差异表达分析跑完了，手里是一张带 log2 fold-change 和校正 p 值的基因表，现在你需要的是审稿人一定会问起的那张图：一张干净的火山图（volcano plot）。经典的 R 路线——ggplot2、EnhancedVolcano、反复调 geom_text_repel 直到标签不再重叠——确实能做出来，但当你只想改一个阈值或给某一类重新上色时，它又慢又不容人犯错。这篇指南教你只用大白话做出 RNA-seq 和差异表达的火山图：图由 AI 来搭，你把精力留给生物学本身。
读完这篇指南，你将能够：
- 不写一行代码做出 RNA-seq 火山图，坐标轴选对（log2 fold-change vs. −log10 校正 p 值）。
- 设置 fold-change 与校正 p 值的显著性阈值，并画出审稿人想看到的虚线阈值线。
- 给上调和下调基因分别上色，再用一团灰色表示不显著基因，让图一眼就读得懂。
- 标注最关键的命中基因且文字不重叠，并导出可印刷的火山图用于论文或学位论文。
下面每一步都在 SciDraw AI 编辑器 里、用 火山图生成器 完成——你把数据和意图输进去，图就出来，再用文字一点点打磨。
火山图到底在表达什么
火山图本质上是一种为差异表达而生的散点图。每一个点代表一个基因（或蛋白、或代谢物）。横轴是 log2 fold-change——表达上调（往右）或下调（往左）了多少。纵轴是 −log10 的 p 值（通常是校正后的 / FDR p 值）——也就是你的把握有多大。整张图呈现出"火山"的形状：最值得关注的基因落在两个上方角落里，那里既有大幅变化，又有统计学显著性。
它的全部意义就在于让你一眼把信号从噪声里分出来。这意味着有三件事必须清清楚楚：阈值线在哪、哪些点越过了阈值、哪几个基因值得被命名出来。
第一步：描述你想要的图
先在 编辑器 里告诉 AI 这张图是什么。坐标轴、数据类型和阈值都要讲明白——正是这些具体信息，把一张普通散点图变成一张正确的火山图。
模板： "为 [RNA-seq / 蛋白质组 / 单细胞] 差异表达做一张火山图。横轴：log2 fold-change。纵轴：−log10 校正 p 值。显著性阈值：|log2FC| > [1] 且校正 p < [0.05]。上调基因用 [红色]，下调用 [蓝色]，不显著用 [灰色]。加上虚线阈值线。"
一个填好的例子：
- "为一个比较处理组 vs. 对照组的 RNA-seq 实验做一张火山图。横轴 log2 fold-change，范围 −6 到 6；纵轴 −log10 校正 p 值。用 |log2FC| > 1 和校正 p < 0.05 作为阈值。上调基因用红色，下调用蓝色，不显著用灰色，并在 ±1 处画竖直虚线、在 p = 0.05 水平处画水平虚线。"
第二步：设置阈值和阈值线
阈值是这张图的核心，而且正是那种你希望不必重画就能随手改的东西。有两条阈值很关键：
- Fold-change 阈值——通常是
|log2FC| > 1（即 2 倍变化），不过0.585（1.5 倍）和2（4 倍）也很常见。 - 显著性阈值——通常用校正后的 p 值（Benjamini-Hochberg FDR），而不是原始 p 值。
0.05和0.01是标准取值。
直接用对话来调整：
- "把 fold-change 阈值改成 |log2FC| > 0.585（1.5 倍）。"
- "用校正 p < 0.01 代替 0.05，并相应地移动那条水平虚线。"
- "把阈值线改成浅灰色虚线，让它不要和数据点抢眼。"
第三步：给上调和下调基因上色
颜色是火山图易读性的关键。惯例是三色方案：一种颜色表示显著上调的基因，一种表示显著下调的，再用中性的灰色表示所有没越过阈值的点。
- "把上调基因（+1 右侧、p 阈值上方）涂成红色；下调（−1 左侧）涂蓝色；其余全部灰色、40% 不透明度。"
- "加一个图例：红 = 上调，蓝 = 下调，灰 = 不显著。"
- "把显著点画得稍大一点，不显著点画得更小、半透明。"
把不显著的那团点保持得淡一些，会把视线推向角落——故事正好在那里。
第四步：标注关键命中基因
审稿人想看到那些突出的基因被命名出来，但一墙重叠的标签比一个都不标还糟。要有所取舍，让 AI 把文字摆放得互不碰撞。
- "按校正 p 值标注前 10 个基因，用基因符号、细引导线，文字不重叠。"
- "只标注这几个基因：TP53、BRCA1、MYC、EGFR 和 CDKN1A。"
- "把最显著的 3 个上调基因的标签加粗。"
正是在这里，"描述改动"胜过手动摆放文本框：你点名要哪些命中基因，布局交给 AI。一旦整体看着对了，你还可以微调任意一个单独的标签——具体的文字修改见 如何编辑 AI 图中的文字与标签。
常见错误（以及如何修正）
- 用了原始 p 值而非校正 p 值。 多重检验的膨胀会让什么都显得显著。修正： "纵轴画 −log10 的校正（FDR）p 值，不要用原始 p 值。"
- 坐标轴不对称或被截断，掩盖了某个方向。 如果横轴只从 0 到 6，下调基因就消失了。修正： "把横轴做成以 0 为中心、从 −6 到 6 的对称轴。"
- 标签太多。 四十个重叠的基因名 = 没法看。修正： "只标注前 8 个命中基因，其余去掉。"
- 没有阈值线。 阈值是隐含的，却看不见。修正： "在 fold-change 和 p 值阈值处加虚线，让各个区域一目了然。"
- 配色忽略了方向。 所有显著基因用同一种颜色，就丢掉了上下调的故事。修正： "上调和下调基因用不同颜色区分。"
- 悄悄地给 −log10(p) 封顶。 p = 0 的基因会冲向无穷大。修正： "给纵轴封顶，并用空心箭头标出被封顶的点，这样才诚实。"
导出与使用
图做对了，就按用途导出。想要什么直接说：
- "把这张图导出成 300 DPI 的 PNG，尺寸适配期刊单栏宽度。"
- "给我一个矢量版本（SVG），方便我放进 Illustrator。"
- "导出 1200 像素宽、透明背景，用于我的幻灯片。"
火山图很少单独出现。如果你的差异表达结果要喂给一篇系统综述，或者你正在拼一张多面板的结果图，可以搭配 如何制作森林图 来汇总效应量；当某个基因名需要最后一刻修一下时，再回看 如何编辑 AI 图中的文字与标签。所有内容在 SciDraw AI 编辑器 里始终可编辑。
常见问题
不写代码怎么做 RNA-seq 火山图？ 打开 火山图生成器，描述你的比较（处理组 vs. 对照组），说明你的 log2 fold-change 和校正 p 值阈值，AI 就会把图搭出来。你通过打字来调整颜色、标签和阈值——不需要 R 或 Python。
火山图该用什么阈值？
最常见的默认值是 |log2FC| > 1（2 倍变化）和校正 p 值 < 0.05。更严格的研究会用 |log2FC| > 1 配合校正 p < 0.01。一定要用校正后（FDR）的 p 值而非原始 p 值，并在图注中写明你的阈值。
纵轴该用原始 p 值还是校正 p 值？ 用校正 p 值（Benjamini-Hochberg / FDR），以 −log10 的形式绘制。RNA-seq 一次检验数以万计的基因，用原始 p 值会把太多基因标成显著。画 −log10(校正 p) 才能让你的显著基因集站得住脚。
怎么只标注最重要的几个基因？ 让 AI 按校正 p 值标注前 N 个基因，或者直接点名你关心的具体基因。要求用细引导线、文字不重叠，这样即使在密集的图里标签也清晰可读。
蛋白质组或代谢组也能做火山图吗？ 可以。同样的坐标轴和阈值适用于任何差异丰度实验——蛋白质组、代谢组或单细胞。只要告诉 火山图生成器 数据类型和你的阈值，它就会相应调整标签和配色。
现在就做你的火山图
别再跟 geom_text_repel 死磕了。描述你的差异表达数据，设好阈值，让 AI 画出一张干净、带标签、可发表的图。打开 火山图生成器，或直接进入 SciDraw AI 编辑器，几分钟内做好你的火山图。
