Hai eseguito la tua analisi di espressione differenziale, hai una tabella di geni con i log2 fold-change e i p-value corretti, e ora ti serve l'unica figura che ogni revisore si aspetta: un volcano plot pulito. La via classica in R — ggplot2, EnhancedVolcano, smanettare con geom_text_repel finché le etichette smettono di sovrapporsi — funziona, ma è lenta e poco indulgente quando vuoi solo modificare una soglia o ricolorare una categoria. Questa guida ti mostra come creare un volcano plot per RNA-seq ed espressione differenziale descrivendolo in linguaggio naturale, così l'AI costruisce la figura e tu resti concentrato sulla biologia.
Al termine di questa guida sarai in grado di:
- Creare un volcano plot per RNA-seq con gli assi corretti (log2 fold-change vs. −log10 del p-value corretto) senza scrivere codice.
- Impostare le soglie di significatività per fold-change e p-value corretto, e tracciare le linee di taglio tratteggiate che i revisori cercano.
- Colorare i geni up- e down-regolati e una nuvola grigia di geni non significativi così la figura si legge a colpo d'occhio.
- Etichettare i tuoi top hit per nome del gene senza testo sovrapposto, ed esportare un volcano plot pronto per la stampa per il tuo articolo o la tua tesi.
Ogni passaggio qui sotto avviene dentro l'editor di SciDraw AI usando il generatore di volcano plot — entrano i tuoi dati e le tue intenzioni, esce una figura, e la rifinisci a parole.
Cosa mostra davvero un volcano plot
Un volcano plot è un grafico a dispersione pensato per l'espressione differenziale. Ogni punto è un gene (o una proteina, o un metabolita). L'asse x è il log2 fold-change — di quanto è salita (a destra) o scesa (a sinistra) l'espressione. L'asse y è il −log10 del p-value (di solito il p-value corretto/FDR) — quanto sei sicuro del risultato. Il risultato è una forma a "vulcano": i geni più interessanti si trovano negli , dove la variazione è grande statisticamente significativa.
