R 学习 - 火山图

火山图

火山图用于展示基因表达差异的分布，横轴为Log2 Fold Change，越偏离中心差异倍数越大；纵轴为(-1)*Log10 P_adjust，值越大差异越显著。一般横轴越偏离中心的点其纵轴值也会比较大，因此呈现火山喷发的形状。

一步绘制火山图

输入数据格式

火山图需要的数据格式如下 (本文用到的数据文件名为volcano.txt，文末有下载链接，此处截取一部分作为例子，也可用来画图，只是数据少，效果不明显)

• id: 不是必须的，但一般的软件输出结果中都会包含，表示基因名字。
• log2FoldChange: 差异倍数的对数，一般的差异分析输出结果中也会给出对数处理的值, 因此程序没有提供这一步的计算操作。
• padj: 多重假设检验矫正过的差异显著性P值；一般的差异分析输出结果为原始值，程序提供一个参数对其求取负对数。
• significant: 可选列，标记哪些基因是上调、下调、无差异；若无此列或未在参数中指定此列，默认程序会根据padj列和log2FoldChange列根据给定的阈值自动计算差异基因，并作出不同颜色的标记。
• label: 可选列，一般用于在图中标记出感兴趣的基因的名字。非-行的字符串都会标记在图上。

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列绘制火山图

# -f: 指定输入文件，格式如上
# -x: 指定横轴变量，值为输入文件中与取过对数的变化倍数相关的列的名字
# -y: 指定纵轴变量，值为输入文件中与P-value
# (也可能是p-adj，是否取过对数都可以)相关的列的名字
# -P: 若为TRUE，则表示对<-y>指定的列进行-log10转换
# -L: 指定图例的位置
# -s: 指定差异基因列
# -S: 指定差异基因列不同的标签出现的顺序
sp_volcano.sh -f volcano.txt -x log2FoldChange -y padj -s significant -S "'EHBIO_UP', 'Baodian_UP', 'Unchanged'" -P TRUE -L top

这个图看上去还可以，没有太大的问题。但有部分点与最顶端的线重合了，这些点的pvalue为0，取负对数后为负无穷。另外在一些情况下，会存在部分基因的pvalue极小，使得整张图呈现一个压缩的趋势，大部分点偏安于图的下方，中间大段空白，最上面零星几个点。为了避免这种情况，程序设置了参数-M用于设定pvalue的最大的负对数，所有大于给定值的数，都会视为给定值。

# -M 10: 指定P-value(也可能是p-adj);若小于10^(-10)，则为10^(-10)
# 用于部分p-value存在异常值，导致整个图都被压缩在最底部
p_volcano.sh -f volcano.txt -x log2FoldChange -y padj -s significant -S "'EHBIO_UP', 'Baodian_UP', 'Unchanged'" -P TRUE -L top -M 10

注意看纵轴的变化，和最上面排成一条线的一堆点。

自动计算significant列绘制火山图

若不存在significant列，程序会根据-F指定的参数计算并标记差异基因。-F的默认值为"0.05,1"(引号是必须的), 第一个数表示pvalue或padj，对应于<-y>列；第二个数表示对数转换的差异倍数，对应于<-x>列。

# <-F "0.05,1">, 默认值，故命令行中未写，引号是必须的
sp_volcano.sh -f volcano.txt -x log2FoldChange -y padj -P TRUE -L top

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

火山图中标记基因的名字

# -l: label，在图中标记部分基因的名字；
# label为含有待标记基因名字的列名，此列中非<->的非空字符都会视为基因名字
sp_volcano.sh -f volcano.txt -x log2FoldChange -y padj -P TRUE -L top -M 10 -l label

label列中非-的值都会标记在图上。

今天先到这，前天提到的富集分析图，今天的火山图都是散点图的一种，后续介绍散点图时再对用到的R代码进行解读。需要绘图脚本的，还是请帮助转发下，谢谢。

数据文件链接 http://pan.baidu.com/s/1i5LzDxr.

Reference

• http://blog.genesino.com//2017/07/volcanoPlot

生信宝典公众号, 几千人一起学生信

http://mp.weixin.qq.com/s/dikXvlDhjmaPuZkCFyRXUg