关键词搜索适合发现，不一定适合判断
输入“cancer”会得到大量相关记录，但研究者真正关心的可能是某个组织、变异类型、样本条件或证据来源。继续增加关键词有时能缩小结果，也可能因为命名差异漏掉重要条目。
分面检索把数据中已有的维度展示出来，让使用者从物种、染色体、组织、研究类型或其他属性逐步筛选。它同时也是理解数据结构的过程。
好的分面会告诉你数据长什么样
如果一个筛选项只有少数值，用户可以直接浏览；如果有数千个值，就需要排序、搜索和相关性提示。原BioCarian研究特别讨论了分面值排名、颜色提示和重要值展示，这些设计不是装饰，而是帮助使用者在复杂数据中找到方向。
分面数量并非越多越好。与当前问题无关的筛选器会增加认知负担，也容易让用户误以为所有维度都同样可靠。 可参阅常见问题索引核对设备信息。
每次筛选都应留下可读条件
复杂查询常见的问题是用户忘记自己已经选择了哪些条件。一个清楚的条件框应以自然语言显示当前范围，并允许逐项移除或恢复。这样结果突然变少时，使用者可以追查是哪一个条件造成。
保存查询时，也应保存数据库版本与日期。否则同一组筛选条件在资料更新后可能得到不同结果。
从探索走向验证
分面检索适合发现模式，但排序靠前不等于科学上显著。看到某个组织、基因或变异频繁出现后，还需要检查样本构成、数据收集方式和统计方法。探索界面帮助提出更好的问题，不能代替验证过程。
最稳妥的使用顺序是：先用关键词进入主题，再用分面观察维度，保存条件与候选结果，最后回到原始数据和研究方法验证。 相关方法也整理在研究资料目录。
筛选条件也属于研究结果
当关键词太宽时，分面检索如何帮助研究者缩小问题涉及的判断如果只停留在操作当下，过几天就很难回忆。可以把对象、来源、日期、设备或数据库版本放在同一条记录里，再补一句当时为何做出这个选择。这样留下的不是流水账，而是一条能够回到原始条件的线索。
先用一个分面缩小结果
面对当关键词太宽时，分面检索如何帮助研究者缩小问题这类问题，先挑一份不敏感、结果容易观察的资料做小规模测试。把预期结果写下来，完成一次操作后再比较差异。若结果与预期不同，应保留差异本身，不急着把它改写成成功案例。