生物数据可视化着色的十个简单规则（下）
生物数据的可视化处理是计算机图形学，科学可视化和信息可视化在生命科学各个领域的应用。
上一篇我们已经介绍了生物数据可视化着色的前5条规则，本文我们来了解下剩余的5条规则。没看过上一篇的可以点此复习生物数据可视化着色的十个简单规则（上）。
总览
规则1：确定数据的性质
规则2：选择色彩空间
规则3：根据所选颜色空间创建调色板
规则4：将调色板应用于数据集以进行可视化
规则5：套用调色板后，检查数据中的颜色背景
规则6：在数据可视化中评估颜色的交互作用
规则7：要了解特定学科的颜色惯例和定义
规则8：评估色差
规则9：考虑网络内容的可访问性和打印实际情况
规则10：黑白分明
第
6
则
-THE SIXTH-
评估数据可视化中颜色的交互
颜色的使用取决于大量数据和介质特性。除了某些颜色的不良相互作用之外，我们会看到颜色可能带有某种意义。
对于交互，存在红/蓝颜色或文本内容的交互。首先，文本看起来模糊不清，伤害眼睛。这是称为色差的现象的结果，色差对应于不能同时聚焦在两种颜色上。
对于下图中提供的例子，还需要解决色彩不足问题的补色组合。绿色/紫色方案提供了两个数据变量之间的转换组合，同时允许有色觉障碍的个人区分这两个变量。绿色和紫色是这种特殊情况下的最佳组合。
在某些情况下，感知的一致性至关重要。一个简单的例子是，在不规则的颜色空间中，选择一种随机的颜色以便在黑暗的环境下可读，这是很困难的，因为相同亮度或光度的颜色看起来非常不同(蓝色和黄色在HSV中都有100%的亮度，但是蓝色比黄色暗得多)。
为了解决这个问题，需要考虑所选色调的复杂计算，以使随机颜色看起来同样明亮。有一个更简单的方法，即选择更好的颜色空间。
基于jet或彩虹的调色板是最常用的调色板，因为它是在软件工具中作为标准提供的。它具有很高的对比度，这使得它能够突出手头数据的特征。
然而，当查看颜色图表时，色带或色块尤其出现在青色和黄色区域。这个看似不错的调色板在应用于描述同等重要的顺序数据时会导致急剧的转换，尽管底层数据变化均匀。事实上，由于非恒定的感知颜色变化，这是误导，甚至对色弱的个人更是如此。
下图描述了这些部分。
虽然许多研究人员都在抱怨，但在实际许多应用中，基于彩虹的调色板仍然在被使用，并且有可能对解决任务的准确性有潜在的负面影响。
不幸的是，由于人类通常将颜色分类，彩虹调色板的使用会给数据的解释带来偏差。此外，由于色调的自然顺序，这甚至可能被放大。然而，不同的方面可以被智能地集成。例如，不同的亮度强调某些标量值，而低亮度颜色(例如，蓝色)可能隐藏高频。
第
7
则
-THE SEVENTH-
注意特定学科中的颜色惯例和定义
生物学描述了生物组织的不同层次(从分子到细胞、有机体到生态系统)，整合了多种领域，如生物化学和生物物理学。这涉及到大量不同风格的数据，这些数据可能受特定领域惯例的约束。
我们简要讨论4个与生物化学、生物物理学、解剖学和细菌学相关的显著例子。
生物化学
在化学中，一个分子中不同原子的颜色遵循标准的科里·鲍林·科尔顿（CPK）规则。最重要的颜色是氢的白色(H)，碳的黑色(C)，氮的蓝色(N)，氧的红色(O)，硫的深黄色(S)，磷的紫色(P)。其余的原子呈现出亮、中、暗、卤素组为深绿色，金属组为银色。生物化学遵循这些惯例，例如，给20种蛋白质氨基酸的生化结构着色。
生物物理学
在过去的几年里，已经开发了广泛的荧光蛋白遗传变异体，其特征是荧光发射光谱分布几乎跨越了整个可见光谱。借助这种分子和显微镜技术，科学家可以看到特定的细胞反应甚至亚细胞机制。例如，这种特定的分子可以在不同的光谱范围内(例如青色、绿色、黄色或红色)发出荧光。当然，最著名的分子是绿色荧光蛋白。如果数据集涉及荧光图谱，或包括光谱范围的信息，惯例是根据它们给数据着色。
解剖学
解剖学上，颜色约定从第一张解剖草图就已经存在。虽然第一幅彩色印刷的医学插图显示了文字颜色的用法，但现代颜色的用法是相当象征性的。事实上，颜色通常用于肤色、内脏、循环和神经系统，甚至是选定的身体组织(如肌肉或脂肪)。尽管在体内动脉和神经呈白色，静脉呈淡蓝色，但既定的颜色惯例是动脉为红色，静脉为蓝色，神经为黄色。
细菌学
在细菌学中，科学家对许多细菌特性和机制感兴趣，例如革兰氏染色、形态学、遗传学和抗生素抗性。前者通过细胞壁的化学和物理特性来区分细菌(革兰氏阳性细菌有厚厚的肽聚糖细胞壁，保留了结晶紫的主要染色)。后者发生在细菌和真菌等细菌有能力击败用来杀死它们的抗生素（如青霉素）时。
基于包含3种最流行的抗生素对16种细菌的性能的数据，我们在下图中展示了青霉素与新霉素的有效性的2个实例数据。
虽然选择蓝色/橙色的配色方案是为了为名义比较提供可感知的可分辨颜色（左），但采用革兰氏染色颜色惯例呈现出更适合具体问题的颜色用法（右）。
其他生物领域
其他实践存在于特定的生物研究领域。例如，在分子和进化生物学中，基因表达水平和基因保护的视觉编码依赖于红/蓝发散调色板。然而，我们不能谈论颜色惯例，因为在红/绿、红/蓝以及断点不是白色而是黄色的其他情况下，这个值会有很大差异。
值得一提的是要注意文化习俗。事实上，在不同文化中，颜色可能具有非常不同的象征意义。一个很好的例子是红色，它在西方象征着危险和激情，在我们这象征着幸福和繁荣。
第
8
则
- THE EIGHTH -
评估颜色缺陷
人类有3种感光细胞或视锥细胞，每一种都对视觉光谱的不同部分敏感，以促进丰富的彩色视觉。我们需要尊重一些人的颜色感知是不同的，并评估所选择的调色板是否适合有色弱或色盲的人。
如果一个或多个视锥细胞不能正常工作，就会导致色觉缺失。红色锥细胞缺乏症被归类为红色盲。绿色锥细胞缺陷被归类为绿色盲。蓝锥细胞缺陷被归类为蓝色盲。
当创建或选择调色板时，不同的网络工具允许测试色弱和色盲。一方面，可以使用Adobe Color web工具(color.adobe.com)或Paletton–配色方案设计师(paletton.com)来测试调色板的颜色缺陷。另一方面，网络工具Coblis使我们能够评估数据可视化是否对更大的受众可用，包括颜色缺陷。
另一个推荐的工具是Viz调色板。它允许通过模拟选定的信息可视化示例来测试特定调色板的颜色缺陷。下图结合了3个工具，ColorBrewer, Viz Palette和 Coblis，提供了一个用例的例子。
第
9
则
-THE NINTH-
考虑网络内容的可访问性和打印实际情况
在许多情况下，生物数据可视化超越了研究工作，成为一般在线(如网站)和印刷(如期刊论文)出版物的一部分。对于这些情况，我们简要讨论了网络内容的可访问性和打印现实。
对于基于网络或桌面和移动设备，我们建议遵循W3C制定的网络内容可访问性指南(WCAG)。网站必须是可感知的、可操作的、可理解的和健康的，根据4个原则组织了12个方针。
虽然有一些技术可以帮助作者满足指导方针和成功标准，但是这些技术会随着时间的推移而发展和适应。在列出的技术中，有8种与颜色有关。我们将范围限制在非交互式数据可视化，并借用有利于数据可视化可访问性的技术:
· 确保通过颜色差异传达的信息在文本中也可用
· 使用颜色和图案
· 使用颜色提示时使用语义标记
· 当使用文本颜色差异来传达信息时，确保附加的视觉提示可用
· 对周围的文本使用3:1的对比度，并在链接或控件的焦点上提供额外的视觉提示，仅用颜色来识别它们
· 包括用于彩色表单控件标签的文本提示
事实上，其中大部分是为了网页颜色的使用，但我们认为它们是相关的。所报道的技术解决了如何提高看不见颜色的用户的可访问性，因此可以寻找或倾听文本线索；使用盲文显示器或其他触觉界面的人可以通过触摸来检测文本提示。
此外，一些技术解决了实现文本信息和内容的更好对比度的问题。即G17:确保文本(和文本的图像)和文本后面的背景之间存在至少7:1的对比度。
事实上，这个想法是为了确保阅读文本时亮度有对比，而不是色调有对比。
网络工具 Colorable 允许使用十六进制格式的web十六进制代码测试两种颜色，并提供滑块来控制色调、饱和度和亮度。
观看和阅读生物数据可视化取决于目标受众使用的媒介。一方面，使用桌面和移动设备，其中光源用于在RGB颜色空间中混合不同强度的红色、绿色和蓝色。当所有颜色混合时，出现白色。
另一方面，使用纸张打印件，其中打印机将不同程度的CMYK颜色与物理墨水颜色(青色、品红色、黄色和黑色)相结合。当所有颜色混合在一起时，就会产生黑色。为了方便起见，我们可在以下工作时提出一项易于遵守的入围名单要求:
台式机和移动设备，最适合的色彩空间是RGB。关于在网页上应用颜色的指导性文件可以在这里找到: w3.org/TR/css-color-3/#rgb-color
小印刷件，如小册子，或期刊纸图，推荐在300 DPI分辨率的CMYK色彩空间的图像。
非常大的图形并不总是控制它们的质量，我们建议从灰度、位图或RGB颜色空间转换到打印机友好的CMYK颜色空间。
第
10
则
-THE TENTH -
黑白分明
在某些需要考虑印刷成本的情况下，黑白配色方案可能是首选。此外，黑白会增加那些色盲者以与您相同的方式看到和阅读数据可视化的机会。
在不同的领域，如图形和渲染，甚至摄影，这条规则通常被表述为“检查它在黑白和彩色中是否工作良好”。在数据可视化中，这通常与测试所呈现的故事是否仍然可见或可辨别有关。
黑白分明意味着两件事。当不确定调色板时，尝试用灰度显示数据，或者比较两个彩色版本的数据，当不确定哪个更易读时，用黑白打印出来。大多数情况下，后者是找到对比度更好的可视化。
此外，一个建议是关于影印友好的调色板。为了对抗影印过程的损耗，单色或连续调色板是最有弹性和最合适的。
着色并不容易。如果对颜色有需求，可以选择适合并使用少量的颜色，避免饱和的颜色，并且要符合阅读者的期望。
以上两图详细说明了根据示例任务的黑白数据可视化的变化。安全选择的一个例子是选择一种颜色和几种灰色阴影。
最后，总结一下这十种规则。
【参考文献】
Hattab G, Rhyne T-M, Heider D (2020) Ten simple rules to colorize biological data visualization. PLoS Comput Biol 16(10): e1008259.