朋友圈最火热的“火山图”（带R代码分享）

暑假到了，在这个火热的夏日，还有比一张美丽的文章主图更能让我们充满激情和力量吗？在这组学撑起生物信息学半边天的时代，火山图，在转录组、蛋白组、代谢组等多种组学数据中，都占有举足轻重的地位。

那么，什么是火山图（Volcano Plot）。正如名称所描述，火山图的图形非常像火山喷发的形状。火山图通常用来展示差异表达的基因，常常出现在芯片、转录组、蛋白组、代谢组等组学检测技术的结果中，并且通常伴随热图一起出现。

火山图是散点图的一种展现形式。以实验组和对照组转录组数据为例，一张完美的火山图，通常由几个部分组成，显著上调差异表达基因，显著下调差异表达基因。一般来说， x 轴为实验组基因表达量比上对照组基因表达量的倍数差异，而 y 轴则为实验组比对照组之后的 p 值或者校正后的 p 值。火山图上，一个点代表一个基因，而颜色则代表他们是显著上调还是显著下调。

好了，基础知识就介绍到这里，下面让我们来看如何绘制一张完美的火山图。

首先，让我们先看一下数据。我们的数据使用的是 RNAseq 表达谱计算出来的差异基因，差异基因的计算方法为 limma 。在 RNAseq 分析中，使用较多的计算差异基因的软件为 DESeq2 和 limma 。差异分析结果文件我们存储在 DEGdata.txt 文件中，使用 excel 打开改文件，一共有 7 列数据：第一列 Symbol 为基因名；第二列 logFC 为实验组比上对照组的倍数差异，其中大于 0 为实验组上调基因，小于 0 为实验组下调基因；第三列 AveExpr 为该基因在所有样本中表达量均值；第四列 t 为 t 统计量；第五列 P.value 为实验组比对照组的 P 值；第六列 adj.p.value 为校正后的 P 值，因为基因和基因并不是相互独立的，所以我们需要对 P 值进行校正来降低结果的假阳性，常用的校正方法为 FDR 校正；第七列 B 为 B 统计量。

然后，让我们打开 Rstudio ，开始安装一些必须的包，这里推荐一款 ggplot2 一键绘图神器， ggpubr (http://www.sthda.com/english/articles/24-ggpubr-publication-ready-plots/) 。这个包是在 ggplot2 的基础上，整合了很多绘图函数，对用户十分友好。另外需要用到的一个包围 ggthemes ，这个包整合了很多 ggplot2 的绘图主题，对科研人员十分友好。

在包安装完成之后，我们将它们加载到 R 环境中。接下来就是读取我们差异基因的文件了。差异基因文件我们存储在 DEGdata.txt 文件中。

在 R中查看文件前 6 行。

这 7 列文件之前已经介绍过，我们画火山图，只需要其中的 logFC 和 adj.P.val 就可以了。在绘图之前，我们需要对 adj.P.val 进行转换，将它的值变成 -1 * log10 ，这样的话可以拉开差异表达基因之间的间距。

接下来就是绘制火山图了~ 代码如下：

画出来的火山图是这样色儿的：

当然，直接这么画火山图，结果是非常丑的。编辑们看到了，估计会直接拒稿吧(╥╯^╰╥)，所以我们需要对它进行美化~

首先需要区分其中哪些是显著差异表达基因。因此，我们需要对logFC和adj.P.val两列进行过滤。在本文中，我们设置的过滤的条件为，adj.P.val小于0.05并且logFC大于2（4倍差异）为显著上调差异表达基因，adj.P.val小于0.05并且logFC小于-2（4倍差异）为显著下调差异表达基因。大家可以根据实验结果，适当调整logFC。