# Créez un volcano plot à partir de vos résultats d’expression différentielle

> Importez le tableau de résultats de DESeq2, edgeR, limma ou Cuffdiff. Yila vérifie le sens du fold change, applique vos seuils, colore et étiquette les gènes qui comptent, puis enregistre les décomptes et le script.

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

## Ce que vous obtenez

- **Le volcano plot** (PNG + SVG): Le −log10 de la valeur p ajustée en fonction du fold change, les lignes de seuil, les gènes surexprimés et sous-exprimés en couleur, les gènes les plus significatifs étiquetés et les décomptes dans la légende.
- **Les gènes étiquetés** (CSV): Les gènes nommés sur la figure, avec leur fold change, leur valeur p et leur valeur q, prêts pour la légende de la figure.
- **Les décomptes** (CSV): Le nombre de gènes testés, surexprimés, sous-exprimés et exclus, pour que les chiffres de votre texte correspondent à la figure.
- **Le script** (Script Python): Le code complet de la figure en Python (ou en R sur demande) : de nouveaux seuils ou une nouvelle comparaison ne demandent qu’une ligne.

## Les étapes

1. **Importez les résultats et nommez la comparaison**: Donnez à Yila le tableau produit par votre outil d’expression différentielle et indiquez quel groupe a été comparé à quel autre. La sortie brute de DESeq2, edgeR, limma ou Cuffdiff s’utilise telle quelle.
2. **Yila vérifie le sens et les cas limites**: Il repère le groupe que l’outil a pris comme référence et inverse le signe si nécessaire, pour qu’une hausse soit bien une hausse. Avant de tracer, il détecte aussi les fold changes infinis et les valeurs p au plancher de l’outil.
3. **Récupérez la figure, les tableaux et le script**: La figure est générée, vérifiée pour éviter les chevauchements d’étiquettes, puis enregistrée avec les tableaux de gènes et le script. Demandez d’autres seuils, votre propre liste de gènes à étiqueter ou les couleurs d’une revue dans la même conversation.

## Utile pour

- **Une figure de résultats RNA-Seq**: La figure de synthèse qui ouvre la section Résultats de la plupart des articles de transcriptomique.
- **Protéomique et métabolomique**: Tout tableau avec une taille d’effet et une valeur p ajustée par variable mesurée fonctionne de la même façon.
- **Vérifier un jeu de données public**: Tracez un tableau de résultats GEO pour voir si les gènes publiés se démarquent vraiment avant de vous en servir.

## Questions fréquentes

### Qu’est-ce qu’un volcano plot ?

Un nuage de points qui place le fold change de chaque gène (x) face à la significativité de cette variation, exprimée en −log10 de la valeur p ou q (y). Les gènes qui varient beaucoup et de façon fiable se retrouvent dans les coins supérieurs : c’est tout l’intérêt du graphique.

### Pourquoi le sens du fold change compte-t-il ?

Les outils définissent le fold change par rapport à un groupe de référence, qui n’est pas toujours celui que vous attendez. Cuffdiff, par exemple, rapporte l’échantillon 2 sur l’échantillon 1. Dans l’exemple, le tableau était calculé non traité sur dexaméthasone : tracé tel quel, chaque gène induit serait apparu comme réprimé. Yila le vérifie et vous indique ce qu’il a fait.

### Quels seuils choisir ?

Un choix courant est |log2 fold change| ≥ 1 (une variation d’un facteur deux) avec une valeur p ajustée inférieure à 0,05 ; c’est ce qu’utilise l’exemple. Votre discipline peut préférer d’autres valeurs : précisez-les dans la demande.

### Que deviennent les gènes à fold change infini ou à p = 0 ?

Un fold change infini vient d’un gène non détecté dans l’un des groupes. Ces gènes sont exclus de la figure et comptés, au lieu d’être empilés au bord de l’axe. Les valeurs p au plancher du logiciel sont tracées à ce plancher et signalées comme telles.

### Puis-je choisir les gènes étiquetés ?

Oui. Par défaut, les plus significatifs sont étiquetés ; vous pouvez fournir une liste de gènes d’intérêt, ou demander plutôt les gènes au plus fort fold change.

### R ou Python ?

Les deux. L’exemple a été réalisé en Python avec matplotlib ; en R, Yila utilise ggplot2 avec ggrepel, ou EnhancedVolcano.

### D’où viennent les données de l’exemple ?

De la série GEO publique GSE52778, les données RNA-Seq de l’étude de Himes et al. (PLOS ONE, 2014). Yila n’utilise jamais les données de ses utilisateurs comme exemples.

---

- [Créez un volcano plot à partir de vos résultats d’expression différentielle](https://yila.ai/fr/playbooks/volcano-plot)
- [llms.txt](https://yila.ai/fr/llms.txt)
