Как построить volcano plot для RNA-seq и дифференциальной экспрессии (2026)

Весь смысл — с первого взгляда отделить сигнал от шума. А значит, три вещи должны быть однозначны: где проходят отсечки, какие точки их прошли и какую горстку генов стоит подписать.

Шаг 1. Опишите нужный график

Начните в редакторе и расскажите ИИ, что это за рисунок. Чётко обозначьте оси, тип данных и пороги — именно конкретика превращает обычную диаграмму рассеяния в корректный volcano plot.

Заполненный пример:

• «Создай volcano plot для эксперимента RNA-seq, сравнивающего обработанные образцы с контролем. Ось X — log2 fold-change от −6 до 6, ось Y — −log10 скорректированного p-value. Используй отсечки |log2FC| > 1 и скорректированный p < 0.05. Раскрась повышенные гены красным, пониженные синим, незначимые серым и проведи пунктирные вертикальные линии на ±1 и пунктирную горизонтальную линию на уровне p = 0.05».

Шаг 2. Задайте пороги и линии отсечки

Пороги — это сердце рисунка, и именно их хочется менять без перерисовки всего графика. Важны две отсечки:

• Отсечка по fold-change — обычно |log2FC| > 1 (двукратное изменение), но 0.585 (1,5-кратное) и 2 (4-кратное) тоже встречаются часто.
• Отсечка по значимости — как правило, скорректированный p-value (FDR по Бенджамини–Хохбергу), а не сырой. Стандартны 0.05 и 0.01.

Меняйте их в диалоге:

• «Поменяй отсечку по fold-change на |log2FC| > 0.585 (1,5-кратное)».
• «Используй скорректированный p < 0.01 вместо 0.05 и сдвинь горизонтальную пунктирную линию соответственно».
• «Сделай линии порогов светло-серыми и пунктирными, чтобы они не конкурировали с точками».

Шаг 3. Раскрасьте повышенные и пониженные гены

Цвет — это то, что делает volcano plot читаемым. Принятая схема — три цвета: один для значимо повышенных генов, один для значимо пониженных и нейтральный серый для всего, что не прошло отсечки.

• «Раскрась повышенные гены (правее +1, выше порога по p) красным; пониженные (левее −1) синим; всё остальное — серым с прозрачностью 40%».
• «Добавь легенду: красный — повышение, синий — понижение, серый — незначимо».
• «Сделай значимые точки чуть крупнее, а незначимые — мельче и полупрозрачными».

Бледное облако незначимых точек уводит взгляд к углам — туда, где и кроется история.

Шаг 4. Подпишите ключевые находки

Рецензенты хотят видеть имена выделяющихся генов, но стена наезжающих подписей хуже, чем их отсутствие. Будьте избирательны и доверьте ИИ расстановку текста без столкновений.

• «Подпиши топ-10 генов по скорректированному p-value их символами, с тонкими выносными линиями и без наложения текста».
• «Подпиши только эти гены: TP53, BRCA1, MYC, EGFR и CDKN1A».
• «Выдели жирным подписи трёх самых значимых повышенных генов».

Именно здесь описание изменения побеждает ручную расстановку текстовых блоков: вы запрашиваете находки, а ИИ берёт на себя компоновку. Когда всё встанет на места, можно точечно поправить любую отдельную подпись — см. как редактировать текст и подписи в ИИ-рисунках.

Частые ошибки (и как их исправить)

• Использование сырого p-value вместо скорректированного. Множественное тестирование раздувает значимость — всё кажется значимым. Исправление: «На оси Y отложи −log10 скорректированного (FDR) p-value, а не сырого».
• Асимметричные или обрезанные оси, скрывающие направление. Если ось X идёт от 0 до 6, пониженные гены исчезают. Исправление: «Сделай ось X симметричной, от −6 до 6, с центром на 0».
• Слишком много подписей. Сорок наезжающих имён генов = нечитаемо. Исправление: «Подпиши только топ-8 находок, остальные убери».
• Нет линий порогов. Отсечки подразумеваются, но невидимы. Исправление: «Добавь пунктирные линии на отсечках по fold-change и p-value, чтобы зоны были явными».
• Цветовая схема, игнорирующая направление. Один цвет для всех значимых генов теряет историю повышения/понижения. Исправление: «Используй отдельные цвета для повышенных и пониженных генов».
• Молчаливое обрезание −log10(p). Гены с p = 0 улетают в бесконечность. Исправление: «Ограничь ось Y и отметь обрезанные точки открытой стрелкой, чтобы было честно».

Экспорт и использование

Когда рисунок готов, экспортируйте его под нужное назначение. Просто попросите то, что требуется:

• «Экспортируй это как PNG 300 DPI под одну колонку журнала».
• «Дай векторную версию (SVG), чтобы я мог открыть её в Illustrator».
• «Экспортируй шириной 1200 px с прозрачным фоном для моих слайдов».

Volcano plot редко идёт в одиночку. Если результаты дифференциальной экспрессии питают систематический обзор или вы собираете многопанельный рисунок с результатами, дополните его материалом как построить forest plot для сводки размеров эффекта и вернитесь к как редактировать текст и подписи в ИИ-рисунках, когда нужно в последний момент поправить одно название гена. Всё остаётся редактируемым в редакторе SciDraw AI.

Часто задаваемые вопросы

Как построить volcano plot для RNA-seq без программирования? Откройте генератор volcano plot, опишите своё сравнение (обработка против контроля), укажите пороги по log2 fold-change и скорректированному p-value — и ИИ соберёт рисунок. Цвета, подписи и отсечки вы дорабатываете текстовыми командами — никакого R или Python.

Какие пороги использовать для volcano plot? Самые распространённые значения по умолчанию — |log2FC| > 1 (двукратное изменение) и скорректированный p-value < 0.05. В более строгих исследованиях берут |log2FC| > 1 со скорректированным p < 0.01. Всегда используйте скорректированный (FDR) p-value, а не сырой, и указывайте отсечки в подписи к рисунку.

Что откладывать по оси Y — сырой или скорректированный p-value? Используйте скорректированный p-value (Бенджамини–Хохберг / FDR), отложенный как −log10. RNA-seq тестирует десятки тысяч генов, поэтому сырой p-value отметит как значимое слишком многое. График −log10(скорректированного p) сохраняет честность вашего набора значимых генов.

Как подписать только самые важные гены? Попросите ИИ подписать топ-N генов по скорректированному p-value или назовите конкретные интересующие вас гены. Запросите тонкие выносные линии и отсутствие наложения текста, чтобы подписи оставались читаемыми даже на плотном графике.

Можно ли построить volcano plot и для протеомики или метаболомики? Да. Те же оси и пороги подходят для любого эксперимента по дифференциальной представленности — протеомики, метаболомики или single-cell. Просто укажите генератору volcano plot тип данных и свои отсечки, и он адаптирует подписи и раскраску.

Постройте свой volcano plot прямо сейчас

Хватит сражаться с geom_text_repel. Опишите данные дифференциальной экспрессии, задайте пороги и дайте ИИ нарисовать аккуратный, подписанный, готовый к публикации рисунок. Откройте генератор volcano plot или сразу переходите в редактор SciDraw AI и постройте свой volcano plot за считаные минуты.