# Haz un volcano plot con tus resultados de expresión diferencial

> Sube la tabla de resultados de DESeq2, edgeR, limma o Cuffdiff. Yila comprueba el sentido del fold change, aplica tus umbrales, colorea y etiqueta los genes relevantes, y guarda los recuentos y el script.

URL: https://yila.ai/es/playbooks/volcano-plot

## Lo que obtienes

- **Volcano plot** (PNG + SVG): El fold change frente al −log10 del valor p ajustado, con líneas de umbral, los genes al alza y a la baja coloreados, los más significativos etiquetados y los recuentos en la leyenda.
- **Genes etiquetados** (CSV): Los genes que aparecen nombrados en el gráfico, con su fold change, su valor p y su valor q, listos para el pie de figura.
- **Recuentos** (CSV): Cuántos genes se analizaron, cuántos suben, cuántos bajan y cuántos se excluyeron, para que las cifras del texto coincidan con la figura.
- **El script** (Script de Python): El gráfico completo en Python (o en R, si lo pides), para que cambiar los umbrales o la comparación sea cuestión de una línea.

## Cómo funciona

1. **Sube los resultados e indica la comparación**: Dale a Yila la tabla de tu herramienta de expresión diferencial e indica qué grupo se comparó con cuál. La salida sin modificar de DESeq2, edgeR, limma o Cuffdiff sirve tal cual.
2. **Yila comprueba el sentido y los casos límite**: Determina qué grupo usó la herramienta como referencia e invierte el signo si hace falta, para que «al alza» signifique de verdad al alza. Antes de dibujar, también localiza los fold change infinitos y los valores p en el mínimo de la herramienta.
3. **Obtén el gráfico, las tablas y el script**: El gráfico se genera, se comprueba que las etiquetas no se solapen y se guarda con las tablas de genes y el script. Pide otros umbrales, que se etiquete tu propia lista de genes o los colores de una revista en la misma conversación.

## Pensado para

- **Una figura de resultados de RNA-Seq**: La figura de conjunto con la que abren sus resultados la mayoría de los artículos de transcriptómica.
- **Proteómica y metabolómica**: Cualquier tabla con un tamaño del efecto y un valor p ajustado para cada elemento medido funciona igual.
- **Comprobar un conjunto de datos público**: Representa una tabla de resultados de GEO para ver si los genes publicados destacan de verdad antes de usarlos.

## Preguntas frecuentes

### ¿Qué es un volcano plot?

Un gráfico de dispersión, también llamado gráfico de volcán, que enfrenta el fold change de cada gen (eje x) con la significación de ese cambio, expresada como −log10 del valor p o q (eje y). Los genes que cambian mucho y de forma fiable quedan en las esquinas superiores, que es justo lo que el gráfico pretende mostrar.

### ¿Por qué importa el sentido del fold change?

Las herramientas definen el fold change respecto a un grupo de referencia, y la referencia no siempre es la que esperas. Cuffdiff, por ejemplo, da la muestra 2 sobre la muestra 1. En el ejemplo, la tabla estaba calculada como sin tratar sobre dexametasona, así que, dibujada tal cual, todos los genes inducidos habrían aparecido como reprimidos. Yila lo comprueba y te dice qué ha hecho.

### ¿Qué umbrales debo usar?

Una elección habitual es |log2 fold change| ≥ 1 (un cambio de dos veces) con un valor p ajustado inferior a 0.05, que es lo que usa el ejemplo. Tu campo puede preferir otros valores; indícalo en la solicitud.

### ¿Qué pasa con los genes con fold change infinito o p = 0?

Los fold change infinitos proceden de genes no detectados en uno de los grupos. Se excluyen del gráfico y se contabilizan, en lugar de amontonarse en el borde del eje. Los valores p que están en el mínimo del programa se dibujan en ese mínimo y se señalan como tales.

### ¿Puedo elegir qué genes se etiquetan?

Sí. Por defecto se etiquetan los más significativos; puedes dar una lista de genes de interés o pedir, en su lugar, los genes con mayor fold change.

### ¿R o Python?

Cualquiera de los dos. El ejemplo usó Python con matplotlib; en R, Yila usa ggplot2 con ggrepel, o EnhancedVolcano.

### ¿De dónde proceden los datos del ejemplo?

De la serie pública GSE52778 de GEO, los datos de RNA-Seq en los que se basa el estudio de Himes et al. (PLOS ONE, 2014). Yila nunca usa datos de usuarios como ejemplos.

---

- [Haz un volcano plot con tus resultados de expresión diferencial](https://yila.ai/es/playbooks/volcano-plot)
- [llms.txt](https://yila.ai/es/llms.txt)
