Color can add dimensionality and richness to scientific communications. In figures, color is typically used to differentiate information into classes. The challenge is picking colors that are discriminable. A systematic approach to choosing colors can help us find a lineup effective for color coding.
顏色常用來添加圖表維度和豐富度的工具，如何良好的使用顏色，來區隔資訊，也是一門技巧。其中，最常用的配色方式便是使用“rainbow”方式來表現不同的數值。
在編碼資訊上，顏色較不適合用來編碼量化(quantitative)的資訊，舉例來說，藍色和黃色你有辦法區分誰大誰小嗎？應該很困難吧！反之，顏色很適合用來當作類別(catagorical)資料的編碼，可相對清楚地讓觀察者理解兩種不同的物件。
顏色是一種相對的媒介(relative medium)，很容易受到周遭其他顏色的影響，比如隔壁的顏色，或是背景色，都會改變觀看者對顏色的感受。如下圖的a/b，可以看到兩個一樣的墨綠色，在不同背景色時的差異，下圖的c，是常見的熱圖(heatmap)，星號註記的是一樣的顏色，但在周圍的顏色襯托下，感覺就不太一樣。
我們所看到的每個顏色由三個屬性所決定：色調(hue)、飽和度(saturation)、亮度(lightness)，有一個挑選具有高度差異性顏色的方法，便是用螺旋狀的方式搭配亮度在常見的色彩挑選工具上，可以輕易地挑選出符合目的色彩，如下面的展示圖，可以看到在原形狀的色球上，從中心往外螺旋狀地挑色塊，能達到上面說的目的，實務上，挑出6-8組顏色具有高度分辨率是容易的，而在增加組數，就一定會有相似的顏色出現，需要利用其他的方式來增加分辨能力，如形狀等。
閱讀參考
Bang Wong.(2010) Points of view: Color coding.
Nature Methods.volume 7, page 573
我們的基因體時代 Our "Gene"ration 