图/分析	核心包	算法	说明什么问题
火山图	limma	线性模型+经验贝叶斯	哪些基因在肿瘤vs正常中差异表达
差异表达热图	pheatmap	层次聚类（欧氏距离）	差异基因在样本间的表达模式分布
GO条形图	clusterProfiler	超几何检验+BH校正	差异基因富集在哪些生物学功能
KEGG气泡图	clusterProfiler	超几何检验+BH校正	差异基因富集在哪些信号通路
GSEA曲线	clusterProfiler	基因集排序统计（KS检验）	通路基因是否系统性地在上/下调端富集
免疫浸润堆叠图	immunedeconv/TIMER	反卷积算法	肿瘤微环境中各免疫细胞比例
免疫相关性热图	pheatmap	Spearman相关+层次聚类	免疫细胞之间共存或排斥关系
LASSO Cox建模	glmnet	L1正则化Cox回归	从大量基因中筛选关键预后基因
KM生存曲线	survminer/survival	Kaplan-Meier+log-rank检验	不同风险组的生存差异是否显著
Nomogram列线图	rms	参数生存模型（psm）	可视化预测个体1/3/5年生存概率
ROC曲线	survivalROC	时间依赖ROC+AUC	预后模型的预测准确性
校准曲线	rms	实测vs预测生存率对比	模型预测值与真实值的吻合程度
DCA曲线	rmda	净获益决策分析	模型在临床决策中的实际获益
森林图	ggplot2	多因素Cox回归HR+CI	哪些临床变量是独立预后因素

---

整体逻辑链：

找差异（limma）
    ↓
解释功能（GO/KEGG/GSEA）
    ↓
找免疫相关（TIMER）
    ↓
建预后模型（LASSO Cox）
    ↓
验证模型（KM/ROC/校准曲线/DCA）
    ↓
临床可用化（Nomogram/森林图）

这就是一篇完整生信预后文章的标准流程