学术邦社区科技论文绘图教程

选中要添加上划线的文字，格式→中文版式→拼音指南-单击“组合”，然后在“拼音文字”栏中按“Ctrl+-”输入与所选文字个数相等的破折号。在“预览”框中可以看到添加后的效果。单击“确定”即可。

学术论文里面的图通常使用以下软件绘画：

1、Visio

Visio属于Microsoft Office系列软件。对于熟悉Office的用户，很容易使用。 Visio有多种绘图模版、工具，制作的图表范围十分广泛，可以绘制流程图、地图、企业标志等。Visio支持将档案保存为svg、dwg等通用矢量图格式，因此受到广泛欢迎。

2、Origin

Origin常被认为是数据处理软件，其实用它做模型图也是一个不错的选择。

3、Matplotlib

Matplotlib是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。它的文档相当完备，并且Gallery页面 中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。

以下文章来源于BioMan ，作者mBioMan在临床研究中，生存曲线（又称Kaplan-Meier曲线）是最常用图片之一，旨在描述各组患者的生存状况。一张漂亮的、专业的生存曲线图不仅可以令编辑、读者和审稿专家眼前一亮，同时也能为论文增色不少。然而，对于一些新手而言，生存曲线却显得十分陌生，不知道为何要绘制生存曲线，也不知道该如何解读生存曲线的结果。 如何解读生存曲线呢？ （1)对于生存曲线，样本量越大，生存曲线越平滑，误差越小。（2）一般而言，两条曲线之间的距离越大（分叉越大），说明两组患者预后（终点事件发生率）的差别越大，也越容易做出统计学差异。其实这个和t检验差不多：两组数据的均数差异越大，越容易有统计学差异。 （3）随访时间越长，越容易做出统计学差异。这个问题其实也很好理解，一个极端的比方就是，在上述sST2例子中，假定随访时间为1天，而非400天，两组患者生存率的差异显然是没有统计学意义的。国际上，随访时间越长的研究越容易发表在高水平的杂志上，原因与此有关。 （4）样本量越大，越容易做出统计学差异。样本量越大，误差（标准误）越小，当然越有统计学意义。其实这相当于在t检验中，两组数据的标准差越小，当然越容易得到阳性统计学结果。 （5）生存曲线与X轴有交叉，并不意味着研究对象全部死亡（发生终点事件）。实际上，在生存曲线中，每一个时间点上只要有病人死亡（或者发生终点事件），曲线就会下降一定的幅度。（参考知乎oriRNA） 接下来，我们就用Graphpad prism9，和大家一起看看如何绘制生存曲线。 1. Survival curve-生存曲线 在有关差异表达基因和生物标志物模型分析中，经常会见到生存曲线分析。 （1）创建（2）写入/导入数据（3）Graphs（4）结果，治疗组与对照组没有显著性差异。（5）调整后的Graphs 双击图，弹出如下窗口，就可以编辑line的颜色等等。（6）双击Y轴添加参考线。大多数研究会讨论中位生存时间。 双击Y轴，在”Additionalticks and grid lines“中写入 （如果开始作图时选择”Percents“这里应写入50）点选 TickLine在Details按钮中选择参考线的颜色和线型即可。同样，也可以去添加X轴的参考线。沃斯(WOSCI)由耶鲁大学博士团队匠心打造，专注最新科学动态并提供各类科研学术指导，包括：前沿科学新闻、出版信息、期刊解析、论文写作技巧、学术讲座、论文润色等。