Modèle de figure · Schéma de processus · 4:3
Pipeline d’analyse de données à embranchements, illustré par la cellule unique
Une figure en neuf panneaux qui illustre un pipeline d’analyse à embranchements par une seule expérience de RNA-seq sur cellule unique : les lectures se séparent en deux branches puis se rejoignent dans une matrice de comptage. Les étapes de comparaison de modèles et de validation sont à ajouter pour votre propre étude.
Prompt
Create a scientific figure about: Branching analysis workflow with ingestion, preprocessing, model comparison, validation, and reporting. Visual style: Clean Vector. Requirements: publication-ready scientific quality, clear labels and directional arrows where appropriate, avoid cartoon or stock-photo look, composition optimized for research papers and academic slides.
Ce qu’est ce modèle
Les six premiers panneaux relèvent de la paillasse : le tissu est dissocié en cellules isolées, réparti avec des billes de gel à code-barres dans des gouttelettes d’huile, rétrotranscrit pour que chaque transcrit porte un code-barres cellulaire et un UMI, puis amplifié, converti en banque et séquencé. Les trois derniers relèvent du calcul : les lectures alignées se divisent entre démultiplexage par cellule et déduplication des UMI, se rejoignent en une matrice de comptage gènes × cellules, puis passent par le filtrage qualité, la normalisation, la sélection des gènes variables, le clustering et une projection UMAP. Le lecteur doit voir où les données bifurquent, où elles fusionnent, et ce que chaque branche apporte à la matrice dont dépendent toutes les étapes suivantes.
Éléments à légender
Ingestion des données
Les fichiers de lectures bruts entrent dans la moitié calcul : la flèche part du panneau de séquençage vers l’alignement et porte la mention « lectures non traitées ».
Point de bifurcation
Après l’alignement, séparez les lectures entre démultiplexage par cellule et déduplication des UMI, et faites converger les deux flèches sur la matrice de comptage pour que la fusion soit sans ambiguïté.
Matrice de comptage
Dessinez une grille gènes × cellules au point de fusion et écrivez à côté ce que représentent lignes et colonnes, pour qu’on ne les prenne pas pour des échantillons.
Filtrage qualité
Nommez les critères de filtrage, comme le nombre de gènes détectés par cellule et la fraction mitochondriale, en tant que point de contrôle à franchir avant la suite.
Normalisation
Placez la normalisation après le filtrage, en notant qu’elle corrige la profondeur de séquençage, puis reliez-la à la sélection des gènes variables.
Extraction des caractéristiques
Donnez une boîte propre à la sélection des gènes variables et indiquez que le clustering et la projection n’utilisent que ces gènes.
Sortie et restitution
Numérotez chaque cluster une seule fois sur l’UMAP ; l’exemple étiquette deux clusters différents comme cluster 3.
Où on l’utilise
- Figure de mécanisme pour article
- Support de cours
- Diapositives de soutenance
- Site du laboratoire
Ce que vérifient les évaluateurs
Comparaison et validation absentes
Les points de comparaison de modèles et de validation prévus par la consigne de ce modèle n’apparaissent pas dans l’exemple, qui s’arrête à un graphique de clusters. Ajoutez une branche de comparaison et un nœud de validation indépendant si votre article doit justifier la résolution ou les choix d’annotation.
Deux panneaux au même titre
Les panneaux trois et quatre portent le même titre de rétrotranscription, si bien qu’un relecteur supposera qu’une étape manque. Renommez le troisième en « lyse cellulaire dans la gouttelette », ou fusionnez les deux pour garder une numérotation continue.
Des étiquettes de clusters cohérentes
Deux clusters de couleurs différentes portent le numéro 3. Numéros, couleurs et annotation des types cellulaires dans votre texte doivent se correspondre un à un avant que toute comparaison entre clusters ait un sens pour le lecteur.
Code-barres cellulaire ou UMI
Le code-barres cellulaire identifie la cellule et l’UMI élimine les doublons d’amplification : le schéma de banque doit les légender séparément. L’exemple est globalement juste sur ce point ; gardez-les sur des segments de couleurs distinctes en le modifiant.
Comment l’utiliser dans Yila
- 1Choisissez une figure
- 2Décrivez votre sujet et les étapes à mettre en avant
- 3Affinez-la dans la conversation, puis téléchargez le PNG
Conseils
À faire
- Nommez dans le prompt les méthodes que vous comparez et votre mode de validation, pour qu’une branche parallèle et une boîte de validation apparaissent après le clustering.
- Si vous ne présentez que la partie calcul, demandez de retirer les six panneaux de paillasse et de donner toute la largeur à la bifurcation et à la fusion.
- Attribuez une couleur à chaque branche et mélangez les deux au point de fusion, pour que l’on suive le trajet de chaque donnée.
À éviter
- Ne gardez pas les noms de plateforme, de logiciels et de marques de séquenceur de l’exemple ; décrivez chaque étape par sa fonction.
- Ne laissez pas un numéro de cluster apparaître deux fois ; contrôlez chaque étiquette du graphique de projection après chaque génération.
- Ne dessinez pas le nœud de validation sur la même branche que l’entraînement ; montrez-le recevant des données mises de côté, pour qu’on voie qu’il est indépendant.
Questions fréquentes
Puis-je reprendre cette figure telle quelle dans un article ?
Considérez-la comme un premier jet de schéma de méthodes. C’est un PNG généré par IA, et l’exemple répète un titre de panneau, répète un numéro de cluster et contient un mot mal orthographié : vérifiez chaque panneau et continuez à l’affiner en conversation jusqu’à ce qu’il corresponde à la mise en page de la revue.
Les éléments du pipeline sont-ils modifiables ?
Pas élément par élément, mais vous pouvez continuer à l’affiner en conversation dans Yila : remplacer les données de cellule unique par votre propre type de données, ajouter une branche de comparaison de modèles et un nœud de validation, ou retirer les panneaux de paillasse, puis générer une nouvelle version.
Quel format est livré ?
Une image PNG générée par IA en mise en page paysage, prête à placer dans un article ou une diapositive. Ce n’est pas un graphique vectoriel, et les neuf panneaux contiennent beaucoup de petit texte : vérifiez les étiquettes avant de la réduire à une demi-colonne.
Faut-il payer pour l’utiliser ?
Parcourir cette page et l’exemple ne coûte rien. Générer dans Yila consomme des crédits, et les nouveaux comptes reçoivent 2 500 crédits, assez pour retravailler ce pipeline autour de vos données, de votre structure de branches et de votre plan de validation en plusieurs séries, y compris une version allégée pour diapositives.
Mon analyse ne comporte aucune étape de paillasse. Est-ce adapté ?
Oui. Le cœur d’un pipeline à embranchements, c’est ingestion, prétraitement, extraction des caractéristiques, comparaison, validation et restitution. Décrivez seulement les étapes de calcul et les modèles comparés : les panneaux de paillasse disparaissent et la bifurcation est dessinée nettement.
Et si j’ai plus de deux branches ?
Listez dans le prompt chaque branche et son point de fusion, par exemple trois méthodes de normalisation menées en parallèle avant de comparer la stabilité des clusters. Les branches sont alors empilées en rangées parallèles et réunies au nœud de comparaison dans un même contour.


