# 用你的差異表現分析結果畫火山圖

> 上傳 DESeq2、edgeR、limma 或 Cuffdiff 的結果表，Yila 會先核對倍數變化的方向，再依你的門檻值為基因著色、標註關鍵基因，並儲存基因數統計與程式碼。

URL: https://yila.ai/zh-TW/playbooks/volcano-plot

## 你會得到

- **火山圖** (PNG + SVG): 橫軸為倍數變化、縱軸為 −log10 校正後 p 值，畫出門檻線，上調與下調基因分別著色，標註最顯著的基因，並在圖例中列出基因數。
- **標註基因列表** (CSV): 圖上標出的基因及其倍數變化、p 值與 q 值，可直接寫進圖說。
- **基因數統計** (CSV): 檢定、上調、下調與排除的基因各有多少，讓內文的數字與圖一致。
- **分析程式碼** (Python 程式碼): 完整的 Python 繪圖程式碼（需要的話也可以是 R），換門檻或換一組比較，只要改一行。

## 運作方式

1. **上傳結果表，說明比較組別**: 把差異表現分析工具輸出的結果表交給 Yila，並說明是哪一組與哪一組比較。DESeq2、edgeR、limma 或 Cuffdiff 的原始輸出都能直接使用。
2. **Yila 核對方向與特殊值**: 它會確認工具把哪一組當作參考組，必要時反轉正負號，確保「上調」真的是上調。畫圖之前，它也會先找出倍數變化為無限大，以及 p 值落在工具下限的基因。
3. **取得圖、表格和程式碼**: 火山圖畫好後會檢查標籤是否重疊，再與基因列表和程式碼一起儲存。想換門檻、改為標註你自己的基因列表，或改用期刊配色，在同一個對話裡提出即可。

## 適用情境

- **RNA-Seq 結果圖**: 多數轉錄體研究論文在結果一開頭放的那張總覽圖。
- **蛋白質體學與代謝體學**: 只要每個特徵都有效應量和校正後 p 值，做法完全相同。
- **核對公開資料集**: 把 GEO 上的結果表畫成圖，在採用之前，先看看論文報告的基因是否真的突出。

## 常見問題

### 什麼是火山圖？

一種散布圖：橫軸是每個基因的倍數變化，縱軸是這項變化的顯著性，以 p 值或 q 值的 −log10 表示。變化幅度大又可靠的基因會落在左右兩個上角，這正是火山圖要呈現的。

### 為什麼倍數變化的方向很重要？

各種工具都是相對於某個參考組來定義倍數變化，而參考組不一定是你以為的那一組。例如 Cuffdiff 報告的是樣本 2 相對於樣本 1。範例中的結果表是未處理組相對於 dexamethasone 處理組，如果照原樣畫圖，每個被誘導表現的基因都會顯示成受到抑制。Yila 會檢查這一點，並告訴你它做了什麼處理。

### 門檻值該怎麼設定？

常見的選擇是 |log2 倍數變化| ≥ 1（即兩倍變化），且校正後 p 值小於 0.05，範例用的就是這組標準。你的領域若習慣其他數值，請在需求中說明。

### 倍數變化為無限大或 p = 0 的基因怎麼處理？

倍數變化為無限大，是因為該基因在其中一組沒有被偵測到。這些基因不畫進圖中，而是另行計數，不會堆在座標軸邊緣。p 值落在軟體下限的基因，會畫在下限的位置，並註明這一點。

### 可以自己選擇要標註哪些基因嗎？

可以。預設標註最顯著的基因；你也可以提供感興趣的基因列表，或改為依倍數變化大小標註前幾名。

### 用 R 還是 Python？

兩者皆可。範例使用 Python 的 matplotlib；用 R 時，Yila 會使用 ggplot2 搭配 ggrepel，或 EnhancedVolcano。

### 範例資料從哪裡來？

來自公開的 GEO 資料系列 GSE52778，也就是 Himes 等人 2014 年發表於 PLOS ONE 的研究所使用的 RNA-Seq 資料。Yila 從不拿使用者的資料當作範例。

---

- [用你的差異表現分析結果畫火山圖](https://yila.ai/zh-TW/playbooks/volcano-plot)
- [llms.txt](https://yila.ai/zh-TW/llms.txt)
