哪些变化值得关注？火山图给出答案

谷禾健康

面对成千上万个基因、物种或特征数据，哪些变化是真的重要？哪些只是普通波动？如果只看表格，很容易被大量数字淹没。

火山图就像一张差异地图，能把变化幅度和显著性同时展示出来，帮助我们快速找到最值得关注的目标。

本文我们来了解一下，火山图怎么看、每个区域代表什么，以及如何通过它判断特征差异的变化规律，助大家从复杂数据中快速抓住重点。

01
什么是火山图？

火山图（Volcano Plot）是一种用于‌差异表达分析‌的散点图，通过整合‌变化幅度‌与‌统计显著性‌两个维度，快速从海量数据中筛选关键目标。‌‌

• 横坐标表示数据量的差异倍数（foldchange，FC）；
• 纵坐标表示差异的统计学显著性水平（如 P-value 值）。

所以越靠上的点其显著性越高，差异性越可信；越靠两侧的点，其表达量上调或者下调幅度越大。通常差异倍数越大，统计检验也越显著，所以左上角和右上角的数据点往往更具有生物学研究意义。这类图像往往呈现类似火山爆发的形状，于是被称作火山图。

火山图的基本构成

图中的点表示不同的基因/物种。

X轴是差异倍数，log2转化。表示基因表达的倍数变化，通常以|fc|>=2（即|log2fc|>=1）作为垂直阈值。以左侧和右侧的两条垂直线表示。

Y轴是P-value，-log10转化。表示统计检验获得的是否统计差异显著的一个衡量值，通常以P-value<0.05 （或者校正p值<0.05）为统计检验显著的水平阈值。

以水平线表示，水平线上方的点表示p<0.05，下方的点表示p>0.05。

根据阈值，将数据点分成三类：

编辑​

‌图形特征‌：无差异数据集中在底部中心（灰色），右上角是显著上调，左上角是显著下调，数据分别向两侧扩散，形似火山喷发。‌‌

02
火山图常见的几个问题

什么是 Fold change?

Fold Change（简称FC），翻译成中文是差异倍数。

简单来说，就是一个基因在一组样品中的表达值的均值，除以它在另一组样品中的表达值的均值。因此，火山图适合展示两组样品之间的比较。

举个例子：

如果某基因在疾病组的平均表达量是10，

在对照组的平均表达量是5，

那么FC = 10/5 = 2，

表示该基因在疾病组中上调了2倍。

反过来，如果FC = 0.5，

则表示下调为原来的二分之一。

为什么要对 FC 做 Log2 转化？

两个数相除获得的结果（fold change）要么大于1，要么小于1，要么等于1，因此FC的原始值存在不对称问题：

• 上调时，FC可以大到任何数值（2倍、10倍、100倍……）
• 下调时，FC的范围被压缩在0到1之间（1/2、1/10、1/100……）

如果直接用原始FC绘图，上调基因占据的坐标空间远大于下调基因，图形会严重偏向一侧，既不好看也不直观。

编辑​

而取Log₂转化后：

上调：Log₂(2) = 1，Log₂(8) = 3

下调：Log₂(1/2) = -1，Log₂(1/8) = -3

上调和下调被对称地分布在0的两侧，上调在右侧，下调在左侧，偏离中心越远变化幅度越大。因此火山图的横轴采用Log₂ Fold Change。

什么时候用P-value和adjusted P-value?

P-value是统计检验获得的衡量差异是否显著的指标，约定俗成以P-value < 0.05作为统计显著的常规标准。

Adjusted P-value是经过多重假设检验校正后的P-value, 统计学上常用的校正方法包括“BH”“FDR”等。

为什么要校正？因为在差异表达分析中，我们要对成千上万个基因分别做统计检验——做这么多次检验，本身就会引入假阳性结果（纯属随机波动却被判为显著）。校正就是为了控制这种错误。

编辑​

大多数高影响力期刊和正式的生信分析中，推荐使用Adjusted P-value作为差异筛选的显著性标准。

为什么要对P-value做-Log 10转化？

P-value（或FDR）的值较小在0-1之间，如果直接用原始P-value作为纵坐标，所有点都会挤在坐标轴底部，无法区分哪些基因更显著。

而-Log₁₀转化后：

• P = 0.05 → -Log₁₀(0.05) ≈ 1.30
• P = 0.01 → -Log₁₀(0.01) = 2.00
• P = 0.001 → -Log₁₀(0.001) = 3.00

P值越小，-Log₁₀(P)越大，点在纵轴上就越高。这样越靠近顶部的点，差异越显著。

阈值线（通常P=0.05对应-Log₁₀=1.30）可以一目了然地划分显著与非显著区域。

03
火山图的不同展现方式

示例1. 各比较组间上/下调显著差异OTU的数量

编辑​

Edwars, J., et al. (2015). PNAS Fig. 2A

这篇文章分析了水稻根不同区域的细菌组成，该图展示了不同根系生态位相对于土壤的差异显著OTU。

• X轴展示了OTU的丰度，而不是pvalue值。
• Y轴展现FC差异倍数。

图表结论：

从根际-根表-根内，从外到内，显著差异的OTU总数量呈逐渐上升趋势，代表变化越来越大；其中根际有较多富集的OTU，而根表和根内则较多为下降的OTU。

作者将图像顺时针旋转90度放倒，以Y轴零刻度为分界面，上部为富集OTU，下部为下降OTU也很直观。三组图并排且变化明显，更直观的看到不同部位菌落的变化。

示例2. 斜置标记显著基因火山图

编辑​

Wang, J., et al. (2020). Cell, Fig. 7E.

火山图用来比较A组和B组之间差异表达基因

比较了经过RTX治疗后患有胆道闭锁的婴儿和其他未接受RTX治疗的胆道闭锁受试者肝内 CX3CR1+CD8Teff 细胞、单核细胞、CD8Trm 细胞和 Kupffer 细胞的差异表达基因的散点图。

图表结论：

RTX 处理增加了 CX3CR1+CD8Teff 细胞中 CX3CR1 和细胞毒性基因 (GZMA GZMB) 的表达，但降低了 CD8Trm 细胞中的 IFNG 表达。

来自 RTX 治疗患者的单核细胞显示炎症小体成分（PYCARD 和 IL1B）的表达增加，而 Kupffer 细胞显示清除剂（MARCO 和 CD5L）和肝再生（CXCL12）功能增加。

示例3. 多组差异火山图

编辑​

Asp, M., et al. (2019). Cell.Fig 2H

差异基因表达分析结果显示所有十个集群中上调和下调的基因。

• 矫正p值＜0.01用红色表示，
• 矫正p值＞=0.01用黑色表示。

普通的火山图主要展示两组样本之间的基因表达差异，但实验往往需要考虑多重因素，因此想要展示所有分组之间的差异情况，就需要绘制多个火山图。

这篇发表在《CELL》杂志上的文章，为了识别差异表达的基因，使用Seurat软件包中的FindAllMarkers函数（设置：min.pct = 0.25，thresh.use = 0.25），对各个cluster与其他所有cluster进行了成对比较。

这种采用多比较组差异火山图（仅保留log2FC）是一种目前比较新颖的火山图绘制方式。

04
结 语

总而言之，火山图作为差异表达分析的地图，通过整合差异倍数与统计显著性，帮助研究者高效锁定关键分子。

随着组学研究的深入与可视化技术的发展，火山图在高水平论文中也展现出丰富多元的表现形式。例如，除了经典的双阈值散点图外，还出现了多比较组火山图（如《Cell》文章中采用），在同一坐标中同时展示多个条件下的表达变化。这些创新不仅提升了信息密度，也增强了结果的解释力。

因此，掌握火山图的基本读图要诀——“横看差异，纵看意义”，是理解文献与开展分析的基础，而在此基础上，关注并尝试探索适合自身研究问题的新型可视化形式，将有助于更清晰、更高效地传递科学发现。