专栏名称: 生信宝典

生物信息分析入门、晋级和经验分享。Linux、R、Python学习教程；高通量测序数据分析学习教程；生信软件安装教程。所有内容均为原创分享，致力于从基础学习到提高整个过程。

R语言学习 - 火山图

生信宝典 · 公众号 · 生物 · 2017-07-25 15:30

正文

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。