跟着Nature文章绘制转录组火山图

跟着Nature文章绘制转录组火山图

火山图是一种用于可视化基因表达数据的图形，通常用于比较不同条件下的基因表达差异。它结合了基因的显著性（P值）和表达变化（Fold Change），能够快速识别出显著上调或下调的基因。本文将介绍火山图的原理，并通过复现一篇Nature文章的火山图来展示具体的操作过程。

火山图介绍

简介

火山图是一种用于可视化基因表达数据的图形，通常用于比较不同条件下的基因表达差异。它结合了基因的显著性（P值）和表达变化（Fold Change），能够快速识别出显著上调或下调的基因。

原理

火山图的横轴表示基因表达的对数变化（Log2 Fold Change），而纵轴表示显著性水平的负对数（-log10(P值)）。通过这种方式，图中的每个点代表一个基因，点的位置反映了该基因在不同条件下的表达变化和显著性。

功能

• 识别显著基因：快速识别上调和下调的基因。
• 可视化数据：将复杂的基因表达数据以直观的方式呈现。
• 阈值设定：通过设定阈值，筛选出感兴趣的基因。

注意事项

• 数据预处理：确保数据经过适当的标准化和预处理。
• 阈值选择：选择合适的阈值以避免假阳性或假阴性。
• 样本量：样本量不足可能导致结果不可靠。

阈值的选取

• Fold Change：通常选择2倍变化（Log2 Fold Change ≥ 1或≤ -1）作为上调或下调的阈值。
• P值：常用的显著性水平为0.05（-log10(P值) ≥ 1.3），但根据具体研究可调整。

实战演练

接下来就让我们通过复现一篇Nature文章的火山图，文献为：

数据可以从文章中下载，数据格式为：

library(readxl)
library(tidyverse)
library(ggthemes)
library(ggsci)

reshighctrl <- read_excel("./41586_2023_6990_MOESM7_ESM.xlsx", sheet = "Extended Data Figure 2", na = "NA")

lfc <- 1
pval <- 0.1

source("theme_bipin.r") 

reshighctrl %>%
  mutate(color = case_when(
    abs(log2FoldChange) > lfc & padj > pval ~ "grey",
    abs(log2FoldChange) < lfc & padj < pval ~ "grey",
    abs(log2FoldChange) > lfc & padj < pval ~ "#ED8172",
    abs(log2FoldChange) < lfc & padj > pval ~ "grey"
  ),
  plot_label = case_when(
    abs(log2FoldChange) > lfc & padj < pval ~ symbol
  ),
  plot_label = gsub("\\.", NA, plot_label)
) %>%
  ggplot(aes(log2FoldChange, -log10(padj), fill = color, label = plot_label)) + 
  geom_point(alpha = 1, size = 4, pch = 21) + 
  ggrepel::geom_label_repel(alpha = 1, family = "sans", color = "black", fill = "white", face = "italicize") +
  labs(x = expression(Log[2]~fold~change), y = expression(-~Log[10]~padj~value)) +
  geom_vline(xintercept = c(-lfc, lfc), linetype = 2) + 
  geom_hline(yintercept = -log10(pval), linetype = 5) +
  xlim(-3, 3) +
  theme_bipin() +
  theme(axis.title = element_text(size = 16),
        text = element_text(family = "sans"))

ggsave("./Fig/volcano.pdf", width = 6, height = 6)

theme_bipin <- function(base_size = 14, base_family = "arial") {
  library(grid)
  library(ggthemes)
  library(ggsci)
  (theme_foundation(base_size = base_size, base_family = base_family)
    + theme(plot.title = element_text(face = "bold",
                                      size = rel(1.2), hjust = 0.5),
            text = element_text(),
            panel.background = element_rect(colour = NA),
            plot.background = element_rect(colour = NA),
            panel.border = element_rect(colour = NA),
            axis.title.y = element_text(angle = 90, vjust = 2),
            axis.title.x = element_text(vjust = -0.2))
}

复现结果图：