Descripción general
Una figura con calidad de publicación es el vehículo principal para comunicar los resultados científicos. Las revistas imponen requisitos estrictos en cuanto a resolución, formato de archivo, modo de color, dimensiones y tamaño de fuente. Más allá de cumplir con las especificaciones técnicas, las cifras efectivas cuentan una historia visual clara, guiando al lector desde el resultado general hasta el detalle crítico sin ambigüedad. El proceso implica seleccionar el tipo de gráfico adecuado, perfeccionar la estética, garantizar la accesibilidad y cumplir con las pautas específicas de la revista. Software como Adobe Illustrator, Inkscape y R con ggplot2 se utilizan comúnmente para la preparación final de la figura.
Conceptos clave
La resolución y el formato son fundamentales. Las revistas suelen requerir 300 ppp para figuras en color y 600 ppp para escala de grises o dibujos lineales, guardados como TIFF o EPS. Las consideraciones sobre el color incluyen el uso de CMYK en lugar de RGB para revistas impresas, mantener un contraste suficiente y seleccionar paletas aptas para daltónicos. La tipografía exige una elección de fuente coherente (normalmente Arial o Helvética), etiquetas de eje legibles (8 a 12 puntos) y símbolos matemáticos en los tipos de letra adecuados. Las figuras de varios paneles requieren una composición cuidadosa: ejes alineados, leyendas compartidas y etiquetas de paneles (A, B, C) en un orden de lectura lógico.
Aplicaciones
Las cifras bien elaboradas elevan la investigación en todas las disciplinas biológicas. Los biólogos estructurales preparan representaciones de alta resolución de estructuras de proteínas con una coloración clara de la estructura secundaria. Las técnicas de microscopía generan imágenes multicanal que deben presentarse sin ajustes engañosos de contraste o equilibrio de color. Los datos de citometría de flujo requieren una cuidadosa visualización de activación y controles de compensación en histogramas y diagramas de puntos listos para publicar.
Mejores prácticas y herramientas
Comience cada figura seleccionando la herramienta adecuada para el tipo de datos. Para gráficos estadísticos (gráficos de barras, diagramas de caja, diagramas de dispersión), R con ggplot2 o Python con seaborn/matplotlib proporciona el mayor control sobre cada elemento visual. Para el montaje de figuras de varios paneles y los retoques finales, utilice Adobe Illustrator o la alternativa gratuita Inkscape: los editores basados en vectores garantizan que el texto se mantenga nítido en cualquier resolución. Para seleccionar una combinación de colores, siga las pautas establecidas: utilice ColorBrewer 2.0 (colorbrewer2.org) para generar paletas perceptualmente uniformes y aptas para daltónicos. Los mapas de colores “viridis” y “magma” (integrados en matplotlib y seaborn) son excelentes valores predeterminados para los mapas de calor debido a su uniformidad de percepción y reproducibilidad en escala de grises. Por accesibilidad, evite las combinaciones rojo-verde; en su lugar, utilice azul anaranjado o una paleta secuencial de un solo tono. Al ensamblar una figura de varios paneles, asegúrese de que todos los ejes estén alineados, que los tamaños de fuente sean consistentes (8-12 pt para etiquetas, 6-8 pt para marcas de verificación) y que las etiquetas de los paneles (A, B, C) estén colocadas en la esquina superior izquierda de cada subpanel en negrita de 12-14 pt. Exporte a 300 ppp (600 ppp para dibujos lineales) en formato TIFF con compresión LZW. Por ejemplo, un gráfico de volcán de resultados de RNA-seq debe usar: ggplot2 con geom_point(), alpha=0.3 para manejar el trazado superpuesto, líneas horizontales discontinuas en p = 0.01 (ajustadas), puntos etiquetados para los 10 genes más significativos usando ggrepel para texto que no se superponga y un degradado de color desde gris (no significativo) hasta azul y rojo (altamente significativo y altamente expresado), todo sobre un fondo blanco sin líneas de cuadrícula.
