Générateur de volcano plot

Quels gènes ont changé entre deux conditions, de combien et avec quelle fiabilité, tout à la fois. Chaque point est un gène : sa position gauche–droite est le log₂ fold change, sa hauteur le −log₁₀ de la valeur de p. Plus un point est haut et éloigné du centre, plus le changement est grand et sûr ; la base grise près de zéro, ce sont les gènes qui n’ont pas changé.

Lisez en largeur pour l’ampleur et le sens du changement (à droite surexprimé, à gauche sous-exprimé, ±1 correspond à un doublement ou à une division par deux), puis en hauteur pour la preuve (1,3 correspond à p = 0,05, et chaque unité au-dessus est dix fois plus petite). Les hits se trouvent dans les deux coins supérieurs, hors des lignes pointillées. La lecture commentée ci-dessus parcourt les six zones sur un exemple de 20 gènes.

|log₂FC| ≥ 1, soit un facteur 2, est le plus courant ; 0,58 (facteur 1,5) s’utilise quand on attend de petits effets, comme en protéomique, sur puces à ADN ou en single-cell. Le seuil est un choix de présentation : indiquez-le dans la légende de la figure. Dans le générateur de volcano plot, écrivez-le dans le prompt (« |log2FC| > 0.58 ») ou sous forme de facteur (« 1.5-fold »), converti en log₂.

Celle à laquelle le seuil de significativité a été appliqué, pour que la ligne horizontale veuille dire ce qu’annonce la légende. Avec des milliers de gènes testés, la plupart des articles seuillent et tracent la p ajustée de Benjamini–Hochberg (padj, FDR, q). Le générateur de volcano plot intitule l’axe −log₁₀(valeur de p ajustée) quand les valeurs sont ajustées et −log₁₀(valeur de p) sinon.

Parce que plus de gènes ont augmenté que diminué, ou l’inverse : un volcano plot n’est symétrique que si la biologie l’est. Un décalage de toute la base grise loin de x = 0, c’est autre chose. Il signale en général un problème de normalisation et mérite une vérification sur un MA plot avant de lire les hits. Le générateur de volcano plot ne retourne jamais le nuage en miroir pour lui donner l’air équilibré.

Leurs valeurs de p étaient trop petites pour être stockées et ont été écrites 0 : −log₁₀ p est infini et le logiciel de tracé les plafonne à une même hauteur. C’est courant avec le p_val_adj de Seurat et le RNA-seq très profond. Le générateur de volcano plot dessine ces gènes à la plus petite p non nulle de la table et le signale sur la figure ; les rapporter comme p < 10⁻³⁰⁰ est honnête, inventer une valeur exacte ne l’est pas.

Avec ggplot2, ajoutez une colonne de classe (up, down, non significatif), puis ggplot(res, aes(log2FoldChange, -log10(padj), colour = class)) + geom_point() + geom_vline(xintercept = c(-1, 1), linetype = 2) + geom_hline(yintercept = -log10(0.05), linetype = 2), avec ggrepel pour les étiquettes. EnhancedVolcano regroupe les mêmes étapes dans ses arguments pCutoff et FCcutoff. Pour éviter le code, joignez au générateur de volcano plot la table enregistrée par write.csv().

Prism trace automatiquement un volcano plot quand vous analysez une table groupée par tests t multiples (Prism 8 et suivants) : les résultats comprennent un graphique de la différence en fonction de −log₁₀ p. À partir d’une table de résultats faite ailleurs, entrez le log₂ fold change en X et −log₁₀ p en Y dans une table XY et ajoutez les lignes de seuil comme jeux de données supplémentaires, ou joignez cette table au générateur de volcano plot.

Dans Excel, ajoutez une colonne =-LOG10(C2) à côté des valeurs de p, faites un nuage de points XY du fold change en fonction de cette colonne, et ajoutez chaque ligne de seuil comme série de deux points ; colorer les classes demande une série par classe. En Python, plt.scatter(df.log2FoldChange, -np.log10(df.padj), c=colours) avec plt.axvline et plt.axhline fait la même chose, et adjustText place les étiquettes. Le générateur de volcano plot prend la même feuille en .xlsx ou .csv sans colonne de formule.

Oui : le générateur de volcano plot lit les résultats DESeq2, edgeR, limma, Seurat et Perseus par leurs en-têtes de colonnes, en .csv, .tsv ou .xlsx, jusqu’à 60 000 lignes. Les lignes avec NA sont ignorées, la p ajustée est utilisée quand le fichier en a une, et une colonne Fold change simple est convertie en log₂.

Non : le générateur de volcano plot lit les valeurs de p dans votre table et ne fait jamais les statistiques. Lancez le test dans DESeq2, edgeR, limma ou votre logiciel de protéomique ; à partir de ces nombres, le générateur de volcano plot calcule exactement −log₁₀ p, la classe de chaque gène, les effectifs, les axes et les lignes de seuil.

Par défaut, le générateur de volcano plot étiquette les dix hits les plus significatifs, répartis entre les côtés surexprimé et sous-exprimé. Écrivez « label the top 20 », « no labels », ou nommez les gènes (« highlight NANOG, SOX2 and MYC ») ; les gènes nommés sont étiquetés même gris.

Le générateur de volcano plot accepte jusqu’à 60 000 lignes, assez pour un transcriptome entier. Jusqu’à 200 gènes, chaque point est placé à ses coordonnées exactes. Au-delà, les gènes les plus significatifs (jusqu’à 300) sont placés exactement et les autres sont dessinés d’après leurs effectifs et leur répartition réels, bande par bande, tandis que la légende garde les effectifs exacts de surexprimés, sous-exprimés et non significatifs.