Comment créer un volcano plot pour le RNA-seq et l'expression différentielle (2026)
Créez un volcano plot prêt à publier pour le RNA-seq ou l'expression différentielle sans coder. Définissez les seuils de log2 fold-change et de p-value ajustée, colorez les gènes sur- et sous-exprimés, annotez vos hits et exportez — le tout en le décrivant à une IA.
Vous avez terminé votre analyse d'expression différentielle, vous disposez d'un tableau de gènes avec leurs log2 fold-changes et leurs p-values ajustées, et il vous manque maintenant la figure que tout relecteur attend : un volcano plot soigné. La voie classique sous R — ggplot2, EnhancedVolcano, des heures à régler geom_text_repel jusqu'à ce que les étiquettes cessent de se chevaucher — fonctionne, mais elle est lente et capricieuse dès que vous voulez simplement ajuster un seuil ou recolorer une catégorie. Ce guide vous montre comment créer un volcano plot pour le RNA-seq et l'expression différentielle en le décrivant en langage courant : l'IA construit la figure et vous restez concentré sur la biologie.
À la fin de ce guide, vous saurez :
Créer un volcano plot pour le RNA-seq avec les bons axes (log2 fold-change vs. −log10 de la p-value ajustée) sans écrire une ligne de code.
Définir les seuils de significativité pour le fold-change et la p-value ajustée, et tracer les lignes de coupure en pointillés que les relecteurs recherchent.
Colorer les gènes sur- et sous-exprimés et afficher un nuage gris de gènes non significatifs pour une lecture instantanée.
Annoter vos principaux hits par nom de gène sans chevauchement de texte, et exporter un volcano plot prêt pour l'impression pour votre article ou votre thèse.
Chaque étape ci-dessous se déroule dans l'éditeur SciDraw AI à l'aide du générateur de volcano plot : vos données et votre intention entrent, une figure sort, et vous l'affinez avec des mots.
Un volcano plot est un nuage de points conçu pour l'expression différentielle. Chaque point représente un gène (ou une protéine, ou un métabolite). L'axe des x correspond au log2 fold-change — l'ampleur de la hausse (à droite) ou de la baisse (à gauche) de l'expression. L' (en général la p-value ajustée / FDR) — votre niveau de confiance. Le résultat dessine une forme de « volcan » : les gènes les plus intéressants se situent dans les , là où le changement est important statistiquement significatif.
Davie Chen is a researcher at the Faculty of Animation and Intermedia, University of Arts in Poznan, studying generative AI for scientific figure creation, patent illustration, and manuscript drafting. SciDraw AI is one of the research-to-product tools built from this work.
Des milliers de chercheurs utilisent SciDraw AI pour créer en quelques minutes des figures prêtes à publier pour leurs articles, demandes de financement et soumissions — sans compétences en design.
Tout l'enjeu est de distinguer le signal du bruit d'un seul coup d'œil. Trois choses doivent donc être sans ambiguïté : où se trouvent vos seuils, quels points les franchissent, et la poignée de gènes qui méritent d'être nommés.
Commencez dans l'éditeur et indiquez à l'IA ce qu'est la figure. Soyez explicite sur les axes, le type de données et les seuils — c'est la précision qui transforme un nuage de points générique en un volcano plot correct.
Modèle :« Crée un volcano plot pour une expression différentielle [RNA-seq / protéomique / single-cell]. Axe des x : log2 fold-change. Axe des y : −log10 de la p-value ajustée. Seuils de significativité : |log2FC| > [1] et p ajustée < [0,05]. Colore les gènes sur-exprimés en [rouge], sous-exprimés en [bleu] et non significatifs en [gris]. Ajoute les lignes de seuil en pointillés. »
Un exemple complété :
« Crée un volcano plot pour une expérience RNA-seq comparant traité vs. contrôle. Axe des x : log2 fold-change de −6 à 6 ; axe des y : −log10 de la p-value ajustée. Utilise |log2FC| > 1 et p ajustée < 0,05 comme seuils. Colore les gènes sur-exprimés en rouge, sous-exprimés en bleu, non significatifs en gris, et trace des lignes verticales en pointillés à ±1 ainsi qu'une ligne horizontale en pointillés au niveau p = 0,05. »
Les seuils sont le cœur de la figure, et c'est exactement le genre de chose que l'on veut pouvoir modifier sans tout redessiner. Deux coupures comptent :
Le seuil de fold-change — généralement |log2FC| > 1 (un facteur 2), mais 0,585 (facteur 1,5) et 2 (facteur 4) sont également courants.
Le seuil de significativité — habituellement la p-value ajustée (FDR de Benjamini-Hochberg), pas la p-value brute. 0,05 et 0,01 sont les valeurs standard.
Ajustez-les en conversant :
« Change le seuil de fold-change pour |log2FC| > 0,585 (facteur 1,5). »
« Utilise p ajustée < 0,01 au lieu de 0,05 et déplace la ligne horizontale en pointillés en conséquence. »
« Mets les lignes de seuil en gris clair et en pointillés pour qu'elles ne rivalisent pas avec les points. »
La couleur est ce qui rend un volcano plot lisible. La convention est un schéma à trois couleurs : une couleur pour les gènes significativement sur-exprimés, une pour les gènes significativement sous-exprimés, et un gris neutre pour tout ce qui n'a pas franchi les seuils.
« Colore les gènes sur-exprimés (à droite de +1, au-dessus du seuil de p) en rouge ; les sous-exprimés (à gauche de −1) en bleu ; tout le reste en gris à 40 % d'opacité. »
« Ajoute une légende : rouge = sur-exprimé, bleu = sous-exprimé, gris = non significatif. »
« Agrandis légèrement les points significatifs et réduis les non significatifs en les rendant semi-transparents. »
Garder le nuage des gènes non significatifs discret attire l'œil vers les coins — exactement là où se trouve l'histoire.
Les relecteurs veulent voir les gènes marquants nommés, mais un mur d'étiquettes qui se chevauchent vaut moins que rien. Soyez sélectif et laissez l'IA placer le texte sans collisions.
« Annote les 10 premiers gènes par p-value ajustée avec leurs symboles, en utilisant de fines lignes de rappel et sans chevauchement de texte. »
« Annote uniquement ces gènes : TP53, BRCA1, MYC, EGFR et CDKN1A. »
« Mets en gras les étiquettes des trois gènes sur-exprimés les plus significatifs. »
C'est ici que décrire le changement bat le placement manuel des zones de texte : vous demandez les hits, l'IA gère la mise en page. Une fois l'ensemble satisfaisant, vous pouvez peaufiner n'importe quelle étiquette — voyez comment modifier le texte et les étiquettes dans une figure IA pour des retouches ciblées.
Utiliser la p-value brute au lieu de la p-value ajustée. L'inflation due aux tests multiples fait paraître tout significatif. Correctif : « Trace le −log10 de la p-value ajustée (FDR), pas de la p-value brute, sur l'axe des y. »
Des axes asymétriques ou tronqués qui masquent une direction. Si l'axe des x va de 0 à 6, les gènes sous-exprimés disparaissent. Correctif : « Rends l'axe des x symétrique, de −6 à 6, centré sur 0. »
Trop d'étiquettes. Quarante noms de gènes qui se chevauchent = illisible. Correctif : « Annote uniquement les 8 premiers hits et supprime le reste. »
Aucune ligne de seuil. Les coupures sont implicites mais invisibles. Correctif : « Ajoute des lignes en pointillés aux seuils de fold-change et de p-value pour que les régions soient explicites. »
Un schéma de couleurs qui ignore la direction. Une seule couleur pour tous les gènes significatifs efface l'histoire sur/sous-expression. Correctif : « Utilise des couleurs distinctes pour les gènes sur- et sous-exprimés. »
Plafonner le −log10(p) en silence. Les gènes avec p = 0 partent à l'infini. Correctif : « Plafonne l'axe des y et marque les points plafonnés d'une flèche ouverte pour rester honnête. »
Quand la figure est au point, exportez-la pour sa destination. Demandez ce dont vous avez besoin :
« Exporte en PNG à 300 DPI au format d'une colonne de revue. »
« Donne-moi une version vectorielle (SVG) pour l'intégrer dans Illustrator. »
« Exporte en 1200 px de large avec un fond transparent pour mes diapositives. »
Un volcano plot voyage rarement seul. Si vos résultats d'expression différentielle alimentent une revue systématique ou si vous assemblez une figure de résultats multi-panneaux, associez-le à comment créer un forest plot pour résumer les tailles d'effet, et revenez à comment modifier le texte et les étiquettes dans une figure IA quand un nom de gène demande une correction de dernière minute. Tout reste modifiable dans l'éditeur SciDraw AI.
Comment créer un volcano plot pour le RNA-seq sans coder ?
Ouvrez le générateur de volcano plot, décrivez votre comparaison (traité vs. contrôle), indiquez vos seuils de log2 fold-change et de p-value ajustée, et l'IA construit la figure. Vous affinez couleurs, étiquettes et coupures en tapant des instructions — aucun R ni Python requis.
Quels seuils utiliser pour un volcano plot ?
Les valeurs par défaut les plus courantes sont |log2FC| > 1 (un facteur 2) et une p-value ajustée < 0,05. Les études plus strictes utilisent |log2FC| > 1 avec p ajustée < 0,01. Utilisez toujours la p-value ajustée (FDR), jamais la brute, et indiquez vos coupures dans la légende de la figure.
L'axe des y doit-il représenter la p-value brute ou ajustée ?
Utilisez la p-value ajustée (Benjamini-Hochberg / FDR) tracée en −log10. Le RNA-seq teste des dizaines de milliers de gènes : la p-value brute en marquerait beaucoup trop comme significatifs. Tracer le −log10 de la p ajustée garde votre ensemble significatif honnête.
Comment n'annoter que les gènes les plus importants ?
Demandez à l'IA d'annoter les N premiers gènes par p-value ajustée, ou nommez les gènes précis qui vous intéressent. Demandez de fines lignes de rappel et l'absence de chevauchement pour que les étiquettes restent lisibles même dans un graphique dense.
Puis-je aussi créer un volcano plot pour la protéomique ou la métabolomique ?
Oui. Les mêmes axes et seuils s'appliquent à toute expérience d'abondance différentielle — protéomique, métabolomique ou single-cell. Indiquez simplement au générateur de volcano plot le type de données et vos coupures, et il adapte les étiquettes et la coloration.
Cessez de vous battre avec geom_text_repel. Décrivez vos données d'expression différentielle, fixez vos seuils, et laissez l'IA dessiner une figure soignée, annotée et prête à publier. Ouvrez le générateur de volcano plot ou rendez-vous directement dans l'éditeur SciDraw AI pour créer votre volcano plot en quelques minutes.
