2 张Inward Circular Bar Chart
让柱形从圆周向中心延伸，以长度和颜色编码类别数值，紧凑比较排序、规模与分组差异。
正在加载科研图形
正在整理预览、代码与数据，请稍候。
CURATED FROM NATURE RESEARCH
复现 Nature 论文中的图形表达
整理 180 个 Nature 论文图形案例，提供 Python / R 对应成图、AI 绘图提示词与代码结构节选。
- Nature 图形案例
- 180
- 高清成图预览
- 436
- 代码结构节选
- 368
- Python / R 提示词
- 360
EXPLORE
按表达目标浏览
选择一个方向快速收窄结果；下方仍可组合图形类型与应用领域。
已选 1 项差异与效应
2 张查看案例：Inward Circular Bar Chart
2 张Forest Plots
汇总效应值或风险比及其置信区间，重点比较效应方向、大小、估计精度和不同模型间的一致性。
2 张Hyperbolic Volcano Plots
用弯曲阈值替代固定切线标记差异特征，兼顾效应大小与显著性，突出真正偏离背景的点。
2 张Point Line Response Plot
用观测点和连线呈现结果随条件或剂量的变化，便于比较响应方向、转折位置和组间轨迹。
2 张Differential Otu Manhattan Plot
按分类或位置排列OTU的效应与显著性，通过峰值、颜色和分组识别显著差异及其归属。
2 张Volcano Plots Enrichment Results
从显著差异特征延伸到功能条目，联合观察变化方向、效应强度和通路层面解释。
2 张Multi Group Volcano Plots
并列展示多个比较的效应值和显著性，以颜色和标签突出共同或特异的差异特征。
2 张Grouped Ungrouped Circular Bars
对照两种圆周排列方式展示同一组类别数值，比较分组结构、排序和规模差异。
2 张Difference Radar Charts
将多个指标映射到辐射轴，用叠加轮廓或差值区域突出组间优势、短板和整体结构变化。
2 张Circular Gradient Bars Grouped Lines
圆周柱编码类别规模和渐变层次，内外折线展示分组趋势，比较排序、幅度与整体轮廓。
2 张Dual Axis GO Enrichment Nested Bars
用嵌套柱和双坐标同时表示富集强度、基因数与比例，比较条目重要性和层级结构。
2 张Multi Panel Radar Charts
把多个指标映射到辐射轴并按组分面展示，适合比较各对象的指标轮廓、优势维度和整体均衡性。
2 张Faceted Stacked Bars Error Bars Significance
按条件拆分组成柱，叠加误差棒和显著性标记，同时比较类别占比、总体差异与统计证据。
2 张Grouped Bars Anova Post Hoc Comparisons
用柱高和误差棒概括各组数值，并标注ANOVA及事后比较结果，读取总体差异和具体组对差异。
2 张Polar Lollipop Plot
用沿圆周排列的线段和端点编码类别数值，在紧凑布局中比较排序、规模和分组结构。
6 张Polar Bar Error Bar Variants
将多组柱和误差棒沿圆周排列，通过不同变体比较类别大小、误差范围与分组差异。
2 张Circular Cohort Characteristics
把样本及多项临床特征布置在同心轨道中，紧凑比较队列构成、分组差异和共现模式。
2 张Volcano Descriptive GSEA Enrichment Map
并列展示显著差异特征、富集得分和基因集连接，观察变化方向、通路重叠与功能模块。
2 张Volcano Preranked GSEA Enrichment Scores
先定位显著差异特征，再展示基因集的富集方向和得分，串联单基因变化与通路层面结果。
2 张Dual Axis GO Enrichment Bars
用柱长和双坐标分别编码富集强度、基因数量或比例，便于比较显著条目及其相对贡献。
2 张Grouped Bars Error Bars Jittered Points T Tests
在均值柱和误差棒上叠加抖动观测点与t检验标记，同时呈现总体差异、个体波动和统计证据。
2 张Line Bar Error Bars Multiple Comparisons
组合分组柱、趋势线和误差棒，并标注多重比较结果，用于读取均值变化、误差范围与组间差异。
2 张Bar Scatter Error Bars Significance
用柱高汇总各组中心值，叠加个体散点、误差棒和显著性标记，集中比较差异幅度、离散程度与统计证据。
2 张结核病cfRNA分析
以多面板整合样本构成、来源比例、差异特征、通路活性、模型表现和集合重叠，完整概览分析链条。
HOW TO USE
从选图到复现准备，三步完成
先找到合适的图形，再在详情页联动查看成图、AI 绘图提示词与代码结构节选。
- 01筛选图形
按表达目标浏览，或搜索研究问题、图形类型和案例编号；还可结合类型与领域进一步筛选。
- 02联动查看
切换 Python / R 或图形版本，成图、提示词与代码节选会同步更新；成图支持放大查看。
- 03准备复现
复制当前语言的完整 AI 绘图提示词，并参考对应的代码结构节选，结合自己的数据与参数调整。
网页展示范围代码仅展示开头与结尾的结构节选；完整代码、原始成图与原始数据暂未开放网页下载。