在基因表达分析中，FPKM（Fragments Per Kilobase of transcript per Million mapped reads） 是常用的基因表达定量指标。为了直观展示不同样本中基因的表达分布，小提琴图（Violin Plot）因其能同时显示数据分布和密度，成为科研绘图的热门选择。然而，传统工具如R、Python的绘图流程往往涉及繁琐的文件处理、颜色搭配调试和图例优化等，让研究者耗费大量时间，更是令生信新手望而生畏。AI大模型的介入彻底改变了这一局面。只需提供您的基因表达量文件，并用自然语言描述定制需求，AI即可自动生成绘图脚本，真正实现"专业绘图，一键生成"。本文将带您体验如何通过AI协作，在短短5分钟内完成一幅专业的小提琴图，助您在科研工作中以极致的效率和专业度获得竞争优势！

初步构建绘图提示词

为了让AI能更高效的出图,我们尽量描述的详细一点,这样能够减少我们后面修改的次数更容易得到想要的结果,首先确认自己的路径和绘图需要的文件,我们只需要一个基因表达量文件即可，格式如下：

文件准备完成后，即可询问AI如何编写代码，写完了的提示词如下,大家可以参考一下格式

------------------------------------------

读取1个基因fpkm表达量文件

工作路径:~/work/03.deg

基因fpkm表达量文件： fpkm.xls （纯文本文件，第一列是基因名称，后序列是所有样本表达量信息；第一行是样品名称，后续行是基因在不同样品表达量信息）

使用R语言绘制小提琴图，对表达量取对数

图形类型：小提琴图

主题：隐藏网格线

------------------------------------------

在deepseek输出上面写好的提示词,如果问题复杂可以打开deepthink，这样简单的就不需要了。

初步生成绘图代码

AI给出了详细的码,我们来到rstudio运行一下结果如下：

生成的图片基本符合要求,个别地方不太好,比如没有坐标轴，小提琴尾部被截掉等，我们可以提出要求让他修改一下。

让AI帮助我修改可视化效果

得到的结果如下,完全符合要求,如果还有其他需求,也可以继续让他再调整。

最终绘图代码

# 设置工作目录
setwd("~/work/03.deg")
# 读取FPKM文件
fpkm_data <- read.table("fpkm.xls", header = TRUE, row.names = 1, sep = "\t", check.names = FALSE)
# 对表达量取对数（添加1避免log(0)）
log_fpkm <- log2(fpkm_data + 1)
# 转换为长格式数据框（ggplot2需要）
library(tidyr)
library(dplyr)
log_fpkm_long <- log_fpkm %>%
  as.data.frame() %>%
  mutate(gene = rownames(.)) %>%
  pivot_longer(cols = -gene, names_to = "sample", values_to = "log_fpkm")
# 加载ggplot2
library(ggplot2)
# 绘制小提琴图（白色背景 + 隐藏网格线 + 完整XY轴）
p <- ggplot(log_fpkm_long, aes(x = sample, y = log_fpkm, fill = sample)) +
  geom_violin(trim = F, scale = "width") +  # 绘制小提琴图
  geom_boxplot(width = 0.1, fill = "white", outlier.size = 0.5) +  # 添加箱线图作为补充
  theme(
    # 1. 保持白色背景（默认theme_grey()风格）
    panel.background = element_rect(fill = "white"),  # 白色背景
    plot.background = element_rect(fill = "white"),   # 图表区域白色
    # 2. 隐藏所有网格线
    panel.grid.major = element_blank(),  # 主网格线（横线）
    panel.grid.minor = element_blank(),  # 次网格线（竖线/细线）
    # 3. 确保XY轴显示
    axis.line = element_line(color = "black"),  # 黑色坐标轴线
    axis.text.x = element_text(angle = 45, hjust = 1, size = 10),  # X轴标签
    axis.text.y = element_text(size = 10),  # Y轴标签
    axis.title.x = element_text(size = 12, face = "bold"),  # X轴标题
    axis.title.y = element_text(size = 12, face = "bold"),  # Y轴标题
    # 4. 图例（如果需要）
    legend.position = "none"  # 隐藏图例（可选）
  ) +
  labs(
    x = "Sample",  # X轴标题
    y = "Log2(FPKM + 1)",  # Y轴标题
    title = "Gene Expression Violin Plot"  # 图表标题
  )
# 显示图形
print(p)