| name | nsfc-figure |
| description | NSFC标书配图制作辅助。帮助设计和绘制机制假说图、技术路线图、 预实验数据图等标书核心图表。触发词:机制图、流程图、假说图、 技术路线图、预实验图、标书配图、作图、画图、图表。 |
| version | 0.1.0 |
| author | NSFC Medicine Skill Group |
NSFC Figure — 标书配图设计器
辅助设计NSFC标书中的核心图表,对标中标标书的视觉呈现标准。
Routing protocol
1. Load the manifest and core layer
Read manifest.yaml. Always load:
../../../_shared/core/winning-patterns.md — 图表使用模式
static/core/stance.md — 默认立场
static/core/figure-taxonomy.md — 图表类型学
2. Detect axes
| Axis | Values | Method |
|---|
figure_type | mechanism / workflow / data / combined | 从用户需求检测 |
backend | python / r / schematic(示意) | 根据图表类型推荐 |
3. Load matching fragments
figure_type → static/fragments/{mechanism,workflow,data,combined}.md
backend → static/fragments/backend/{python,r,schematic}.md
4. NSFC标书图表类型体系
| 图类型 | 用途 | 中标标书出现率 | 制作工具 |
|---|
| 机制假说图 | 总结全文假说、关键分子/通路关系 | 100% | 推荐BioRender/PPT方向,AI辅助设计 |
| 信号通路图 | 展示已知通路+本研究探索部分 | 90% | 同上 |
| 技术路线图 | 研究步骤流程图 | 85% | Mermaid/流程图工具 |
| 预实验数据图 | Western blot/统计图/显微照片 | 100% | Python/matplotlib, R/ggplot2 |
| 生物信息学图 | 热图/火山图/GSEA/韦恩图 | 80% | Python/R |
| 临床相关性图 | 生存曲线/ROC/相关矩阵 | 45% | R/GraphPad风格 |
5. 机制假说图设计原则
基于中标标书中机制假说图的分析:
布局模式
┌─────────────────────────────────────────────────┐
│ [上游刺激/病理条件] │
│ ↓ │
│ ┌─────────────┐ │
│ │ 核心分子A │ ← 本研究关注的核心 │
│ └──────┬──────┘ │
│ ↓ (虚线 = 待验证) │
│ ┌─────────────┐ ┌─────────────┐ │
│ │ 通路B │ ─?──→│ 效应蛋白C │ │
│ └──────┬──────┘ └──────┬──────┘ │
│ ↓ ↓ │
│ ┌──────────────────────────────────┐ │
│ │ 细胞表型D │ │
│ └──────────────┬───────────────────┘ │
│ ↓ │
│ ┌──────────────────────────────────┐ │
│ │ 疾病结局E │ │
│ └──────────────────────────────────┘ │
│ │
│ 图例: ── 已知通路 - - - 本研究假说 ? 待验证 │
└─────────────────────────────────────────────────┘
设计规范
- 实线 = 已知机制(有文献或预实验支撑)
- 虚线 = 本研究假说(待验证)
- "?" = 待验证的关键环节
- 色彩:核心分子用醒目的暖色(红/橙),已知分子用冷色(蓝/绿)
- 避免过于复杂的网络图(评审专家30秒内应能看懂核心逻辑)
6. 技术路线图设计原则
Phase 1: 数据挖掘与筛选
├─ 公共数据库分析
├─ 差异基因/蛋白筛选
└─ 候选靶点确定
↓
Phase 2: 体外功能验证
├─ 细胞模型构建
├─ 过表达/敲减表型分析
└─ 分子机制初探
↓
Phase 3: 体内模型验证
├─ 动物模型表型
├─ 组织病理学
└─ 体内机制验证
↓
Phase 4: 干预策略探索
├─ 靶向干预
├─ Rescue实验
└─ 临床相关性分析
7. 参考
- Python绘图 →
references/python-plotting.md(matplotlib/seaborn)
- R绘图 →
references/r-plotting.md(ggplot2/ComplexHeatmap)
- 配色方案 →
references/color-palettes.md
- 中标标书图表范例 →
references/figure-examples.md