构是否合理，箭头方向是否与结果一致，颜色是否承担了分组意义，灰度打印时是否还能区分，字号在期刊缩小排版后是否可读。这些细节比“像不像SCI封面”更重要。

配色和规范，比风格更影响投稿体验

生物医学图经常需要表达分组：对照组、模型组、给药组、敲低组、回补组；正常组织、癌旁组织、肿瘤组织；WT、KO、OE；不同免疫细胞群。颜色最好从一开始就固定下来，并与正文数据图保持一致。不要在Figure 2里用蓝色代表对照组，到了Figure 7又换成灰色；也不要仅凭红绿区分关键信息，因为色盲读者可能无法识别。

期刊对图片格式的要求也不能等录用后才看。多数期刊会区分线稿、灰度图和彩图，对分辨率常见要求是line art约1000 dpi，组合图或灰度图约300至600 dpi，具体以作者指南为准。TIFF、EPS、PDF、高分辨率PNG各有适用场景。图文摘要通常还有固定宽高比和文件大小限制。AI生成的图片如果只是一张低分辨率位图，后期很难满足排版要求。

字体也容易被忽略。正文图里的标签不建议使用花里胡哨的字体，Arial、Helvetica这类无衬线字体通常更稳妥。标签不要嵌在过于复杂的背景上，字号也不要明显小于图注或坐标轴文字。缩放测试很有用：把图片缩到论文双栏排版后的实际宽度，如果还能看清主要分子名和箭头，这张图才算基本合格。

常见误区：把AI当设计师，也把AI当共同作者

一个误区是过度追求“封面感”。很多AI默认生成强光影、3D细胞器、发光粒子和半透明人体，这些元素在科普宣传里很抓人，但放在研究论文中可能显得信息虚浮。尤其是机制图，读者关心的是分子关系和证据链，不是一张医学壁纸。除非投综述或期刊约稿封面，否则我更倾向于干净的二维矢量风。

另一个误区是让AI补全机制。比如你的实验只证明A敲低后B表达下降、细胞迁移减弱，却让AI画出A直接结合B启动子，这就跨越了证据边界。若没有ChIP、荧光素酶报告实验或其他直接证据，图中应避免把关系画成确定的直接作用，可以用虚线、“possibly”或在图注中说明为proposed model。机制图可以提出模型，但不能把推测伪装成已证实结论。

还有人会把不同来源的图拼在一起，显微镜照片、流式图、Western blot条带和AI示意图风格差异很大，直接贴到一个画布上会显得很乱。复合图最好统一裁切比例、字体、线宽和标注方式。Figure panel的A、B、C、D位置也要与正文引用顺序一致，别让编辑和审稿人来回找图。

工具选择上，我更看重能不能改

我不太建议只用纯随机出图的工具做最终稿。科研配图往往要反复改一个名字、移动一个箭头、调整一条时间线、替换一种细胞图标。如果每次修改都要重新生成，前面调好的结构很可能全部变掉，反而浪费时间。

更适合论文场景的工具，应当能理解科研图结构，最好支持分层、矢量导出、元素替换和文字可编辑。最近我顺手在用的是科研配图Pro，它比较适合把机制示意图、实验流程图、研究框架图和图文摘要先搭出可用版本，再进行细节调整。它不是替你决定科学结论，而是把那些原本要在PPT里拖很久的方框、箭头、细胞和分子元素组织起来。着急返修或需要快速做SCI图文摘要制作时，这种可控性比单纯“抽卡出图”重要得多。

当然，工具只是一方面。最终文件我仍会在Illustrator、Inkscape或PPT里再过一遍：检查所有文本能否编辑，元素是否对齐，线条是否统一，白边和裁切是否干净，输出格式是否符合期刊要求。若目标期刊要求矢量图，尽量保留PDF、EPS或SVG源文件，不要只存一张PNG。

投稿前，把AI使用边界说清楚

AI生成的图能不能用于论文投稿？这个问题没有一刀切答案，关键看期刊政策、图片类型、是否包含受版权保护素材，以及你是否对科学内容负责。可以确定的是，不能用AI伪造、篡改或美化实验数据，也不能把生成的虚假显微图、病理切片、WB条带当成真实结果。

对于机制示意图、图文摘要这类原创概念图，使用AI辅助设计通常比处理实验图像更有空间，但作者仍需确保内容准确、不侵权，并按期刊要求披露工具使用情况。有些期刊要求在Methods、Acknowledgments或专门声明中说明AI工具的名称、用途和参与范围；有些期刊对生成式AI图像有更严格限制。投稿前查一下author guidelines和editorial policy，比事后被编辑追问稳妥。

我还会保留作图过程材料，包括草图、提示词、生成版本、修改记录、最终源文件和所用素材授权信息。万一返修时需要解释图中元素来源，或者编辑要求提供高清可编辑版本，这些材料能省很多事。

真正好用的AI图，是被你反复纠正过的图

现在回头看，AI在科研配图中的位置更像一个出图很快、视觉素材很多、但科学常识并不稳定的助理。它能帮你打破空白页，能迅速给出版式，能把枯燥的研究故事变得更容易理解；但它不知道你哪条结论做了三次重复，也不知道审稿人曾盯着某个箭头追问证据。

所以，我现在用AI做生物医学论文配图，通常不会期待一次成稿。先让它帮我搭结构，再用真实论文逻辑去约束它；先追求准确、清楚、可修改，再考虑美观和风格。最后能进入稿件的那张图，往往已经看不出最初AI生成的痕迹，只留下清楚的通路、克制的颜色和与正文严丝合缝的叙事。对论文作者来说，这可能才是AI作图真正可靠的用法。