跳到主要内容

火山图

火山图把 log₂ 倍数变化放在 x 轴、把 −log₁₀(p 值) 放在 y 轴 —— 于是真正重要的点是那些既高又远的。 同时通过两个阈值的点按上调(右)或下调(左)上色,其余是灰的,阈值线也替你画好。

SELECT kuva_render(to_json({
'title': 'Tumour vs normal',
'x_axis': {'name': 'log2 fold change'},
'y_axis': {'name': '-log10(p-value)'},
'series': [{
'type': 'volcano',
'points': pts,
'legend': 'status'
}]
})) AS chart
FROM (
SELECT list({'name': gene, 'log2fc': log2fc, 'pvalue': pvalue}) AS pts
FROM read_csv_auto('{{DFK_BASE_URL}}data/volcano.tsv')
);

分类全靠两个阈值:fc_cutoff(默认 1,也就是两倍变化)与 p_cutoff(默认 0.05)。虚线画在 ±fc_cutoff 与 −log10(p_cutoff) 处。

基因标签​

label_top 会给最显著的 n 个点加标签 —— 这就是「少数几个值得点名的基因被点名,而不是给两万个点全加标签」的 做法。标签位置有四种:

label_style放法
"nudge"按 x 排序后竖直方向挪开以避免叠字(默认)
"exact"就放在点上、不做调整 —— 用于稀疏数据或打算后处理 SVG 的情形
{"offset_x": 14, "offset_y": 16}按像素偏移,并画一条短引线拉回数据点
"repel"力导向(ggrepel / adjustText 风格):标签互相推开、也推离数据点,并画细引线
SELECT kuva_render(to_json({
'title': 'Top hits labelled',
'x_axis': {'name': 'log2 fold change'},
'y_axis': {'name': '-log10(p-value)'},
'series': [{
'type': 'volcano',
'points': pts,
'label_top': 12,
'legend': 'status'
}]
})) AS chart
FROM (
SELECT list({'name': gene, 'log2fc': log2fc, 'pvalue': pvalue}) AS pts
FROM read_csv_auto('{{DFK_BASE_URL}}data/volcano.tsv')
);

高显著那一角会挤的时候,就该用箭头那种:引线让标签可以待在舒服的距离上。

SELECT kuva_render(to_json({
'title': 'Arrow labels',
'x_axis': {'name': 'log2 fold change'},
'y_axis': {'name': '-log10(p-value)'},
'series': [{
'type': 'volcano',
'points': pts,
'label_top': 10,
'label_style': {'offset_x': 14, 'offset_y': 16},
'legend': 'status'
}]
})) AS chart
FROM (
SELECT list({'name': gene, 'log2fc': log2fc, 'pvalue': pvalue}) AS pts
FROM read_csv_auto('{{DFK_BASE_URL}}data/volcano_genes.tsv')
);

避让时的竖直铺开量是从数据推出来的,所以同样的 label_top,在最显著的点聚得紧或散得开时,标签云也会更紧或更松。

阈值​

更严的阈值把线往 x 轴内侧、y 轴上方挪,把彩色的两个角缩小。同一组对比画出的两张火山图对不上时,第一个该查的就是它。

SELECT kuva_render(to_json({
'title': 'Stricter cutoffs',
'x_axis': {'name': 'log2 fold change'},
'y_axis': {'name': '-log10(p-value)'},
'series': [{
'type': 'volcano',
'points': pts,
'fc_cutoff': 2,
'p_cutoff': 0.01,
'color_up': 'darkorange',
'color_down': 'mediumpurple',
'label_top': 8,
'legend': 'status'
}]
})) AS chart
FROM (
SELECT list({'name': gene, 'log2fc': log2fc, 'pvalue': pvalue}) AS pts
FROM read_csv_auto('{{DFK_BASE_URL}}data/volcano.tsv')
);

颜色​

字段默认用在
color_upfirebricklog2fc ≥ fc_cutoff 且 p ≤ p_cutoff
color_downsteelbluelog2fc ≤ −fc_cutoff 且 p ≤ p_cutoff
color_ns#aaaaaa其余全部
SELECT kuva_render(to_json({
'title': 'House colours',
'x_axis': {'name': 'log2 fold change'},
'y_axis': {'name': '-log10(p-value)'},
'series': [{
'type': 'volcano',
'points': pts,
'color_up': '#d62728',
'color_down': '#1f77b4',
'color_ns': '#cccccc',
'point_size': 3.5,
'legend': 'status'
}]
})) AS chart
FROM (
SELECT list({'name': gene, 'log2fc': log2fc, 'pvalue': pvalue}) AS pts
FROM read_csv_auto('{{DFK_BASE_URL}}data/volcano.tsv')
);

p 值为 0 与极端 p 值​

p 值正好为 0 时没法取对数。这类点会按数据里最小的非零 p 值夹住 —— 也就是说 y 轴顶端落在「最显著的那个基因 恰好是多少」上,两份不同数据集的火山图于是落在不同的刻度上。

pvalue_floor 把这个上限显式定下来,几张图就能共用同一根 y 轴:

SELECT kuva_render(to_json({
'title': 'Pinned y ceiling',
'x_axis': {'name': 'log2 fold change'},
'y_axis': {'name': '-log10(p-value)'},
'series': [{
'type': 'volcano',
'points': pts,
'pvalue_floor': 1e-10,
'legend': 'status'
}]
})) AS chart
FROM (
SELECT list({'name': gene, 'log2fc': log2fc, 'pvalue': pvalue}) AS pts
FROM read_csv_auto('{{DFK_BASE_URL}}data/volcano.tsv')
);

字段​

字段类型设置什么
pointspoint[]必填。 每项是 {name, log2fc, pvalue}。
fc_cutoffnumber|log2FC| 阈值(默认 1)。
p_cutoffnumberp 值阈值(默认 0.05)。
color_up / color_down / color_nsstring三种分类的颜色。
point_sizenumber圆点半径(像素,默认 3)。
label_topinteger给最显著的 n 个点加标签(0 = 不加,默认)。
label_stylestring | object"nudge"(默认)· "exact" · "repel" · {offset_x, offset_y}。
pvalue_floornumber−log10 变换时 p 值的显式下限。
legendstring任一非空值就打开 上调 / 下调 / 不显著 的图例。

说明​

  • points 不能为空,且每个点要有 name、log2fc、pvalue。
  • pvalue 是原始 p 值,不是 −log10 之后的结果。
  • p 值大于 1、或小于等于 0 都没有意义;后者由下限处理,前者会被照画成负的 y,而不是被悄悄丢掉。
  • label_top 是按显著性挑标签,不是按倍数变化 —— 标签给的是最高的那些点,这通常是你想要的,但不总是。
  • fc_cutoff 是与绝对值比较的,所以 x 上那两条虚线是对称的。

另见​

  • kuva — 火山图 —— 绘图库自己的图型参考。
  • 曼哈顿图 —— 用基因组位置而不是效应量表达显著性。
  • Q-Q 图 —— 相信峰之前,先查 p 值分布本身。