# 用差异表达结果画火山图

> 上传 DESeq2、edgeR、limma 或 Cuffdiff 的结果表，Yila 先核对倍数变化的方向，再按你的阈值给基因着色、标注关键基因，同时保存计数和代码。

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

## 你会得到

- **火山图** (PNG + SVG): 横轴为倍数变化，纵轴为 −log10 校正后 P 值，画出阈值线，上调和下调基因分别着色，标注最显著的基因，图例中注明数量。
- **标注基因表** (CSV): 图上标注的基因及其倍数变化、P 值和 q 值，写图注时直接用。
- **计数** (CSV): 检验了多少基因、上调多少、下调多少、排除多少，保证正文里的数字和图一致。
- **分析代码** (Python 代码): 完整的 Python 作图代码（需要的话也可以是 R），换阈值或换比较组只需改一行。

## 怎么做

1. **上传结果表，说明比较组**: 把差异分析工具输出的结果表交给 Yila，说明是哪一组和哪一组比较。DESeq2、edgeR、limma 或 Cuffdiff 的原始输出都可以直接用。
2. **Yila 核对方向和特殊值**: 它先确认工具把哪一组当作参照，必要时翻转符号，保证“上调”真的是上调；作图前还会找出倍数变化为无穷大和 P 值落在软件下限的基因。
3. **拿到图、表和代码**: 图渲染出来后检查标签是否重叠，再与基因表和代码一起保存。想换阈值、标注你自己的基因列表或改用期刊配色，在同一个对话里说就行。

## 适合这些场景

- **RNA-Seq 结果图**: 大多数转录组论文在结果部分开篇用的那张总览图。
- **蛋白组与代谢组**: 只要每个特征都有效应量和校正后 P 值，做法完全一样。
- **核对公开数据**: 把 GEO 上的结果表画出来，先看看文章报道的基因是否真的突出，再决定是否采用。

## 常见问题

### 什么是火山图？

把每个基因的倍数变化（横轴）和这种变化的显著性（纵轴，即 P 值或 q 值的 −log10）画在一起的散点图。变化大又可靠的基因会落在左右两个上角，这正是火山图要展示的。

### 为什么要核对倍数变化的方向？

各种工具都是相对某个参照组计算倍数变化的，而参照组不一定是你以为的那一组。比如 Cuffdiff 报告的是样本 2 除以样本 1。示例中的表是未处理组除以地塞米松组，如果直接作图，所有被诱导的基因都会显示成下调。Yila 会检查这一点，并告诉你它做了什么处理。

### 阈值该怎么设？

常用的是 |log2 倍数变化| ≥ 1（即两倍变化）且校正后 P 值小于 0.05，示例用的就是这个标准。你所在领域如果习惯其他数值，在请求里说明即可。

### 倍数变化为无穷大或 P = 0 的基因怎么处理？

倍数变化为无穷大，通常是某一组里没有检测到该基因。这类基因不画进图里，而是单独计数，不会堆在坐标轴边缘。P 值落在软件下限的基因按下限画出，并注明这一点。

### 能自己指定标注哪些基因吗？

可以。默认标注最显著的基因，你也可以提供感兴趣的基因列表，或者改为按倍数变化大小标注前几名。

### 用 R 还是 Python？

都可以。示例用的是 Python 的 matplotlib；用 R 时 Yila 会用 ggplot2 配合 ggrepel，或 EnhancedVolcano。

### 示例用的数据从哪里来？

来自公开的 GEO 数据集 GSE52778，即 Himes 等人 2014 年发表于 PLOS ONE 的研究所用的 RNA-Seq 数据。Yila 从不拿用户的数据做示例。

---

- [用差异表达结果画火山图](https://yila.ai/zh/playbooks/volcano-plot)
- [llms.txt](https://yila.ai/zh/llms.txt)
