plot18 · 代码 2 · 图 3 · 笔记 3 · 代码库专题

火山图专题

火山图（Volcano Plot）是差异分析结果的标准可视化：横轴 log₂FC、纵轴 -log₁₀(padj)，三分类 Up/Not/Down。

Fig2I7.2_三组火山图/Fig2I.pdf

共 2 张：点缩略图切换主图，下载按钮跟随当前主图。

下载当前图（PNG）

分类: visualization
图号: 代码 2 · 图 3 · 笔记 3
文献来源: 非期刊图，无对应论文。
教程来源: 本地路径：02_可视化/07_火山图
2 个代码文件 · 3 份笔记
代码来源: 本地代码库 02_可视化/07_火山图

图源：Fig2I.pdf

分析流程与参数

从专题 README 抽取；原文顺序保留，未跑过的部分照实标注。

火山图（Volcano Plot）是差异分析结果的标准可视化：横轴 log₂FC、纵轴 -log₁₀(padj)，三分类 Up/Not/Down。

展开其余 2 个章节（工具栈、数据格式、可视化方法、参考文献等）

子目录

7.1_火山图1 — 三分类火山图（顶刊风格，8x6cm）：顶部图例带各类 n 计数 + 阈值虚线，蓝-灰-红配色，含通用复用脚本与完整踩坑记录。
7.2_三组火山图 — 三组差异整合散点图（文献 Fig2I 复现）：二维散点同时展示三个差异比较（x/y = 两组 log2FC，颜色+大小 = 第三组 log2FC），ggrepel 引线标签，附文献原始补充数据一键跑通。

常见变体（后续补充）

富集通路火山图（气泡/散点，纵轴为通路）
标注特定基因的火山图（用 ggrepel::geom_text_repel）
分面火山图（按分组/facet）

分析代码

2 个源码文件，按目录顺序；本机绝对路径已替换为 ~。代码可复制，但需要按自己的数据改路径与参数。

7.1_火山图1/01_volcano_three_class.r r · 5521 bytes

# ============================================================
# 01_volcano_three_class.R — 三分类火山图（复现"顶刊风格"）
#
# 说明：
#   参考某文献的火山图样式：顶部图例带各类 n 计数 +
#   两条竖直虚线(log2FC 阈值) + 一条水平虚线(padj 阈值)。
#   本脚本把输入路径参数化，可直接换到其他 DESeq2 结果复用。
#
# ⚠️ 本项目相关注意事项（踩坑记录）:
#   - 8x6cm 窄画布下，图例/轴标题/刻度字号必须相应缩小，
#     否则右侧文字贴边截断（详细见同级 README.md）
#   - 点太小看不清 -> 增大 size 并注意层次（Up/Down 在 Not 之上）
#   - y_lim / x_lim 要留 15% 呼吸空间，否则最高/最远点贴 panel 边
#   - 52 个 padj=NA 基因（DESeq2 独立过滤后无 padj）会被 remove，
#     属正常，非 bug
#
# 输入:  一个 DESeq2 results 对象 .rds（list 内含 $tab，含
#        gene_id / log2FC / padj 列）或直接传入 df
# 输出:  fig_volcano_three_class.pdf（只 PDF，全局规则）
#
# 用法:
#   Rscript 01_volcano_three_class.R --rds 02_results/deseq2_objects.rds \
#            --tab deseq2_tab --out 03_figures/fig_volcano.pdf
#   （无参数时用下方 DEFAULT 示教路径）
# ============================================================
suppressPackageStartupMessages({
  library(data.table)
  library(ggplot2)
})

# ---- 参数解析（命令行可覆盖默认值；支持 --k=v 和 --k v 两种写法） ----
args <- commandArgs(trailingOnly = TRUE)
arg_of <- function(k, default) {
  i <- grep(paste0("^--", k, "(=|$)"), args)
  if (!length(i)) return(default)
  a <- args[i[1]]
  if (grepl(paste0("^--", k, "="), a)) sub(paste0("^--", k, "="), "", a)
  else if (i[1] < length(args)) args[i[1] + 1]
  else default
}
rds_path    <- arg_of("rds", "02_results/deseq2_objects.rds")
tab_name    <- arg_of("tab", "tab")          # rds 内保存表格的 list 成员名
out_pdf     <- arg_of("out", "03_figures/fig_volcano_three_class.pdf")
out_w_cm    <- as.numeric(arg_of("w", "8"))
out_h_cm    <- as.numeric(arg_of("h", "6"))

# ---- 阈值（可覆盖） ----
padj_thr <- as.numeric(arg_of("padj_thr", "0.05"))
lfc_thr  <- as.numeric(arg_of("lfc_thr", "0.585"))

# ---- 配色（用户指定，勿改） ----
cols <- c("Down" = "#2878B5", "Not" = "#CFCFCF", "Up" = "#EF3B35")

# ---- 读入数据（兼容 rds 对象或直接传 tab 的路径） ----
if (grepl("\\.rds$", rds_path)) {
  obj <- readRDS(rds_path)
  tab <- as.data.table(obj[[tab_name]])
} else {
  tab <- as.data.table(readRDS(rds_path))   # 假设 rds 本身就是 data.frame
}
stopifnot(all(c("log2FC", "padj") %in% names(tab)))

# ---- 三分类 ----
tab[, cat := ifelse(!is.na(padj) & padj < padj_thr & log2FC >  lfc_thr, "Up",
             ifelse(!is.na(padj) & padj < padj_thr & log2FC < -lfc_thr, "Down", "Not"))]
tab$cat <- factor(tab$cat, levels = c("Down", "Not", "Up"))
n_down <- sum(tab$cat == "Down"); n_not <- sum(tab$cat == "Not"); n_up <- sum(tab$cat == "Up")
cat(sprintf("Down=%d  Not=%d  Up=%d\n", n_down, n_not, n_up))

# ---- 图例标签（窄画布下缩短为 n=%d 避免贴边） ----
lab <- c(sprintf("Down (n=%d)", n_down),
         sprintf("Not (n=%d)", n_not),
         sprintf("Up (n=%d)", n_up))

# ---- 选点（Up/Down 单独层，置于 Not 之上） ----
tab[, up_sel := !is.na(padj) & padj < padj_thr & log2FC >  lfc_thr]
tab[, dn_sel := !is.na(padj) & padj < padj_thr & log2FC < -lfc_thr]
y_lim   <- max(-log10(tab$padj), na.rm = TRUE) * 1.15     # 留顶部呼吸
x_min   <- min(tab$log2FC, na.rm = TRUE) - 0.15           # 留左右呼吸
x_max   <- max(tab$log2FC, na.rm = TRUE) + 0.15

# ---- 绘图 ----
p <- ggplot(tab[!is.na(padj)], aes(x = log2FC, y = -log10(padj))) +
  geom_point(data = tab[cat == "Not"], aes(color = cat),
             size = 1.2, alpha = 0.35) +
  geom_point(data = tab[dn_sel == TRUE], aes(color = "Down"),
             size = 2.0, alpha = 0.75) +
  geom_point(data = tab[up_sel == TRUE], aes(color = "Up"),
             size = 2.0, alpha = 0.75) +
  geom_vline(xintercept = c(-lfc_thr, lfc_thr), linetype = 2,
             color = "grey30", linewidth = 0.35) +
  geom_hline(yintercept = -log10(padj_thr), linetype = 2,
             color = "grey30", linewidth = 0.35) +
  scale_color_manual(values = cols, labels = lab, breaks = c("Down", "Not", "Up")) +
  scale_x_continuous(limits = c(x_min, x_max)) +
  scale_y_continuous(limits = c(0, y_lim)) +
  labs(x = expression(Log[2]("Fold Change")),
       y = expression(-Log[10]("padj"))) +
  theme_bw() +
  theme(
    legend.position = "top", legend.title = element_blank(),
    legend.text = element_text(size = 6.5), legend.key = element_blank(),
    legend.key.size = unit(0.2, "cm"), legend.spacing.x = unit(0.15, "cm"),
    legend.margin = margin(b = 0, t = 0),
    panel.grid = element_blank(),
    panel.border = element_rect(color = "black", linewidth = 0.5),
    axis.title = element_text(size = 8), axis.text = element_text(size = 6.5),
    axis.ticks = element_line(linewidth = 0.4),
    plot.margin = margin(t = 1, r = 4, b = 1, l = 3)
  ) +
  guides(color = guide_legend(override.aes = list(size = 1.5, alpha = 1),
                              keywidth = unit(0.16, "cm"),
                              keyheight = unit(0.16, "cm")))

dir.create(dirname(out_pdf), showWarnings = FALSE, recursive = TRUE)
ggsave(out_pdf, p, width = out_w_cm, height = out_h_cm, units = "cm", device = "pdf")
cat("saved:", out_pdf, "\n")
cat("VOLCANO_OK\n")

7.2_三组火山图/fig2i_scatter.r r · 4691 bytes

# ============================================================================
# 三组差异比较整合散点图（文献 Fig2I 复现）
# 来源: 生信技能树公众号 https://mp.weixin.qq.com/s/IPKtCGbk7o9OFf5WsNAopg
# 文献: Dynamic remodelling of epithelial plasticity in colorectal cancer
#       from single-cell and spatially resolved perspectives (2025, BMC)
#       Fig2I: 二维散点图同时展示三个差异分组结果
#       x = CRC vs Normal log2FC, y = LM vs Normal log2FC,
#       颜色/大小 = LM vs CRC log2FC
# 数据: 文献补充材料 MOESM2 (CRC vs Normal) + MOESM3 (LM vs CRC)
# 说明: 文献只公开了两组差异结果, 故第三维(y)借用 MOESM3 中的 LM vs CRC
#       映射为颜色/大小; 自己应用时换成真实三组数据即可
# 输出: Fig2I.pdf (矢量图)
# ============================================================================
rm(list = ls())
library(ggplot2)
library(ggrepel)

# ---- 1. 读取数据 -----------------------------------------------------------
# MOESM2: CRC vs Normal 差异结果(含 T 细胞与上皮两套, 取上皮)
diff1 <- read.csv("data/12967_2025_7380_MOESM2_ESM.csv", skip = 2)
table(diff1$cell.type)
diff1 <- diff1[diff1$cell.type == "Epi (CRC vs. Normal)", ]
colnames(diff1) <- paste0("CRCvsNormal.", colnames(diff1))
head(diff1)

# MOESM3: LM vs CRC 差异结果(取上皮)
diff2 <- read.csv("data/12967_2025_7380_MOESM3_ESM.csv", skip = 2)
table(diff2$cell.type)
diff2 <- diff2[diff2$cell.type == "Epi (LM vs. CRC)", ]
colnames(diff2) <- paste0("LMvsCRC.", colnames(diff2))
head(diff2)

# ---- 2. 合并两组差异并过滤 -------------------------------------------------
# 按基因名(inner join)取交集, 双侧 |log2FC| > 0.5
dt <- merge(diff1, diff2, by.x = "CRCvsNormal.X", by.y = "LMvsCRC.X")
dt <- dt[abs(dt$LMvsCRC.avg_log2FC) > 0.5, ]
dt <- dt[abs(dt$CRCvsNormal.avg_log2FC) > 0.5, ]
head(dt)

# 因缺少第三组独立差异结果, 交集基因偏多, 取前 114 个作图贴近原图
# (自己有完整三组数据时删掉这行, 用全部交集基因)
dt <- dt[1:114, ]

range(dt$CRCvsNormal.avg_log2FC)
range(dt$LMvsCRC.avg_log2FC)

# ---- 3. 基础散点图 (x/y 为两组 log2FC, 颜色+大小为第三组 log2FC) ----------
p <- ggplot(data = dt, aes(x = CRCvsNormal.avg_log2FC, y = LMvsCRC.avg_log2FC)) +
  geom_point(aes(size = LMvsCRC.avg_log2FC, color = LMvsCRC.avg_log2FC),
             shape = 19) +
  scale_size_continuous(range = c(1, 4)) +  # 点大小映射范围
  scale_color_gradientn(
    colors = c("#5961a3", "#54aca5", "#eff1b4", "#fdae61", "#cb4958"),
    values = scales::rescale(c(-5, -4, -2, 0, 2.5)),  # 渐变关键节点位置
    limits = c(-5, 2.6))
p

# ---- 4. 添加基因标签 (ggrepel 防重叠 + 引线) -------------------------------
p1 <- p +
  geom_text_repel(
    data = dt,
    aes(x = CRCvsNormal.avg_log2FC, y = LMvsCRC.avg_log2FC, label = CRCvsNormal.X),
    size = 2.4,
    force_pull = 2,              # 标签向点回拉的力
    point.padding = 0,           # 标签与点的最小距离
    box.padding = 0.01,          # 标签框之间的距离
    min.segment.length = 0.03,   # >0 即显示引线
    segment.color = "grey20",
    segment.size = 0.5,          # 引线粗细
    segment.alpha = 0.8,         # 引线透明度
    max.overlaps = Inf,          # 不因重叠隐藏任何标签
    seed = 123, max.time = 1, max.iter = Inf)
p1

# ---- 5. 添加零线/标题/主题 -------------------------------------------------
p2 <- p1 +
  geom_vline(xintercept = 0, linetype = "dashed", color = "gray50", linewidth = 0.8) +
  geom_hline(yintercept = 0, linetype = "dashed", color = "gray50", linewidth = 0.8) +
  scale_alpha_continuous(range = c(0.3, 1)) +
  xlab(label = "CRC vs. Normal log2 Fold Change") +
  ylab(label = "LM vs. Normal log2 Fold Change") +
  ggtitle("DEG profiles across CRC vs. Normal, LM vs. Normal, \nand LM vs. CRC")
p2

p3 <- p2 +
  theme_bw() +
  theme(legend.position = "right",
        legend.text = element_text(size = 12),
        panel.border = element_rect(color = "black", fill = NA, linewidth = 1.2),
        panel.grid.major = element_blank(),   # 去掉主网格线
        panel.grid.minor = element_blank(),   # 去掉次网格线
        plot.title = element_text(size = 16, face = "bold", hjust = 0.5),
        axis.title.x = element_text(size = 16),
        axis.title.y = element_text(size = 16),
        axis.text.x = element_text(size = 12),
        axis.text.y = element_text(size = 12))
p3

# ---- 6. 输出矢量图 (PDF) ---------------------------------------------------
ggsave(filename = "Fig2I.pdf", width = 8, height = 6, plot = p3)
cat("Done: Fig2I.pdf\n")

用 MCP 直接出图

这个专题已经做成确定性工具，调用后直接返回图片，不需要 AI 现写代码。

工具名: plot18_volcano
安装: 见 plot-mcp/README.md；接入后在对话里说「用 plot18_volcano 画图」即可

{
  "rows": [
    {
      "sample": "c1",
      "group": "Control",
      "module": "ECM",
      "score": 4.2
    },
    {
      "sample": "c2",
      "group": "Control",
      "module": "ECM",
      "score": 4.8
    }
  ],
  "title": "火山图专题",
  "out": "./figure.png"
}

给 Agent 的提示词

请参考 hz-bioinfo-codes 的 07_火山图 专题（plot18），为我的数据复现同类图表，并保留原有配色与排版。