只有橘子做遗传学相关研究的人，应该都经历过这种场景：手头有一批分子标记、QTL位点或者全基因组关联信号，老板让你做一张图，把密度分布和标记位置同时展示在一套染色体上。以前最常见的做法是本地装R、装Python，配好环境再一顿折腾，才能出一张像样的图。但这两年实验室里的协作方式变了：合作者要快速看结果、项目要出在线数据报告、很多不带代码背景的实验组同事也希望有个网页能直接上传表格出图，于是“在线绘制染色体叠加密度和标记图”这个需求被反复提出来。
这篇文章我会从一个真实跑过很多次这类图的人的角度，把数据准备、能落地的在线方案、云环境里可以照抄的代码，以及从“能看”到“能发文章”之间的细节决策全部拆开讲。适合三类人：刚接触群体遗传、基因组可视化，想快速出图但不想折腾本地环境的研究生；想给课题组建一个内部在线画图入口，让不会写代码的同事也能自助出图的干湿结合团队；以及准备投稿，需要可复现、可导出高质量矢量图的研究者。
1. 先说清楚“在线”这个词：四种真实需求对应四条不同路线
1.1 不同人嘴里的“在线”，根本不是一回事
我在好几个群里回答过类似“有没有在线画染色体图的工具”的问题，发现背后需求差异很大。整理一下大概有四类：
第一类是“我就要一张图，不想装环境”。这种人给个在线R环境也行，给个上传CSV就能出图的页面也行，甚至你帮他画好发过去也行。他们要的是零安装、很快速、能下载结果。
第二类是“我想把结果做成可分享的网页报告”。比如给审稿人、合作者看，他们不需要自己画图，而是希望鼠标移上去能看到标记名、密度值这类交互信息。这类需求其实重点在网页展示，不一定要在浏览器里现场跑计算。
第三类是“我想给组里同事做一个上传-画图的小工具”。这种人要的是真正的小型Web应用，同事们把数据传上去，页面返回图，大家自己下载。
第四类是“我就想找一个免费现成网站，啥也不用维护”。这是我最常遇到的，但也是目前最尴尬的一类，原因下面展开讲。
把这四类需求拆开，好处是不会因为找不到“一个完美在线网站”而卡死进度。很多情况下，用云端R环境、或者自建一个Plotly小页面，比寻找现成工具靠谱得多。
1.2 现成的免费在线网站，为什么总是差一点
浏览器里直接画染色体图、又能叠加密度的现成工具确实存在。一些主流基因组浏览器自带染色体视图，部分物种数据库也有标记分布查看器，能满足一部分需求。但实际用起来，问题很集中：
- 绑定了一个固定的参考基因组。你想画自己的物种、自己的群体标记，它不让你自定义。
- 对“叠加”的支持比较弱。有的只能显示注释基因，不能把你自己算好的窗口密度叠上去。
- 数据隐私没保障。未发表数据的位点信息在很多课题组里属于核心机密，上传到公共网站总是心里打鼓。
- 出图样式和分辨率往往达不到期刊要求，导出的格式要么是截图，要么是低分辨率PNG。
所以我个人的结论是：在这个需求上，“在线”更应该理解成“工作流程在云端可复现、结果可以网页分享”，而不是非要找一个鼠标点点的现成网站。沿着这个思路往下走，你会发现可选的路其实很宽。
1.3 落地顺序建议
如果你现在就要开始做这件事，我的建议是：先把数据整理规范，这一步决定后面所有工作的成败；然后根据你的场景选一条路线——临时出图走云端R环境加RIdeogram，组内长期用就搞一个Plotly加Streamlit的小应用；最后统一处理配色、导出格式、字体这些细节。下面展开讲每一步的坑和技巧。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 出图之前，先把三张基础表彻底搞清楚
染色体叠加图看起来很花哨，其实底层的输入就三类数据：染色体长度/带型、密度数据的区间表、标记的位置表。所有在线工具和绘图包，本质上都是把这三份数据映射到画布上。数据不对，后面用什么工具都白搭。
2.1 染色体骨架：长度和带型
第一张表是染色体的骨架。最简单的版本只需要两列：染色体ID和总长度，单位通常用bp。
code复制chr1 248956422
chr2 242193529
chr3 198295559
如果你希望画出带G显带纹路的染色体，还需要每一条染色体的区带文件，一般包含染色体ID、起始位置、终止位置、染色深浅档位这四列。这个文件可以从UCSC Genome Browser或Ensembl下载，自己的物种可以从基因组注释文件里提取，或者干脆自己按着基因密度生成一个简化版本的带型。
这里有一个非常容易忽略的坑：染色体ID必须全文件一致。同一个染色体，在长度表里叫“chr1”，在标记文件里叫“1”，程序就会当作两条不同的染色体处理，画出来要么缺染色体，要么标记全挤在一个莫名其妙的位置。这种错误不报错、不提示，图表看起来也正常，等你提交审稿时被审稿人抓住才麻烦。
2.2 密度数据：窗口才是核心概念
密度图其实是在回答一个问题：每个区间里有多少个我们关心的事件。以SNP密度为例，做法是把染色体划分成等长的窗口，统计每个窗口内的SNP个数。窗口大小直接决定图片