一步到位：火山图与差异分析核心参数精讲

引言Introduction

差异分析做完了，结果却不会解释。火山图一眼看不懂，上下调阈值怎么定也不清楚。这是很多医学生、医生和科研人员常见的卡点。真正决定图是否可信的，不是“画出来”，而是参数是否设置合理。

1. 火山图是什么，为什么它是差异分析的核心图

1.1 一张图同时回答“变没变”和“变多少”

火山图是差异分析最常用的可视化之一。它把每个基因的变化幅度和统计显著性放在同一张图上。横轴通常是 log2 fold change ，纵轴通常是 -log10(P value) 或 ** -log10(padj)**。

横轴看效应大小，纵轴看可信度。
这也是火山图比单纯表格更适合快速筛选候选基因的原因。点越靠左右两侧，变化越大。点越靠上，显著性越强。

1.2 火山图适合哪些分析场景

火山图常见于以下场景：

• 转录组差异表达分析。
• 芯片数据差异分析。
• 蛋白组或代谢组的分组比较。
• 单基因处理前后的筛选结果展示。

对于论文和汇报来说，火山图的价值不只是“好看”。它能快速告诉读者：

• 上调基因有多少。
• 下调基因有多少。
• 差异信号是否集中。
• 是否存在明显的偏倚。

如果火山图两侧分布失衡，往往提示样本分组、归一化或阈值设置需要重新检查。

2. 火山图差异分析的三个核心参数

2.1 log2FC决定“变化幅度”

log2FC是最关键的效应量指标。它表示两个组之间表达量的倍数变化，取对数后更便于比较。

常用解释如下：

• log2FC = 1，表示上调2倍。
• log2FC = -1，表示下调2倍。
• log2FC = 2，表示上调4倍。
• log2FC = -2，表示下调4倍。

在课程和实操中，常见阈值是 |log2FC| > 1 ，也就是变化超过2倍。部分分析会使用 |log2FC| > 2 ，即变化超过4倍。

阈值越严格，筛出的基因越少，但更稳健。
阈值越宽松，候选基因更多，但假阳性风险更高。

2.2 p值或padj决定“显著性”

火山图的另一核心是显著性。常见做法是使用 p值或校正后的 p 值 padj。

在高通量数据中，同时检测成千上万个基因时，多重检验问题非常突出。
因此，更推荐使用 padj，而不是原始 p 值。

常见阈值是：

• padj < 0.05。
• 有些研究会采用 padj < 0.01，提高严格性。

如果只用原始 p 值，假阳性会明显增加。
这在样本量较大、比较基因较多时尤其明显。

2.3 上下调分类变量决定颜色和解释

火山图通常将点分成三类：

• Up，上调。
• Down，下调。
• NS，无显著变化。

分类逻辑一般是：

1. 先判断 padj 是否小于阈值。
2. 再判断 log2FC 是否超过正负阈值。
3. 同时满足时，归为上调或下调。
4. 其他情况归为 NS。

这一步不是为了美化，而是为了让颜色和统计结论一致。
如果分类规则混乱，图再漂亮也没有分析价值。

3. 差异分析结果如何准备，火山图才能画对

3.1 输入数据至少要包含四列

标准火山图数据通常至少包括：

• 基因名。
• log2FC。
• p值或padj。
• 分组方向，up、down 或 NS。

如果使用 ggplot2 体系，还可以加入：

• label，用于标注重点基因。
• -log10(padj)，用于纵轴计算。

没有完整的结果表，就无法画出规范的火山图。

3.2 先统一列名，再做阈值判断

在R分析中，很多错误都来自列名不统一。
比如有的结果列叫 log2FoldChange，有的叫 logFC。
有的显著性列叫 padj，有的叫 adj.P.Val。

所以第一步要做的是统一字段。
然后再计算分类变量，例如：

• 当 log2FC > cutoff 且 padj < 0.05，标记为 Up。
• 当 log2FC < -cutoff 且 padj < 0.05，标记为 Down。
• 其余标记为 NS。

这一步决定后续配色是否正确。

3.3 先看分布，再决定阈值

不是所有数据都适合直接套用固定阈值。
如果差异基因太少，说明阈值可能过严。
如果差异基因过多，说明阈值可能过松，或者批次效应较强。

实操中可以先观察：

• 上下调比例是否接近。
• 是否存在大量点挤在图中央。
• 是否有极端值把坐标轴拉得过大。

阈值不是死规定，而是要结合数据分布来调整。

4. 火山图绘制时最容易出错的细节

4.1 纵轴到底用p值还是padj

这是最常见的一个问题。
从严格的统计学角度看，差异分析结果展示更建议使用 padj 。
因为它已经控制了多重检验带来的假阳性。

如果使用原始 p 值，图上“显著”点可能更多。
但这种显著不一定可靠。

论文级分析优先用 padj。
探索性分析可以同时查看 p值和 padj 的结果。

4.2 标签不要标太多

火山图上最常见的问题之一，是基因名标得太密。
结果是图看不清，读者也看不懂。

通常建议只标注：

• Top 5 上调基因。
• Top 5 下调基因。
• 或者文献重点关注的候选基因。

可以利用 ggrepel 避免标签重叠。
这在高密度点图中非常有用。

火山图的目标是突出核心信号，不是把所有基因都贴上名字。

4.3 颜色要稳定，逻辑要统一

常见配色逻辑是：

• NS：灰色。
• Down：蓝色。
• Up：红色。

这一规则在多数文章中都容易理解。
关键是全篇一致。
不要前面一张图红色代表下调，后面又变成上调。

颜色统一，能显著降低读者理解成本。

4.4 坐标轴范围不要被极端值带偏

有些数据中，个别基因 log2FC 特别大。
这会把横轴范围拉得很宽。
结果多数点都挤在中间，看不出结构。

常见处理方式包括：

• 限制显示范围。
• 对极端值进行截断展示。
• 只标记重点基因，不强行显示全部极值标签。

这类处理是为了提升可读性，不是为了修改结果。

5. 从结果表到高质量火山图的标准流程

5.1 第一步，完成差异分析

常见工具包括：

• DESeq2，适用于 counts 数据。
• limma，常用于标准化后的表达矩阵或芯片数据。

如果是 RNA-seq 原始计数数据，通常优先使用 DESeq2。
如果是芯片或已处理表达矩阵，limma 更常见。

5.2 第二步，筛选阈值并生成分组变量

建议先定义：

• logFC_cutoff
• padj_cutoff

然后根据结果表生成 change 或 direction 列。
这一列是火山图分类的基础。

5.3 第三步，提取重点基因用于标注

通常从显著差异基因中筛选：

• log2FC 最大的上调基因。
• log2FC 最小的下调基因。
• 或 padj 最小的前几位基因。

这样可以保证标注基因更有代表性。

5.4 第四步，作图并检查图形逻辑

最终火山图至少要检查以下内容：

• 点的颜色是否和分类一致。
• 横纵轴方向是否正确。
• 分界线是否放在阈值位置。
• 标签是否重叠。
• 上下调数量是否和结果表一致。

图形不是画完就结束，而是必须回查统计逻辑。

6. 论文和报告中，火山图应该怎么解读

6.1 先看整体，再看局部

阅读火山图时，建议按这个顺序：

1. 先看两侧是否对称。
2. 再看显著点是否集中在两端。
3. 然后看上调和下调数量是否平衡。
4. 最后检查重点基因是否落在合理区域。

如果大部分点都集中在中间，说明差异整体不强。
如果一侧特别多，可能提示生物学偏向，也可能提示技术偏差。

6.2 不能只看火山图，还要结合热图和富集分析

火山图只回答“哪些基因变了”。
它不能单独回答“这些变化意味着什么”。

因此，规范的差异分析通常要配合：

• 聚类热图，看样本分组是否清晰。
• GO/KEGG 富集分析，看功能通路。
• 关键基因表达验证，看结论是否稳健。

火山图是入口，不是终点。

总结Conclusion

火山图差异分析的关键，不在于把点画出来，而在于把 log2FC、padj、分组规则和标注策略 设对。** 只有参数合理，火山图才真正具有解释力和发表价值。** 对医学生、医生和科研人员来说，理解这些核心参数，能显著提升结果解读效率，也能减少后续返工。

如果你希望更快完成规范的差异分析图形整理、参数设置和结果输出，可以借助 解螺旋 的专业生信内容与工具支持，把时间从重复操作中释放出来，专注于真正有价值的科研问题。