研究生毕业难？论文不过审、图表不合格？别再盯着代码发呆了！读文献先读图！3分钟教会你读懂火山图！-优快云博客

本文链接：https://blog.youkuaiyun.com/2501_90295120/article/details/148115051

"导师让我分析火山图，可那些红点蓝点到底啥意思？"
"明明P值<0.05，为什么老板说结果不显著？"

别慌！火山图作为组学研究神器，其实藏着读图的黄金法则。今天手把手带你破解基因表达背后的秘密👇

火山图真相｜别被名字骗了！

❌ 常见误解：火山图只能看基因差异？
✅ 真相：它是「差异显著性探测器」！

横轴：log₂FC（差异倍数）→ 数值越大，基因表达变化越剧烈
纵轴：-log₁₀(P值)→ 颜色越深，结果越可信（P<0.05为显著）
颜色编码：
🔴 红点：显著上调基因（如炎症因子）
🔵 蓝点：显著下调基因（如抑癌基因）
⚪ 灰点：背景噪音（忽略它！）

经典案例：
某肿瘤研究火山图中，红色簇集中出现EGFR基因，提示该靶点可能是关键致癌通路！

读图三板斧｜秒变分析高手

1. 先看趋势，再看数值

离群点警报：远离中心的红/蓝点可能是关键差异基因（如某代谢酶FC=5，P=1e-6）
边缘地带慎判：靠近虚线的点（如log₂FC=0.5）可能存在假阳性

2. 颜色陷阱早规避

多重检验校正：未校正的P值可能虚高（记得看FDR值！）
样本量陷阱：小样本火山图容易放大噪声（≥30例才靠谱）

3. 临床意义大拷问

生物学重复：同一基因在3个样本中持续差异才有价值
通路富集：用DAVID工具验证红点是否属于同一代谢通路

代码实操｜手把手画火山图

# 代码来源：https://www.r2omics.cn/# 加载R包，没有安装请先安装  install.packages("包名") library(ggplot2)# 读取火山图数据文件data = read.delim("https://www.r2omics.cn/res/demodata/Volcano.txt",                  header = T    # 指定第一行是列名)# 建议您的文件里对应的名称跟demo数据一致，这样不用更改后续代码中的变量名称FC = 1.5 # 用来判断上下调，一般蛋白质组的项目卡1.5PValue = 0.05 #用来判断上下调# 判断每个基因的上下调,往数据框data里新增了sig列data$sig[(-1*log10(data$PValue) < -1*log10(PValue)|data$PValue=="NA")|(log2(data$FC) < log2(FC))& log2(data$FC) > -log2(FC)] <- "NotSig"data$sig[-1*log10(data$PValue) >= -1*log10(PValue) & log2(data$FC) >= log2(FC)] <- "Up"data$sig[-1*log10(data$PValue) >= -1*log10(PValue) & log2(data$FC) <= -log2(FC)] <- "Down"# 绘图p = ggplot(data,aes(log2(FC),-1*log10(PValue))) +    # 加载数据，定义横纵坐标  geom_point(aes(color = sig)) +                           # 绘制散点图，分组依据是数据框的sig列  labs(title="volcanoplot",                                # 定义标题，x轴，y轴名称       x="log[2](FC)",        y="-log[10](PValue)") +   scale_color_manual(values = c("#619cff","grey","#f8766d")) + # 自定义颜色，将values更改成你想要的三个颜色  geom_hline(yintercept=-log10(PValue),linetype=2)+        # 在图上添加虚线  geom_vline(xintercept=c(-log2(FC),log2(FC)),linetype=2)+  theme_bw()p