R語言學習之火山圖的繪制詳解

更新時間：2022年03月01日 15:14:43 作者：生信寶典

火山圖作為散點圖的一種，將統(tǒng)計測試中的統(tǒng)計顯著性量度和變化幅度相結合，從而能夠幫助快速直觀地識別那些變化幅度較大且具有統(tǒng)計學意義的數(shù)據(jù)點。本文將為大家詳細介紹如何利用R語言繪制火山圖，需要的可以參考一下

火山圖

火山圖用于展示基因表達差異的分布，橫軸為Log2 Fold Change，越偏離中心差異倍數(shù)越大；縱軸為(-1)*Log10 P_adjust，值越大差異越顯著。一般橫軸越偏離中心的點其縱軸值也會比較大，因此呈現(xiàn)火山噴發(fā)的形狀。

一步繪制火山圖

輸入數(shù)據(jù)格式

火山圖需要的數(shù)據(jù)格式如下 (本文用到的數(shù)據(jù)文件名為volcano.txt，文末有下載鏈接，此處截取一部分作為例子，也可用來畫圖，只是數(shù)據(jù)少，效果不明顯)

id: 不是必須的，但一般的軟件輸出結果中都會包含，表示基因名字。
log2FoldChange: 差異倍數(shù)的對數(shù)，一般的差異分析輸出結果中也會給出對數(shù)處理的值, 因此程序沒有提供這一步的計算操作。
padj: 多重假設檢驗矯正過的差異顯著性P值；一般的差異分析輸出結果為原始值，程序提供一個參數(shù)對其求取負對數(shù)。
significant: 可選列，標記哪些基因是上調(diào)、下調(diào)、無差異；若無此列或未在參數(shù)中指定此列，默認程序會根據(jù)padj列和log2FoldChange列根據(jù)給定的閾值自動計算差異基因，并作出不同顏色的標記。
label: 可選列，一般用于在圖中標記出感興趣的基因的名字。非-行的字符串都會標記在圖上。

id	log2FoldChange	padj	significant	label
E00007	4.28238	0	EHBIO_UP	A
E00008	-1.1036	0.476466843393901	Unchanged	-
E00009	-0.274368	1	Unchanged	-
E00010	4.62347	7.37606076333335e-103	EHBIO_UP	-
E00012	0.973987	0.482982440163204	Unchanged	-
E00017	-1.30205	0.000555693857439792	Baodian_UP	B
E00024	0.617636	2.78047837287061e-13	Unchanged	-
E00033	1.48669	2.56000581595275e-60	EHBIO_UP	-
E00034	-0.783716	0.00341521725291801	Unchanged	-
E00036	2.01592	6.03136656016401e-06	EHBIO_UP	C
E00040	-1.89657	4.73663890849056e-21	Baodian_UP	-
E00041	-0.268168	0.563429434558031	Unchanged	-
E00042	0.0861048	0.367700939634328	Unchanged	-
E00043	-1.19328	1.42673872027352e-153	Baodian_UP	-
E00044	-0.887981	2.43067804654905e-26	Unchanged	-
E00047	-0.610941	5.51696648645932e-57	Unchanged	-

使用significant列繪制火山圖

# -f: 指定輸入文件，格式如上
# -x: 指定橫軸變量，值為輸入文件中與取過對數(shù)的變化倍數(shù)相關的列的名字
# -y: 指定縱軸變量，值為輸入文件中與P-value
#     (也可能是p-adj，是否取過對數(shù)都可以)相關的列的名字
# -P: 若為TRUE，則表示對<-y>指定的列進行-log10轉換
# -L: 指定圖例的位置
# -s: 指定差異基因列
# -S: 指定差異基因列不同的標簽出現(xiàn)的順序
sp_volcano.sh -f volcano.txt -x log2FoldChange -y padj -s significant -S "'EHBIO_UP', 'Baodian_UP', 'Unchanged'" -P TRUE -L top

這個圖看上去還可以，沒有太大的問題。但有部分點與最頂端的線重合了，這些點的pvalue為0，取負對數(shù)后為負無窮。另外在一些情況下，會存在部分基因的pvalue極小，使得整張圖呈現(xiàn)一個壓縮的趨勢，大部分點偏安于圖的下方，中間大段空白，最上面零星幾個點。為了避免這種情況，程序設置了參數(shù)-M用于設定pvalue的最大的負對數(shù)，所有大于給定值的數(shù)，都會視為給定值。

# -M 10: 指定P-value(也可能是p-adj);若小于10^(-10)，則為10^(-10)
#        用于部分p-value存在異常值，導致整個圖都被壓縮在最底部
p_volcano.sh -f volcano.txt -x log2FoldChange -y padj -s significant -S "'EHBIO_UP', 'Baodian_UP', 'Unchanged'" -P TRUE -L top -M 10

注意看縱軸的變化，和最上面排成一條線的一堆點。

自動計算significant列繪制火山圖

若不存在significant列，程序會根據(jù)-F指定的參數(shù)計算并標記差異基因。-F的默認值為"0.05,1"(引號是必須的), 第一個數(shù)表示pvalue或padj，對應于<-y>列；第二個數(shù)表示對數(shù)轉換的差異倍數(shù)，對應于<-x>列。

# <-F "0.05,1">, 默認值，故命令行中未寫，引號是必須的
sp_volcano.sh -f volcano.txt -x log2FoldChange -y padj -P TRUE -L top

# -M 10: 與之前相同
sp_volcano.sh -f volcano.txt -x log2FoldChange -y padj -P TRUE -L top -M 10

火山圖中標記基因的名字

# -l: label，在圖中標記部分基因的名字；
# label為含有待標記基因名字的列名，此列中非<->的非空字符都會視為基因名字
sp_volcano.sh -f volcano.txt -x log2FoldChange -y padj -P TRUE -L top -M 10 -l label

label列中非-的值都會標記在圖上。