用AI画基因通路图：从一团乱麻的调控关系到能投稿的科研配图

第一次认真画基因通路图，是在论文返修前一周。审稿人要求补充某个lncRNA-miRNA-mRNA调控轴的机制示意图。实验结果其实已经很清楚：上游刺激影响转录因子，转录因子结合启动子，下游又牵动增殖、迁移和凋亡几条表型。但真坐下来画时，才发现难的不是找数据，而是怎么把这些关系放进一张图里，既不让人觉得信息堆砌，又不能把没有直接证据的关系画成确定结论。

那时候我先在白板上画草图，节点改了十几遍。细胞质、细胞核、细胞膜的位置要分清，上调和下调要区分，激活与抑制不能共用一种箭头。更麻烦的是，不同数据库导出的通路元素风格完全不同，直接截图放进论文肯定不行；自己用PPT一个个拼，到了后期改一个基因名，整张图的对齐和配色都要跟着调。

这两年再遇到类似任务，我会把AI放在前期整理和视觉初稿阶段，而不是把它当成一键交稿的神仙按钮。尤其是做AI生成基因通路图时，它最有价值的地方，是把零散的实验结果、文献关系和想讲的故事，先变成一个可讨论的视觉结构。

先把“故事”说清楚，再让AI动笔

很多人第一次用AI画通路图，会直接输入“帮我画一张PI3K-AKT通路图”。出来的图乍看很热闹，节点密密麻麻，箭头也像模像样，但仔细一看就会发现问题：经典通路上的蛋白被随意串联，抑制关系画成了促进关系；本研究检测的分子和背景通路上的分子没有层级区分；有些箭头甚至找不到出处。

基因通路图不是知识图谱的缩略版，它首先是论文论证的一部分。你要让读者一眼看出：哪些是已知背景，哪些是本研究的新发现，哪些关系已被实验验证，哪些只是基于文献的推测。如果这些边界不先写清楚，AI越会“补全”，最后风险越大。

我现在通常会先写一段结构化提示，不急着追求华丽描述，而是把信息分成几层。第一层是研究对象，比如细胞或组织、处理因素、目标基因或非编码RNA。第二层是关系链，例如“A上调B，B海绵吸附C，C抑制D”，并标明直接作用还是相关性结果。第三层是细胞定位，蛋白在细胞膜、细胞质还是细胞核，外泌体、线粒体、内质网是否参与。第四层是下游表型，如增殖、侵袭、凋亡、自噬、炎症因子释放。最后再补期刊风格、配色和输出比例。

这样做的好处是，AI生成的不是一张泛泛的教材图，而是围绕你的论文假设展开的机制草图。哪怕初稿仍不完美，修改方向也明确得多。

从草图到投稿图，中间至少还有三次校对

我常用AI先出两三个版式：一种偏传统机制图，按细胞区室排布；一种偏流程逻辑，从上游刺激到下游表型逐层推进；还有一种适合图文摘要，减少文字、放大核心调控轴。之后再根据论文正文决定保留哪一版。

第一次校对看生物学逻辑。每个箭头都要能对应到实验或文献。双荧光素酶报告实验支持直接结合，就可以画明确的结合关系；只有qPCR或Western blot显示表达同步变化，就不能画成直接调控。敲低、过表达、挽救实验能证明上下游依赖关系，但仍要谨慎区分“mediates”和“directly binds”。

第二次校对看视觉层级。核心分子应该放在视觉中心或主路径上，不能被十几个背景基因淹没。已验证的关键边用实线，文献推测或待验证关系可用虚线，并在图注里说明。不同区室最好有浅色边界或背景，读者不用猜测某分子到底在核内还是胞质。箭头方向、末端形状、颜色含义要全图统一，红色代表上调就不要在另一处又拿红色表示抑制。

第三次校对看投稿规范。很多SCI期刊对机制示意图的分辨率要求并不低于显微照片，TIFF或高分辨率PDF通常更稳妥。线宽、字号、基因名斜体、蛋白名正体这些细节不能靠AI自由发挥。人基因和某些物种基因的命名规则不同，物种、大小写、斜体都要按目标期刊或数据库规范核对。图压缩后如果箭头看不清，说明字号和线条还不够克制。

哪些场景最适合让AI参与

最常见的是论文返修时临时补机制图。此时实验已基本定型，缺的是把结果讲顺。AI适合把多张Western blot、免疫荧光、动物实验和文献证据压缩成一张总览图，让审稿人快速理解调控链。但图里不要偷偷加入没做过的实验，也不要把公共数据库里的通路关系伪装成本研究结果。

再就是开题或组会汇报。研究框架还没完全定下来时，需要快速比较不同假设：一条轴经过哪些候选分子，下游可能牵涉哪些表型，抑制剂干预应该放在哪一步。AI能在几分钟内给出可视化草案，方便和导师讨论。汇报用图可以比投稿图稍醒目，但同样不能为了PPT好看而牺牲逻辑。

SCI图文摘要也是一个适合场景。图文摘要不能照搬正文大图，读者通常只给它几秒钟。AI可以帮助做减法：保留“处理因素—核心调控轴—细胞命运—临床意义”四段，删掉旁支通路。这里更要控制文字密度，英文标签尽量短，复杂说明放到图注里。

我也会在整理实验流程图时借用类似思路。比如样本如何分组、何时给药、何时取材、做了哪些测序和验证，本来在Word里越写越乱，做成带时间轴的流程图后，答辩和投稿都能用。只是流程图要和方法部分一致，不能为了版面美观合并关键时间点。

别把数据库截图直接当成论文图

很多同学喜欢从KEGG、Reactome或其他通路数据库里截图，再用红框标出目标基因。这种图用于学习和定位可以，直接投稿往往不理想。一方面，数据库图通常包含大量与本研究无关的节点；另一方面，字体、箭头、分辨率和版权使用方式未必符合期刊要求。更稳妥的方法是参考数据库中的关系，再按本研究重新绘制。

AI可以承担重绘和排版的工作，但不能替你审查版权与科学准确性。参考文献也要能追溯。若某条关系来自已发表论文，最好在提示阶段就把PMID、结论和作用方向记录下来。最后成图里不一定显示文献编号，但作者自己手里应有一份关系表，返修时审稿人问起，才不会翻半天聊天记录。

工具选择上，我更建议把AI生成器、矢量绘图软件和文献数据库配合使用。AI负责给结构和初稿，Illustrator、Inkscape或PPT负责精细调整，PubMed、UniProt、KEGG这类资源负责核对。顺手说一句，最近用得比较多的科研配图Pro，在中文学术提示理解和通路图版式整理上比较省心，适合先把机制关系快速搭出来，再导到自己熟悉的工具里精修。

最容易踩的几个坑

第一个坑是箭头过载。一张图里如果出现四五十个节点、上百个箭头，读者不会觉得机制完整，只会抓不住重点。主图通常只放与核心结论直接相关的通路，旁支可以放进补充图，或用浅灰色作为背景。

第二个坑是把相关性画成因果。测序发现差异表达、数据库预测有结合位点、临床样本中表达相关，这些证据强度完全不同。AI不知道你的实验边界，提示词里如果不写清楚，它会默认把所有元素串成一条确定通路。

第三个坑是风格与期刊不匹配。有些期刊偏好极简黑白线条，有些允许彩色细胞机制图；基础医学论文和生态、农学类论文的图示语言也不同。投稿前最好下载目标期刊近一年的同类文章，看它们如何处理区室、箭头和图注重量。

第四个坑是后期无法编辑。如果只保存一张位图，后续改基因名、换字号、调整箭头都会很痛苦。尽量保留可编辑的矢量版本或源文件，文字转曲前另存一份。投稿系统要什么格式再导出，不要一开始就把所有元素压扁。

我现在对AI画基因通路图的判断很简单：它能显著缩短“脑子里有关系、纸上没结构”的阶段，也能减少大量机械排版时间；但它不能替代作者对证据链的把握。真正能过审稿人那关的图，往往不是最炫的那张，而是每个符号都站得住、每条线都有理由、读者顺着箭头就能读懂研究发现的那张。