找到与你的研究问题，真正匹配的图。

同时查看两组数据的分布形态、离散程度、中位数与原始观测值。

怎么读

横轴＝组别 · 纵轴＝连续数值

可用于

两组患者指标 · 实验与对照 · 不同分型表达量

常用方法

Mann–Whitney U 检验 · Wilcoxon 秩和检验 · 核密度估计

所需数据

连续数值 · 独立两组 · 长表 CSV

在一个共享纵轴的宽画布中，比较多个类别下同一对全局分组的数据分布与逐类别差异。

怎么读

横轴＝指标或类别 · 纵轴＝连续数值

可用于

多基因表达 · 多指标组间比较 · 不同细胞亚群评分

常用方法

Mann–Whitney U 检验 · Wilcoxon 秩和检验 · BH/FDR 校正

所需数据

连续数值 · 固定两个全局组 · 2–10 个类别 · 长表 CSV

比较多个组在有序时间点上的均值变化，并用标准误表达当前样本的不确定性。

怎么读

横轴＝有序时间、剂量或阶段 · 纵轴＝汇总数值

可用于

随访指标 · 药物剂量反应 · 动物实验时间序列

常用方法

均值 · 标准误（SE） · 描述性时间趋势

所需数据

连续数值 · 2–6 个组 · 2–12 个时间点 · 长表 CSV

并列查看多个阶段中各组的原始观测分布，并以均值线概括中心位置。

怎么读

横轴＝阶段 × 组别 · 纵轴＝连续数值

可用于

患者个体值 · 细胞或动物观测 · 多阶段实验结果

常用方法

原始观测 · 确定性抖动 · 均值

所需数据

连续数值 · 2–4 个阶段 · 2–8 个组 · 长表 CSV

比较多个阶段中各组的均值，同时保留原始观测和标准误。

怎么读

横轴＝阶段与组别 · 柱高＝均值

可用于

实验分组比较 · 疗效指标 · 多时间点终点

常用方法

均值 · 标准误（SE） · 原始观测

所需数据

连续数值 · 2–4 个阶段 · 2–8 个组 · 长表 CSV

按组和可选分面比较连续变量的分布形态，并可叠加分类注释、背景分块或原始观测条码。

怎么读

横轴＝连续数值 · 山脊宽度＝局部密度

可用于

患者评分分布 · 表达量分布 · 多队列分面

常用方法

Gaussian 核密度估计 · 可选分类注释 · 可选原始观测条码

所需数据

连续数值 · 分组长表 · annotation、block、facet 选填 · CSV

以零线分隔两类状态，连续展示各类别随时间变化的数量或侧内构成。

怎么读

横轴＝时间或随访阶段 · 零线上下＝两类方向相反的医学状态

可用于

传染病新增与康复监测 · 症状恶化与缓解构成 · 生物标志物上调与下调趋势

常用方法

双向堆叠面积 · 可选侧内 100% 归一化 · 纵向描述性趋势

所需数据

时间点 · 正负两类状态 · 非负计数或比例 · 长表 CSV

自由选择两组或多组比较组合，并根据组数与配对结构自动完成经校正的统计检验。

怎么读

柱高＝组均值 · 误差棒＝SD、SE 或 95% CI

可用于

多终点实验 · 剂量组比较 · 生物标志物比较

常用方法

Welch/配对 t 检验 · Welch/重复测量 ANOVA · Holm 多重校正

所需数据

样本级连续数值 · 2–6 个组 · 1–12 个指标 · 长表 CSV

用效应方向与大小、显著性同时筛选并突出差异条目，不限定条目必须是基因。

怎么读

横轴＝效应方向和大小 · 纵轴＝−log10(P/q/FDR)

可用于

基因或蛋白 · 代谢物或菌群 · 细胞类型

常用方法

效应量阈值 · P/q/FDR 阈值 · −log10(显著性)

所需数据

已完成的差异分析结果 · 条目级表格 · CSV

集中展示多个连续变量两两相关的方向、强度与统计显著性，并可选变量分类色条。

怎么读

横纵轴＝同一组连续变量 · 颜色＝相关系数方向与强度

可用于

临床指标相关 · 组学特征相关 · 动物实验指标相关

常用方法

Pearson 相关 · Spearman 秩相关 · BH/FDR 校正

所需数据

样本级宽表 · 数值变量 · 变量分组 CSV 选填

展示一对连续变量的原始观测、相关系数、回归趋势与置信区间，并用可选边际分布检查偏态、离群值和组间差异。

怎么读

横轴＝变量 X · 纵轴＝变量 Y

可用于

临床指标关联 · 表达与浸润 · 剂量与反应

常用方法

Pearson 相关 · Spearman 秩相关 · 线性回归

所需数据

x 与 y 数值列 · group 选填 · 样本级 CSV

在多个特征中同时展示预计算效应量的方向、大小和 P 值显著性层级。

怎么读

棒的方向与长度＝效应量的方向与大小 · 点大小＝效应量绝对值

可用于

相关与偏相关 · 回归系数 · 差异表达 log₂FC

常用方法

预计算方向性效应量 · -log10(P) 五级分层 · 绝对效应量点尺寸

所需数据

特征名称 · 预计算效应量 · P 值或 -log10(P)

在同一矩阵中组合变量分布、两两散点、趋势线和相关结果，比较变量间的整体关系。

怎么读

对角线＝单变量分布 · 下三角＝两两散点与趋势

可用于

临床多指标 · 组学候选特征 · 实验指标联动

常用方法

核密度估计 · 线性回归 · Pearson 相关

所需数据

3–6 个连续变量 · group 选填 · 样本级宽表 CSV

在保留变量相关矩阵的同时，以外围连线突出目标变量与其余变量的相关方向、强度和显著性。

怎么读

矩阵颜色＝变量两两相关系数 · 外围连线＝目标变量的重点关联

可用于

核心临床指标网络 · 候选基因网络 · 多指标目标筛选

常用方法

Pearson 相关 · Spearman 秩相关 · BH/FDR 校正

所需数据

至少 4 个数值变量 · 目标变量自选 · 样本级宽表 CSV

在行列交叉矩阵中，用颜色和大小同时表达两个数值指标，并可选分面与列注释。

怎么读

行列＝两个待比较维度 · 颜色＝自选主指标

可用于

通路评分 · 药物敏感性 · 临床指标矩阵

常用方法

颜色指标映射 · 大小指标映射 · 分面与列注释选填

所需数据

行列交叉对象 · 颜色指标 · 大小指标选填 · 长表 CSV

沿同一样本顺序并列展示多项特征，并组合分类色块、连续色块和数值柱状轨道。

怎么读

列＝样本 · 行/轨道＝自选特征

可用于

患者临床特征 · 样本分组与批次 · 动物或实验样本注释

常用方法

分类变量颜色编码 · 连续变量色阶 · 数值柱状轨道

所需数据

样本级宽表 · 分类与连续特征 · CSV

展示特征 × 样本数值矩阵，并结合选填行分组和多条样本注释比较整体模式。

怎么读

行＝数值特征 · 列＝样本

可用于

基因或蛋白表达 · 代谢与菌群矩阵 · 影像组学

常用方法

上传原值或行 Z-score · 分类与连续注释 · 数值柱状轨道

所需数据

特征 × 样本数值矩阵 · feature_group 选填 · 样本注释 CSV 选填

在多个时间点或处理阶段中并列展示每个样本的组成比例，并将每根柱归一化为 100%。

怎么读

横轴＝样本 · 柱高＝总组成 100%

可用于

细胞组成 · 菌群相对丰度 · 结局构成

常用方法

样本内闭合归一化 · 100% 堆积组成 · 分面比较

所需数据

非负组成值 · 分面 × 样本 × 组成项长表 · CSV

把已经完成的 GSEA 分析结果绘制成富集曲线，查看通路富集方向、基因命中位置和 NES、P 值、FDR。

怎么读

横轴＝排序列表位置 · 曲线＝运行富集分数

可用于

已完成 GSEA 的通路结果

常用方法

已有 GSEA 结果绘图 · 运行富集分数 · 基因命中位置

所需数据

已完成 GSEA 的曲线结果 · 通路 × 排序位置长表 · CSV

沿同一时间轴展示患者随访、可选治疗区间、事件节点和临床特征。

怎么读

横轴＝时间 · 纵轴＝患者或研究对象

可用于

患者治疗历程 · 随访事件 · 动物实验时间轴

常用方法

描述性患者时间轴 · 可选治疗区间 · 动态事件节点

所需数据

患者级事件长表 · 临床分类注释 · 基线后时间（天） · CSV

根据个体随访时间和结局状态估计分组生存概率，并展示删失、风险人数与组间差异。

怎么读

横轴＝随访时间 · 纵轴＝Kaplan–Meier 生存概率

可用于

总生存期 · 无进展生存期 · 复发或事件发生时间

常用方法

Kaplan–Meier 估计 · 未分层 log-rank 检验 · 风险表

所需数据

个体级随访数据 · 事件/删失状态 · 2–6 个组别 · 长表 CSV

用 1 − Kaplan–Meier 展示二元结局的累积事件概率、删失与风险人数。

怎么读

横轴＝随访时间 · 纵轴＝累积事件概率

可用于

复发事件 · 并发症 · 治疗失败

常用方法

1 − Kaplan–Meier · 未分层 log-rank 检验 · 风险表

所需数据

个体级随访数据 · 事件/删失状态 · 2–6 个组 · 长表 CSV

汇总两组患者的基线特征；连续变量可保留原值，或按自定义切点派生二分类、三分类，并按所选方法计算可选 P 值。

怎么读

行＝基线变量及水平 · 列＝总体与各组统计

可用于

临床队列基线表 · 病例对照特征 · 试验分组描述

常用方法

Mean (SD) / Median [IQR] · n (%) · Welch t / Mann–Whitney U

所需数据

患者级宽表 · patient_id 与 group 必需 · 最多 30 个待汇总变量 · CSV

建立二分类 Logistic 回归模型，并比较训练集、测试集或外部验证集的 ROC 曲线与预测性能。

怎么读

横轴＝假阳性率（1−特异度） · 纵轴＝真阳性率（敏感度）

可用于

临床预测模型 · 诊断模型 · 风险分类模型

常用方法

二分类 Logistic 回归 · ROC 与 AUC · Youden 阈值

所需数据

二分类结局 · 连续预测变量 · 训练与验证数据集 · 患者级宽表 CSV

比较 2–5 个集合的共有与特有成员，并汇总每一种精确成员组合。

怎么读

形状＝集合 · 重叠区域＝交集组合

可用于

候选基因列表 · 病例清单 · 多方法筛选结果

常用方法

集合交并关系 · 精确成员组合 · 区域计数

所需数据

集合名称 · 成员标识 · set-item 长表 CSV

在共享的多维坐标中比较多个组的特征轮廓，并可按分面展示不同场景或时间点。

怎么读

辐射轴＝不同指标 · 半径＝指标值或标准化值

可用于

多维临床评分 · 模型性能 · 细胞或样本特征轮廓

常用方法

多维轮廓比较 · 逐特征 min–max 标准化 · 原值绘图

所需数据

分组 · 特征 · 数值 · 分面选填 · 长表 CSV

将条目的多维数值映射到同心热图轨道，并可选分组扇区与条目级辅助指标。

怎么读

圆周＝条目 · 径向轨道＝数值特征

可用于

表达或评分矩阵 · 临床多指标 · 药敏与代谢特征

常用方法

同心热图轨道 · 连续色阶 · 分组扇区选填

所需数据

条目 · 特征 · 连续数值 · group 与 aux_value 选填 · 长表 CSV

用预计算坐标绘制细胞亚群 UMAP；补充 Lineage 与样本编号后，可同时展示细胞数和样本组成比例。

怎么读

UMAP 位置＝预计算降维坐标中的局部邻近关系 · UMAP 颜色与标签＝细胞亚群

可用于

单细胞图谱概览 · 样本组成质量检查 · 细胞亚群与大类注释展示

常用方法

预计算 UMAP 坐标映射 · 可选 Lineage 全量计数 · 可选样本内组成比例

所需数据

细胞级元数据 · 二维降维坐标 · cell_type 必需 · lineage / sample_id 成对选填 · 长表 CSV

用交集柱和连接矩阵比较多个集合的精确成员组合，适合呈现多集合共有与特有成员。

怎么读

上方柱高＝精确交集规模 · 下方点阵＝该交集包含的集合

可用于

多队列共同特征 · 多方法筛选结果 · 多组候选成员

常用方法

精确集合交集 · 交集规模排序 · 集合规模统计

所需数据

集合–成员长表 · set 与 item · CSV

在环形布局中展示节点之间的加权关系、关系分组与双向连接结构。

怎么读

圆周节点＝对象 · 弦带＝对象间关系

可用于

细胞互作 · 科室转诊 · 变量关联网络

常用方法

节点权重汇总 · 加权弦带 · 关系分组

所需数据

加权边表 · source、target 与 value · group 选填 · CSV

展示对象在多个有序阶段之间的状态流转、节点规模和完整路径去向。

怎么读

横向阶段＝时间点或流程节点 · 矩形节点＝阶段内状态

可用于

诊疗路径 · 疾病状态转移 · 细胞命运

常用方法

完整路径汇总 · 相邻阶段流带 · 节点数量与比例

所需数据

个体或路径级长表 · 2–8 个阶段 · path_id、stage、node 与 weight · CSV

完成 GO/通路富集分析或 Preranked GSEA，核对匹配与统计结果，并继续制作富集总结图或 GSEA 曲线图。

怎么读

结果表＝通路及统计结果 · NES / 富集倍数＝富集方向与强度

可用于

差异基因功能解释 · 基因排序通路富集 · 多官方合集联合分析

常用方法

单侧超几何检验 · BH/FDR 校正 · Preranked GSEA

所需数据

基因列表或基因排序表 · 背景基因选填 · 内置官方基因集合集 · CSV

从患者级时间结局数据拟合单因素或多因素 Cox 比例风险模型，并用表格化森林图汇总变量与分类水平的 HR、95% CI 和 Wald P。

怎么读

行＝变量或分类水平 · 方块位置＝Hazard ratio 点估计

可用于

临床预后因素 · 多变量生存模型 · 标志物风险关联

常用方法

Cox 比例风险模型 · Efron ties · 单因素或多因素建模

所需数据

患者级生存宽表 · time 与 0/1 status · 连续或分类协变量 · CSV

从患者级时间结局数据计算总体和预设亚组内的治疗 HR，并以联合交互 P 评估治疗效应异质性。

怎么读

缩进行＝亚组水平 · 两计数列＝各治疗组事件数 / 总数

可用于

随机试验亚组分析 · 治疗效应一致性 · 预设临床分层

常用方法

Cox 比例风险模型 · Efron ties · 层内 Wald HR 与 95% CI

所需数据

患者级生存宽表 · 二水平 treatment · 分类亚组与调整变量 · CSV

比较同一批对象在多个条件或时间点下的连续测量，并保留每个对象的变化方向与成对关系；支持 2–6 个连续配对条件。

怎么读

横轴＝条件或时间点 · 纵轴＝连续测量值

可用于

处理前后比较 · 多条件实验 · 同一患者多时间点

常用方法

双侧配对 t 检验 · Wilcoxon 符号秩检验 · Holm 校正

所需数据

连续数值 · 同一对象 2–6 个连续配对条件 · 长表 CSV

同时生成 1–12 组配对检验（最多 12 个指标/分面），并列查看同一批对象在同一对两个条件下的变化。

怎么读

小图标题＝连续指标 · 横轴＝共享的两个条件

可用于

治疗前后多指标 · 配对实验终点 · 同一患者两条件检测

常用方法

双侧配对 t 检验 · Wilcoxon 符号秩检验 · Holm 校正

所需数据

连续数值 · 1–12 个指标共享同一对两个条件 · 每个指标至少 3 个完整配对 · 长表 CSV

按对象排序展示有方向的最佳变化，并将分组、响应形状和分类注释严格对齐到同一对象。

怎么读

横向顺序＝对象按最佳变化或自定义顺序排列 · 柱高与方向＝上传的 best_change

可用于

肿瘤最佳疗效 · 患者或样本级干预前后变化 · 带分类注释的有方向变化量

常用方法

患者级最佳变化排序 · 描述性参考线 · 动态响应标记

所需数据

患者级最佳变化 · 分组 · 响应与分类注释选填 · CSV

核心展示样本突变负荷、基因×样本突变矩阵和基因突变频率，并可按需增加临床特征轨道。

怎么读

中央矩阵＝基因×样本中的突变类型，可显示同格多突变 · 顶部柱＝每个样本的突变记录数

可用于

肿瘤队列突变景观 · 靶向基因 panel 汇总 · 基因组与临床特征联合展示

常用方法

OncoPrint 突变矩阵 · 样本突变记录数 · 基因携带频率

所需数据

必填：样本、基因、突变类型 · 可选：T 分期、总体分期、性别、年龄 · 长表 CSV