PuMed无法直接检索，可以通过viziometrics网站来检索PuMed的图片。viziometrics网站是UniversityofWashington（华盛顿大学）研究人员研发的学术图片主题搜索引擎，网站收录了包括来自PubMedCentral的800多万张图像，包含5种图形类型搜图、照片、流程、表格、公式等，能够让我们通过搜索主题词查看实验结果、学习相应实验技术的设计。通过输入搜索主题词即可搜索出相关文章原图以及相应的文章出处，与open-i网站类似。科学文献中很多信息是通过视觉的图形、照片、插图、图表和表格传递的，形象直观地传递科研成果，展示文章研究内容与实验结果。从整体层面来讲，直接阅读科研图片内容与图注是快速泛读文献的捷径。除此之外，直接搜索文章部分科研图片，则可以快速的了解图片的绘制以及针对某一现象需要怎样的科研设计。因此，科学文献中的图表在科学交流中扮演着关键的角色。
看懂医学文献中的统计图通常并不需要大堆的统计知识（读者们大多不是统计专业啊）。如果只是想看懂数据，那么弄懂一些基本的统计概念和一些常用词汇如 significance,P-value等等，就应该足以看懂大部分的数据图。这些基本概念可以在网上如wiki很容易的查到。稍微系统一点的，可以看看类似于C以及其他几个线上教学网站的生物统计学的初级介绍课程（大部分是英文，但也有中文的）。除非个人兴趣或者专业方向要求，个人觉得并不一定需要全面学习统计课程。因为题主没有说明是做什么图，做数据和统计类的图。
全文的中心思想是什么 figure legend：基本上能把图表的中心思想，各个panel是什么描述清楚 正文result中哪些地方应用了这个图，如（Figure1a blablabla）：这个就是作者从这些数据里得到了什么结论，支持哪个假设神马的；偷懒的话看result里的小标题 具体到每个图表的话，x axis，y axis是神马（注意某些作者会通过改变y axis的来达到视觉上dramatic，striking的效果，在比较前后panel的时候要注意），sample和control分别是神马，有没有significant之类的；偷懒的话就看下那些和control有significant difference
PuMed无法直接检索，可以通过viziometrics网站来检索PuMed的图片。viziometrics网站是UniversityofWashington（华盛顿大学）研究人员研发的学术图片主题搜索引擎，网站收录了包括来自PubMedCentral的800多万张图像，包含5种图形类型搜图、照片、流程、表格、公式等，能够让我们通过搜索主题词查看实验结果、学习相应实验技术的设计。通过输入搜索主题词即可搜索出相关文章原图以及相应的文章出处，与open-i网站类似。科学文献中很多信息是通过视觉的图形、照片、插图、图表和表格传递的，形象直观地传递科研成果，展示文章研究内容与实验结果。从整体层面来讲，直接阅读科研图片内容与图注是快速泛读文献的捷径。除此之外，直接搜索文章部分科研图片，则可以快速的了解图片的绘制以及针对某一现象需要怎样的科研设计。因此，科学文献中的图表在科学交流中扮演着关键的角色。
western blot结果的分析是一个主观性比较强的过程western是一个半定量的实验。所以一般是作为定性的验证试验首先要分析的就是有无目的蛋白的条带，有无条带就是一个定性的结果，这种分析是比较简单。当然这其中还要综合考虑内参等对照样品。然后就是有条带之后，各个条带灰度值的分析，而对其灰度值的量化不外乎是在肉眼可见的基础上在给出一个数值的参考而已。所以说western blot结果的分析是一个主观性比较强而且需要综合考虑的过程
PuMed无法直接检索，可以通过viziometrics网站来检索PuMed的图片。viziometrics网站是UniversityofWashington（华盛顿大学）研究人员研发的学术图片主题搜索引擎，网站收录了包括来自PubMedCentral的800多万张图像，包含5种图形类型搜图、照片、流程、表格、公式等，能够让我们通过搜索主题词查看实验结果、学习相应实验技术的设计。通过输入搜索主题词即可搜索出相关文章原图以及相应的文章出处，与open-i网站类似。科学文献中很多信息是通过视觉的图形、照片、插图、图表和表格传递的，形象直观地传递科研成果，展示文章研究内容与实验结果。从整体层面来讲，直接阅读科研图片内容与图注是快速泛读文献的捷径。除此之外，直接搜索文章部分科研图片，则可以快速的了解图片的绘制以及针对某一现象需要怎样的科研设计。因此，科学文献中的图表在科学交流中扮演着关键的角色。
看懂医学文献中的统计图通常并不需要大堆的统计知识（读者们大多不是统计专业啊）。如果只是想看懂数据，那么弄懂一些基本的统计概念和一些常用词汇如 significance,P-value等等，就应该足以看懂大部分的数据图。这些基本概念可以在网上如wiki很容易的查到。稍微系统一点的，可以看看类似于C以及其他几个线上教学网站的生物统计学的初级介绍课程（大部分是英文，但也有中文的）。除非个人兴趣或者专业方向要求，个人觉得并不一定需要全面学习统计课程。因为题主没有说明是做什么图，做数据和统计类的图。