RNA-seq 차등발현 볼케이노 플롯 만드는 법 (2026)

차등발현 분석을 끝내고 유전자별 log2 fold-change와 보정 p-value 표까지 손에 쥐었다면, 이제 심사위원이 반드시 기대하는 그 한 장의 그림, 깔끔한 볼케이노 플롯이 필요합니다. 전통적인 R 방식 — ggplot2, EnhancedVolcano, 라벨이 겹치지 않을 때까지 geom_text_repel을 만지작거리는 과정 — 도 동작은 하지만, 기준선 하나 조정하거나 카테고리 색만 바꾸려 해도 느리고 까다롭습니다. 이 가이드에서는 평범한 문장으로 설명하는 것만으로 RNA-seq·차등발현 볼케이노 플롯을 만드는 법을 보여드립니다. 그림은 AI가 그리고, 당신은 생물학에 집중하면 됩니다.

이 가이드를 끝까지 따라오면 다음을 할 수 있습니다:

• 코딩 없이 올바른 축(log2 fold-change 대 −log10 보정 p-value)으로 RNA-seq 볼케이노 플롯 만들기.
• fold-change와 보정 p-value의 유의성 기준선 설정, 그리고 심사위원이 찾는 점선 컷오프 라인 그리기.
• 상향·하향 발현 유전자에 색을 입히고 비유의 유전자는 회색 구름으로 처리해 그림이 한눈에 읽히게 만들기.
• 텍스트가 겹치지 않게 주요 유전자에 유전자명 라벨 달기, 그리고 논문·학위논문용 인쇄 가능한 볼케이노 플롯 내보내기.

아래의 모든 단계는 볼케이노 플롯 생성기를 사용해 SciDraw AI 에디터 안에서 이루어집니다 — 데이터와 의도를 넣으면 그림이 나오고, 말로 다듬으면 됩니다.

볼케이노 플롯이 실제로 보여주는 것

볼케이노 플롯은 차등발현을 위해 만들어진 산점도입니다. 각 점은 하나의 유전자(또는 단백질, 대사체)입니다. x축은 log2 fold-change — 발현이 얼마나 올라갔는지(오른쪽), 내려갔는지(왼쪽)를 나타냅니다. y축은 p-value(보통 보정/FDR p-value)의 −log10 — 얼마나 확신할 수 있는지를 나타냅니다. 그 결과 "화산" 모양이 만들어집니다. 가장 흥미로운 유전자는 변화가 크면서 동시에 통계적으로 유의한 위쪽 모서리에 자리합니다.

핵심은 신호와 잡음을 한눈에 분리하는 것입니다. 그러려면 세 가지가 모호하지 않아야 합니다. 컷오프가 어디에 있는지, 어떤 점이 그 기준을 통과했는지, 그리고 이름을 붙일 가치가 있는 몇 개의 유전자가 무엇인지.

1단계: 원하는 플롯을 설명하기

에디터에서 시작해, 이 그림이 무엇인지 AI에게 알려주세요. 축, 데이터 종류, 기준선을 명확히 밝히는 것이 — 일반 산점도를 올바른 볼케이노 플롯으로 바꾸는 핵심입니다.

채워 넣은 예시:

• "처리군 vs 대조군을 비교하는 RNA-seq 실험용 볼케이노 플롯을 만들어줘. X축은 log2 fold-change로 −6에서 6까지, y축은 −log10 보정 p-value. 컷오프는 |log2FC| > 1, 보정 p < 0.05로 해줘. 상향 발현 유전자는 빨강, 하향 발현은 파랑, 비유의는 회색으로 칠하고, ±1에 수직 점선을, p = 0.05 수준에 수평 점선을 그려줘."

2단계: 기준선과 기준선 라인 설정하기

기준선은 이 그림의 심장이며, 다시 그리지 않고 바꾸고 싶은 바로 그런 요소입니다. 두 개의 컷오프가 중요합니다:

• Fold-change 컷오프 — 보통 |log2FC| > 1(2배 변화)이지만, 0.585(1.5배)나 2(4배)도 흔합니다.
• 유의성 컷오프 — 보통 원시 p-value가 아니라 보정 p-value(Benjamini-Hochberg FDR)입니다. 0.05와 0.01이 표준입니다.

대화하듯 조정하세요:

• "fold-change 컷오프를 |log2FC| > 0.585(1.5배)로 바꿔줘."
• "0.05 대신 보정 p < 0.01을 쓰고 수평 점선도 거기에 맞춰 옮겨줘."
• "기준선이 점들과 경쟁하지 않게 연한 회색 점선으로 만들어줘."

3단계: 상향·하향 발현 유전자에 색 입히기

색은 볼케이노 플롯을 읽기 쉽게 만드는 요소입니다. 관례는 세 가지 색 구성입니다. 유의하게 상향 발현한 유전자에 한 색, 유의하게 하향 발현한 유전자에 한 색, 컷오프를 통과하지 못한 나머지 전부에 중립적인 회색.

• "상향 발현 유전자(+1 오른쪽, p 기준선 위)는 빨강; 하향 발현(−1 왼쪽)은 파랑; 나머지 전부는 불투명도 40%의 회색으로 칠해줘."
• "범례를 추가해줘: 빨강 = 상향, 파랑 = 하향, 회색 = 비유의."
• "유의한 점은 조금 더 크게, 비유의한 점은 더 작고 반투명하게 만들어줘."

비유의 구름을 흐릿하게 유지하면 시선이 모서리로 — 바로 이야기가 있는 곳으로 — 향합니다.

4단계: 주요 유전자 라벨링하기

심사위원은 눈에 띄는 유전자에 이름이 붙은 것을 보고 싶어 하지만, 겹친 라벨의 벽은 라벨이 없는 것보다 나쁩니다. 선별적으로 골라, AI가 충돌 없이 텍스트를 배치하게 하세요.

• "보정 p-value 기준 상위 10개 유전자에 유전자 심볼로 라벨을 달되, 가는 지시선을 쓰고 텍스트가 겹치지 않게 해줘."
• "이 유전자들만 라벨링해줘: TP53, BRCA1, MYC, EGFR, CDKN1A."
• "가장 유의한 상향 발현 유전자 3개의 라벨은 굵게 해줘."

바로 여기서 텍스트 상자를 손으로 배치하는 것보다 변경을 설명하는 것이 우월합니다. 어떤 유전자를 라벨링할지 요청하면, 배치는 AI가 처리합니다. 보기 좋아진 뒤에는 개별 라벨을 미세 조정할 수 있습니다 — 표적 텍스트 편집은 AI 그림에서 텍스트와 라벨 편집하는 법을 참고하세요.

흔한 실수 (그리고 해결법)

• 보정 p-value 대신 원시 p-value 사용. 다중검정 팽창으로 모든 것이 유의해 보입니다. 해결: "y축에 원시 p-value가 아니라 보정(FDR) p-value의 −log10을 그려줘."
• 방향을 가리는 비대칭·잘린 축. x축이 0에서 6까지면 하향 발현 유전자가 사라집니다. 해결: "x축을 0을 중심으로 −6에서 6까지 대칭으로 만들어줘."
• 너무 많은 라벨. 겹친 유전자명 40개 = 읽을 수 없음. 해결: "상위 8개만 라벨링하고 나머지는 빼줘."
• 기준선 라인 없음. 컷오프가 암시되긴 하지만 보이지 않습니다. 해결: "fold-change와 p-value 컷오프에 점선을 추가해 영역이 명확해지게 해줘."
• 방향을 무시한 색 구성. 모든 유의 유전자에 한 가지 색을 쓰면 상향/하향 이야기가 사라집니다. 해결: "상향과 하향 발현 유전자에 서로 다른 색을 써줘."
• −log10(p)를 조용히 상한 처리. p = 0인 유전자는 무한대로 치솟습니다. 해결: "y축에 상한을 두고, 상한 처리된 점은 빈 화살표로 표시해 정직하게 만들어줘."

내보내기와 활용

그림이 완성되면, 용도에 맞게 내보내세요. 필요한 것을 요청하면 됩니다:

• "이걸 저널 단일 칼럼에 맞춘 300 DPI PNG로 내보내줘."
• "Illustrator에 넣을 수 있게 벡터 버전(SVG)을 줘."
• "슬라이드용으로 투명 배경의 1200px 너비로 내보내줘."

볼케이노 플롯은 혼자 다니는 일이 드뭅니다. 차등발현 결과가 체계적 문헌고찰로 이어지거나 다중 패널 결과 그림을 구성한다면, 효과크기 요약을 위한 포레스트 플롯 만드는 법과 함께 쓰고, 유전자명 하나를 막판에 고쳐야 할 때는 AI 그림에서 텍스트와 라벨 편집하는 법을 다시 보세요. 모든 것은 SciDraw AI 에디터에서 계속 편집 가능합니다.

자주 묻는 질문

코딩 없이 RNA-seq 볼케이노 플롯을 어떻게 만드나요? 볼케이노 플롯 생성기를 열고, 비교(처리군 vs 대조군)를 설명하고, log2 fold-change와 보정 p-value 기준을 밝히면 AI가 그림을 만듭니다. 색, 라벨, 컷오프는 지시를 입력해 다듬으면 됩니다 — R이나 Python은 필요 없습니다.

볼케이노 플롯에는 어떤 기준선을 써야 하나요? 가장 흔한 기본값은 |log2FC| > 1(2배 변화)과 보정 p-value < 0.05입니다. 더 엄격한 연구는 |log2FC| > 1에 보정 p < 0.01을 씁니다. 원시 p-value가 아니라 항상 보정(FDR) p-value를 쓰고, 그림 범례에 컷오프를 명시하세요.

y축은 원시 p-value인가요, 보정 p-value인가요? −log10으로 그린 보정 p-value(Benjamini-Hochberg / FDR)를 쓰세요. RNA-seq는 수만 개 유전자를 검정하므로 원시 p-value를 쓰면 너무 많은 유전자가 유의하게 표시됩니다. −log10(보정 p)를 그리면 유의 집합이 정직하게 유지됩니다.

가장 중요한 유전자만 어떻게 라벨링하나요? 보정 p-value 기준 상위 N개 유전자를 라벨링하거나, 관심 있는 특정 유전자명을 지정하라고 AI에게 말하세요. 가는 지시선과 겹치지 않는 텍스트를 요청하면, 밀집된 플롯에서도 라벨이 읽기 쉽게 유지됩니다.

프로테오믹스나 메타볼로믹스용 볼케이노 플롯도 만들 수 있나요? 네. 같은 축과 기준선이 모든 차등존재량 실험에 적용됩니다 — 프로테오믹스, 메타볼로믹스, 단일세포까지. 볼케이노 플롯 생성기에 데이터 종류와 컷오프만 알려주면, 라벨과 색을 알아서 맞춰줍니다.

지금 볼케이노 플롯 만들기

geom_text_repel과 씨름하는 일은 그만두세요. 차등발현 데이터를 설명하고, 기준선을 설정하고, AI가 깔끔하게 라벨링된 논문 수준의 그림을 그리게 하세요. 볼케이노 플롯 생성기를 열거나 바로 SciDraw AI 에디터로 들어가, 몇 분 만에 볼케이노 플롯을 만드세요.