Volcano plot | 别再问我这为什么是火山图
火山图是散点图的一种,它将统计测试中的统计显著性量度(如p value)和变化幅度相结合,从而能够帮助快速直观地识别那些变化幅度较大且具有统计学意义的数据点(基因等)。常应用于转录组研究,也能应用于基因组,蛋白质组,代谢组等统计数据。
所以关注火山图(其它类型图也是),先理解每个点是什么(点代表基因、样品、通路或其它的,这个认识可以来自于常识,更准确的是看作者的描述),然后看横轴代表什么、纵轴代表什么,再看图例中展示的其他信息,如颜色、大小和形状分别代表什么。这些都理顺了,图理解就不难了。
如图一:
每个点代表一个检测到的基因。
横轴和纵轴用于固定点在空间的位置。
一般横轴是
Log2(fold change)
,点越偏离中心,表示差异倍数越大。纵轴是
-Log 10 (adjusted P-value)
,点越靠图的顶部表示差异越显著。点的大小和颜色也可以表示更多的属性,如下图中点的颜色标记其对应的基因是
上调
,下调
还是无差异
。大小也可用于展示基因表达的平均丰度,一般我们关注表达水平较高且差异较大的基因用于后续的分析和验证。
图一(图源:易生信PPT)
火山图理解常见的几个问题
但没想到,在我们易生信培训过程中,对火山图的问题还是比较多的,我们一个个的说一下。
什么是**
fold change
?**翻译成中文是
差异倍数
,简单来说就是基因在一组样品中的表达值的均值除以其在另一组样品中的表达值的均值。所以火山图只适合展示两组样品之间的比较。为什么要做**
Log 2
转换?**两个数相除获得的结果 (
fold change
)要么大于
1,要么小于
1,要么等于
1。这是一句正确的废话吧?那么对应于基因差异呢?简单说,大于1表示上调(可以描述为上调多少倍),小于1表示下调(可以描述为下调为原来的多少分之多少)。大于1可以到多大呢?多大都有可能。小于1可以到多小呢?最小到0。用原始的fold change
描述上调方便,描述下调不方便。绘制到图中时,上调占的空间多,下调占的空间少,展示起来不方便。所以一般会做Log 2
转换。默认我们都会用两倍差异 (fold change == 2 | 0.5
)做为一个筛选标准。Log2
转换的优势就体现出来了,上调的基因转换后Log2 (fold change)
都大于等于1
,下调的基因转换后Log2 (fold change)
都小于等于-1
。无论是展示还是描述是不是都更方便了。**
P-value
**都比较熟悉,统计检验获得的是否统计差异显著的一个衡量值,约定成俗的P-value<0.05
为统计检验显著的常规标准。什么是**
adjusted P-value
?**这里面就涉及到一个统计学问题了。做差异基因检测时,要对成千上万的基因分别做差异统计检验。统计学家认为做这么多次的检验,本身就会引入假阳性结果,需要做一个多重假设检验校正。
这个校正怎么做呢?最简单粗暴的方法是每一次统计检验获得的
P-value
都乘以总的统计检验的次数获得adjusted P-value
(这就是Bonferroni correction
)。但这样操作太严苛了,很容易降低统计检出力,找不到有差异的基因。后续又有统计学家提出相对不这么严苛的计算方法,如
holm
,hochberg
,hommel
,BH
,BY
,fdr
等。BH
是我们比较常用的一个校正方法,获得的值是假阳性率 FDR
(false discovery rate
)。FDR
筛选时就可以不用遵循0.05
这个标准了。我们可以设置FDR<0.05
表示我们容许数据中存在至多5%
假阳性率;FDR<0.1
表示我们对假阳性率的容忍度至多是10%
。当然如果说我们设置FDR<0.5,即数据中最多可能有一半是假阳性就说不过去了。同样为什么做**
-Log 10
转换呢?**因为FDR值是
0-1
之间,数值越小越是统计显著,也越是我们关注的。-Log 10 (adjusted P-value)
转换后正好是反了多来,数值越大越显著,而且以10
为底很容易换算回去。
理解完这些之后,再来看火山图。
整体来看,基因有上调就有下调,图整体是以
X=0
的垂线左右对称的。如果数据中大部分点都是上调或下调,成偏态分布时,需考虑标准化步骤没有处理好,或数据存在批次效应,导致数据存在系统偏差。图的左上角和右上角是差异基因集中的地方,也是我们关注的重点。
图一中左侧的火山图还展示了基因表达的平均丰度,即基因在所有样品中表达的均值。一般变化倍数大、平均表达也比较高的基因会更可信,更适合后期实验检测,否则就算变化倍数再大,表达低的基因也难以被检测到。
番外:
差异倍数
fold change
还有另外一种处理方式。假如有两个样品A
和B
。如果某个基因在A
中表达比较高,则计算fold change
是用A/B
; 。如果某个基因在B
中表达比较高,则计算fold change
是用B/A
,然后乘以-1
;gtools::foldchange
是这么操作的。adjusted P-value
,q value
,fdr
一般代表相同的含义,都是多重假设检验校正后的P-value
,可能的区别就在于校正算法的不同。
几个代表性火山图
火山图虽然用的多,但其实能提供的信息算不上多,一般是在上面标记一些关注的基因的名字,然后在正文中做下描述。标记基因名字的方式也比较多,图二中左图的颜色标示是一个不错的选择。
图二(图源:易生信PPT)
图二右图来自2017年发表在Cell的一篇文章-Epigenetic Therapy Ties MYC Depletion to Reversing Immune Evasion and Treating Lung Cancer。
- https://www.sciencedirect.com/science/article/pii/S0092867417312448
一排火山图放在一起是不是很有气势,更主要的是展示了5种疫苗诱导的差异基因数目显著不同,在图上红点多少展示出的视觉冲击还是优于图标中的数字表示的,更容易留下直观的印象。个人觉得是一个很有特色的火山图案例。
图三
图三来自文章Edwards, J., et al. (2015). PNAS Fig. 2A
。
- http://www.pnas.org/content/112/8/E911.short
这是一篇16S分析文章较系统的作品,两年被引用147次,推荐阅读。上面的火山图展示了水稻根不同生态位相对于土壤中显著差异的OTU
,横坐标是相对丰度平均值(Log10
转换),纵坐标是Log10(fold change)
,整体类似于图一中的左图,只是转换了X
和Y
轴变量。
图四
火山图就是散点图,点的颜色可展示代表性属性。
图四来源— https://arxiv.org/pdf/1103.3434.pdf :
第6号染色体上的探针/基因用红色标记,在基因注释中带有“细胞因子”的探针/基因用蓝色标记。
增强火山图之在基本火山图的基础上,标注有变量-基因名。
上图共有64102个变量,绿色的点的|log2FC|>1
,蓝色的点是P value <0.0001
。红色的点是满足了以上两点要求的变量。
如有雷同数据,可大胆参照模仿,更多增强火山图见:
传送门(代码)➷➷
- 增强火山图,要不要试一下?
火山图绘制
最简单的绘制方法是使用我们的在线网站——imageGP(http://www.ehbio.com/ImageGP/)。
Volcano plot | 别再问我这为什么是火山图相关推荐
- Volcano plot | 别再问我这为什么是火山图 (在线轻松绘制)
封面来源于:Pixabay+易生信 生物信息学习的正确姿势 NGS系列文章包括NGS基础.高颜值在线绘图和分析.转录组分析 (Nature重磅综述|关于RNA-seq你想知道的全在这).ChIP-se ...
- 拜托,面试别再问我时间复杂度了!!!
最烦面试官问,"为什么XX算法的时间复杂度是OO",今后,不再惧怕这类问题. 快速排序分为这么几步: 第一步,先做一次partition: partition使用第一个元素t=ar ...
- 倒排索引原理_拜托,面试请不要再问我分布式搜索引擎的架构原理!
欢迎关注头条号:石杉的架构笔记 周一至周五早八点半!精品技术文章准时送上!!! 精品学习资料获取通道,参见文末 目录 (1)倒排索引到底是啥? (2)什么叫分布式搜索引擎? (3)ElasticSea ...
- 面试官再问我如何保证 RocketMQ 不丢失消息,这回我笑了!
0x00. 消息的发送流程 一条消息从生产到被消费,将会经历三个阶段: 生产阶段,Producer 新建消息,然后通过网络将消息投递给 MQ Broker 存储阶段,消息将会存储在 Broker 端磁 ...
- R语言绘制火山图(volcano plot)实战:为差异表达基因(DEGs)添加颜色、基于显著性阈值进行点的颜色美化、为选定基因添加标签
R语言绘制火山图(volcano plot)实战:为差异表达基因(DEGs)添加颜色.基于显著性阈值进行点的颜色美化.为选定基因添加标签 目录 R语言绘制火山图(volcano plot)实战 #导入 ...
- 不要再问我“Java GC垃圾回收机制”了
点击蓝色"程序猿DD"关注我 回复"资源"获取独家整理的学习资料! Java GC垃圾回收几乎是面试必问的JVM问题之一,本篇文章带领大家了解Java GC的底 ...
- 别再问Cloudflare CDN 漏洞是怎么被利用的啦!这篇文就来告诉你
Cloudflare 已修复其免费开源 CDNJS 中的一个严重漏洞,该漏洞可能影响互联网上 12.7% 的网站. CDNJS为数百万网站提供超过4000个JavaScript和CSS库,这些库公开存 ...
- 别再问我如何双击打开.ipynb文件了!
Jupyter Notebook 是一款集Python编程和写作于一体的效率工具!在我的使用过程中,还是有些小问题.(也要感谢其他小伙伴的反馈,) 那么本文,就会提供双击打开.ipynb文件的终极版解 ...
- [转]面试官,不要再问我三次握手和四次挥手
文章目录 1. 三次握手 1.1 为什么需要三次握手,两次不行吗? 1.2 什么是半连接队列? 1.3 ISN(Initial Sequence Number)是固定的吗? 1.4 三次握手过程中可以 ...
最新文章
- 简单粗暴,5行代码,快速实现图像分割
- java 单引号的字符串类型_Java程序以字符串形式显示双引号和单引号
- socket通信 _ 一个简单的群聊系统
- 一步一步学Ruby(二十一):文件操作2
- 50个超实用的生活小点子
- Linux-awk直接修改原文件
- Telerik UI for Xamarin使用教程 - AndroidX使用指南
- 简单理解LSTM神经网络
- 李宝付玉龙河挖宝记(二)
- Java 快速排序,递归排序算法
- php 微信开发实战pdf,微信开发实战之模块化的实例详解
- thinkbook14重装系统
- 关于傅立叶系数的计算公式
- 【浏览器直播源抓取】浏览器抓取真实直播源地址(2022/11/16)
- 如何让便签的提醒事项间隔一段时间再次提醒
- Unity 游戏性能优化(4)资源优化
- SpringBoot+Vue项目校园防疫管理系统
- JS+CSS实现狙击镜视觉效果
- 记一次,oracle pdb数据库配置
- MATLAB显示:由于未找到因为输出,无法播放音频
热门文章
- 【Python】TensorBoard的启动问题
- 洛谷P5724、P5727、P5728、P5729题题解(Java语言描述)
- 搞一个兼容浏览器的事件函数
- 云计算-从基础到应用架“.NET研究”构系列-云计算的演进
- Exchange2010应用地址列表
- [实验手册]MPLS/×××分解:防止PE-CE的路由环路
- 均胜群英:PC+移动端数字化管理,两年降本7%,人均产值提高300%
- 朋友写的一个中国象棋游戏,JAVA代码
- I-EIM分享一套局域网通讯源码
- 那些没有兴趣花必要的C++时间