用户只需在网站上选择心仪的颜色◆■◆，点击「GENERATE」按钮★■■◆◆，即可得到一系列专属配色方案，包括渐变色、色彩梯度等。
现在不一样了★◆，一张 Nature 论文级别的美图■◆◆◆★■，只要 10 分钟就搞定★◆◆■！（跑个题：就算你抄论文图抄到导师头上，被罚 10 分钟做一张图也不是啥难题了。）
可以选择 png 或 tif 或其他文件类型后直接导出，分辨率也可以调整，能下载高清图片。很可惜★■■◆★，导出的文件看不到图层，但可以略作小修改。
SwissBioPics 是一款在线的科研生物素材网站，主打细胞素材，提供黑白灰色的矢量图，后续自己上色即可。
平台还对素材进行了分类◆■■，提供易于浏览和搜索的素材库，并支持自动关联。每张图片下方还有下载次数◆★、上传者等信息■◆★。
如今，Figdraw 升级至 2.0 版本，素材模板扩充至 13000 多个，而且还进行了细分，对生命科学领域的研究者尤其友好■★◆◆■★，甚至还有 AI 协助改色。
学霸君友情提示：看到这里，不要忘记领取福利哦！只需在生物学霸后台回复关键词「画图」，即可免费体验！
现在已经有很多人开始主动学习利用 AI 进行文本撰写，但用 AI 进行科研绘图，似乎还处于观望阶段。
bioicons 与 Scidraw 类似，也是一个提供素材的网站◆■◆★★，但两者的风格不同，一眼望去，似乎前者比后者要复杂一点◆■。
第二步：利用平台提供的素材，经过变形、解组★■■■、改色◆■、拖拉★■◆■◆、插入形状、编辑文字等操作◆◆★◆◆，制作自己想画的图。
这些美观的配色方案有助于提升论文的视觉吸引力★■◆，从而可能增加论文的接受概率★★■。
有大佬曾经说过■★■★◆，仅科研作图这一项技能◆★，就能打败 95% 的科研人，甚至有很多人凭借这门手艺开启赚钱模式。如果现在不学点，恐怕真不行哟■◆■■！
那些教科书或大牛文献里才会出现的机理图、模式图、流程图◆◆■★■■、通路图等◆★◆，全都能轻松上手◆■■■！
平台提供的免费试用期限仅为十四天◆★，但有聪明的用户发现◆◆，只要更换注册邮箱，即可再次享受免费服务■◆◆■。
说到配色，前面提到的几款工具在后期处理的时候都需要选择配色，所以有必要专门提一下 ColorSpace。
至于图片版权，因为所有模板素材均为平台原创，绘图完毕并导出后会自动授权，使用在论文里不存在侵权和撤稿风险。
IBS 是一个在线的序列编辑网站，能帮助用户绘制蛋白质和核苷酸的序列■■◆◆★。网站有丰富的图形元素，如多边形、括号★◆、曲线和多段线，可用于表示功能元素或调节分子。
下面就是学霸君亲测的 8 款比较容易上手的科研工具■■★◆■◆，8 大科研绘图网站各显神通，带你拿下绘图难题。
这种情况下，多了解不同的科研绘图平台，就能看到更多模板，获得更多素材，画出心仪论文插图的可能性也就更大◆◆■。
这些素材匹配学术风格，设计简洁明了■★★★■。用户可以直接下载素材，用于论文插图、海报或 PPT 中。
很多人一定很喜欢这种不加配色的素材，因为风格非常接近手绘时代的细胞图片样式，而且非常细致。
绘科研 Figdraw 源自科研者之家（Home for Researchers）◆■，是一款功能强大的在线图形绘制软件★■，号称「国内首个开放式在线绘图平台」，目前已进化到 2.0 版本◆◆◆■★★。
科研人一般没有绘画基础，又没有钱找专业公司◆■，而市面上大部分设计公司在科研绘图方面没有专业 AE ，沟通成本非常高。
目前的 2.0 版本★■◆★◆，支持共享编辑。另外★◆★◆■，平台还开发了一种深度学习算法来识别已发表文献中的生物序列图，并将其中优秀的 360 张图存储下来，作为后续编辑的模板使用◆■◆。
bioicons 同样对素材进行了标签化的分类◆◆■★■★，也支持用户上传素材★■◆■◆★，目前已有 2611 个素材可供使用。
细心的读者已经看出来，今天介绍的绘图工具，主打一个免费和在线，使用起来也超方便。
BioRender 是一个专业的图形资源平台◆★◆，涵盖了免疫学、微生物学等超过三十个学科领域的丰富图形素材和模板库。
现在还没有像 Midjourney 这样的 AI 绘图工具专门解决科研绘图问题★◆◆★■，而滥用 AI 绘图工具的反例★◆◆■■，相信大家都已经看到了。
第一步：新建项目和模板，可以直接选择网站顶部的模板。这一步非常关键■★◆◆■，是后续完成的起点。
PhyloPic 是图形网站中比较特立独行的一类，只提供轮廓素材★★。支持用户上传，目前已有 9163 个轮廓素材，基本涵盖了科研绘图中常用的动物、器官等。
规定允许在论文的「方法」章节说明后，正当地采用生成式 AI 和 LLM 来制作插图和撰写论文内容★★■◆■。
更贴心的是，Figdraw 还支持协作分享，合作者可以共同编辑，完成漂亮的论文插图。
去年年底，Science 主编携执行主编共同撰文，宣告旗下学术期刊对人工智能（AI）和大语言模型（LLM）技术的政策发生转向：
