Hiplot 是 openbiox 开源社区维护的云端生物医学数据可视化工具，提供 280 多项生物医学可视化与建模功能，覆盖基础统计、回归分析、聚类分析、基因组学等多个领域；支持热图、散点图等多种展示方式，兼容 JSON、CSV 等数据格式。

Hiplot系统采用模块化设计，包含基础统计、聚类分析、基因组学等模块，满足多组学数据分析需求。交互式界面便于用户探索数据，丰富的绘图功能可生成高质量图表，辅助科研与教学。Hiplot主要解决现有组学平台“发表级生物医学数据可视化功能较弱”的问题，同时满足“基于可视化的数据建模”需求。

Hiplot核心功能

  • 多维数据展示：提供平行坐标图、散点图、热图、主成分分析、矩阵气泡图等多种方式，适合分析高维数据集。

  • 交互式探索：支持拖拽、缩放等操作，帮助用户发现数据中的模式和相关性。

  • 多格式兼容：支持 JSON、CSV 及 Pandas DataFrame 等数据格式，方便数据导入与分析。

  • 丰富绘图选项：包含 60 多项基础可视化和 50 多项进阶绘图功能，满足不同科研绘图需求。

  • 数据分析支持：提供在线 blast、SRA 数据下载、GO/KEGG 富集分析等功能，辅助多组学数据分析和文本挖掘。

  • 模块化设计：涵盖基础统计、回归分析、聚类分析、基因组学、转录组学等模块，专注生物医学数据可视化。

  • 数据安全存储：为每位用户提供云存储空间，永久保存任务结果和重要数据，保障安全性与私密性。

  • 任务管理：以列表形式统一管理所有任务，方便随时查看、下载或修改结果。

Hiplot应用场景

  • 生物医学研究：绘制基因表达数据、蛋白质结构等图，揭示生物学规律，辅助医学研究与临床诊断。

  • 计算机科学：展示算法性能、代码分析等，帮助开发者优化程序设计。

  • 社会科学：分析调查问卷数据，可视化社会现象与趋势，支持社会科学研究。

  • 工程领域：处理和展示工程实验数据，辅助工程师理解与优化设计与流程。

Hiplot使用流程

  • 准备数据：将原始资料转换为标准结构化格式（如 Excel 导出为 .csv 文件）。

  • 上传数据：支持 Excel、CSV 等格式上传，平台自动解析数据并生成默认图形，提供初步可视化效果。

  • 编辑图形：通过丰富的编辑选项调整图形参数，实时预览效果直至满意。

  • 保存与分享：可将图形保存为 PNG、JPEG 等格式或下载数据文件，也能生成分享链接便于成果共享。

Hiplot适用人群

科研人员：生物医学、计算机科学、社会科学、工程等领域需数据可视化的研究者。

学生：科研新手可借助丰富的图表模板和易用界面快速上手科研绘图。

资源与操作指南

  • 教程资源

  • 基础使用：Hiplot (ORG) Tutorial（面向普通用户的操作教程）。

  • 开发教程：Development Tutorial（含 Bs4Dash 框架介绍，面向插件开发者）。

    下载资源

  • 提供多操作系统桌面端与终端 CLI 工具，下载地址见链接，适配系统包括：

  • Windows：Windows 桌面端与终端 CLI 工具。

  • Mac：Mac 桌面端与终端 CLI 工具（适配 Mac OS X）。

  • Linux：Linux 桌面端与终端 CLI 工具。

    常用命令

  • 登录系统：hctl login

  • 查询数据配置：hctl config basic/heatmap

  • 提交任务并查看结果：hctl plot -p basic-heatmap-params.json --load-example true -o heatmap