nsfc-figure

# 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](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`