volcano plot 火山圖
火山圖(Volcano Plot)是做RNA-Seq分析的時(shí)候特別常用的一張圖铺呵,因?yàn)樗梢苑浅G逦恼故境瞿男┗蚴俏覀冋嬲胍娘@著性的基因盛正。
我們看看火山圖長(zhǎng)什么樣子
下面說(shuō)明如何看懂和繪制火山圖
標(biāo)準(zhǔn)的火山圖常用于展示顯著差異表達(dá)的基因关摇,這里有兩個(gè)關(guān)鍵詞:顯著是指P<0.05,差異表達(dá)一般我們按照Fold Change(倍數(shù)變化)>=2.0作為標(biāo)準(zhǔn)肆汹。
當(dāng)我們拿到基因表達(dá)的P值和Fold Change后愚墓,為了用火山圖展示結(jié)果,一般需要把倍數(shù)進(jìn)行Log2的轉(zhuǎn)化昂勉,比如某基因在實(shí)驗(yàn)組表達(dá)水平是對(duì)照組的4倍浪册,log2(4)=2,同樣的如果是1/4硼啤,也就是0.25议经,轉(zhuǎn)換后的結(jié)果就是-2斧账。
同樣的道理,對(duì)P值進(jìn)行-log10的轉(zhuǎn)化煞肾,-log10(0.05)約等于1.30103咧织,由于P值越小表示越顯著,所以我們進(jìn)行-log10(P value)轉(zhuǎn)化后籍救,轉(zhuǎn)化值越大表示差異約顯著习绢,比如-log10(0.001)=3 > -log10(0.01)=2 > -log10(0.05)=1.30。
上面看不懂沒(méi)關(guān)系蝙昙,舉例說(shuō)明:
RNA-Seq測(cè)序時(shí)會(huì)有一個(gè)對(duì)照組的樣本闪萄,一個(gè)處理組的樣本,處理組和對(duì)照組相比較奇颠,會(huì)發(fā)現(xiàn)某個(gè)基因表達(dá)量或變高了或變低了败去。用處理組的表達(dá)量除以對(duì)照組就會(huì)得到一個(gè)倍數(shù),這個(gè)倍數(shù)就叫做Fold Change
烈拒,差異表達(dá)一般我們按照Fold Change(倍數(shù)變化)>=2.0作為標(biāo)準(zhǔn)圆裕。為了用火山圖更直觀的顯示結(jié)果我們要將橫軸的Fold Change
進(jìn)行Log2處理,對(duì)縱軸的P值進(jìn)行-log10
的處理荆几。
log2(fold change)=0
也就是圖中間的位置吓妆,就相當(dāng)于:處理組fpkm/對(duì)照組fpkm=1
也就是說(shuō)對(duì)照組和處理組之間的基因表達(dá)量是沒(méi)有變化的。所以說(shuō)出現(xiàn)在中間位置的點(diǎn)是表達(dá)量沒(méi)有發(fā)生變化的基因吨铸,越往右邊走就說(shuō)明這些基因的表達(dá)量在處理組比對(duì)照組大行拢,越往左走說(shuō)明相對(duì)于對(duì)照組來(lái)說(shuō),處理組基因表達(dá)量變低诞吱。
在該圖中舟奠,不顯著的被設(shè)置成了粉色,顯著的設(shè)置成了綠色狐胎。
Y軸是cuffdiff
算的統(tǒng)計(jì)檢驗(yàn)的P-value
取了log10之后又取了一個(gè)負(fù)數(shù)鸭栖,所以說(shuō)-log10(P-value)
越高代表著越顯著,也就是說(shuō)越往左上角和越往右上角的點(diǎn)是越顯著的點(diǎn)握巢。
我們用來(lái)自于cuffdiff
的輸出文件gene_exp.diff
畫(huà)圖,讀入R命令:
volcano_plot = read.table(file="gene_exp.diff文件路徑",header = T)
注:讀表用read.table
函數(shù)
讀入后松却,看看這個(gè)表張什么樣子:
可以看到:
- 第一列暴浦、第二列都是基因名;
- 第三列
gene
沒(méi)寫(xiě)因?yàn)橐呀?jīng)給了gene_id
了晓锻; - 第四列
locus
是該基因在基因組上位置歌焦; -
sample_1 sample_2
就是取了個(gè)名字不用注意; -
status
那列顯示的是砚哆,是否通過(guò)檢驗(yàn)独撇,顯示OK的就是進(jìn)行檢驗(yàn)的,顯示NOTEST就說(shuō)明表達(dá)量特別特別低不進(jìn)行檢驗(yàn); -
p-value
是做統(tǒng)計(jì)檢驗(yàn)看看是否顯著纷铣,q-value
是對(duì)p-value
進(jìn)行修正卵史,最終以修正過(guò)的q-value
為準(zhǔn),q-value<0.05才認(rèn)為是顯著的搜立。
準(zhǔn)備畫(huà)火山圖用到的X/Y軸
先準(zhǔn)備X軸—log2(fold change)
前面我們交代過(guò)了fold change=處理組fpkm/對(duì)照組fpkm
所以:
control_FPKM = volcano_plot$value_2 #對(duì)照組的fpkm
treat_FPKM = volcano_plot$value_1 #處理組的fpkm
log2_foldchange = log2(treat_FPKM / control_FPKM) #處理組fpkm/對(duì)照組fpkm
我們可以看到我們這里重新賦值求的log2_foldchange
以躯,原來(lái)的表格里有log2.fold_change
這一列,為什么還要重新求呢啄踊?因?yàn)樵瓉?lái)表格里求反了求的是:對(duì)照組fpkm/處理組fpkm忧设,我們這里改正下。
我們看下計(jì)算好的log2_foldchange
里面有很多的Inf
和NaN
颠通,這是怎么回事址晕?
> log2_foldchange
[1] 0.3382477530 -0.4605051707 -0.0964487964 -0.0249217524 0.7042396503 NaN Inf
[8] -0.9036291456 NaN NaN 0.4595512248 -0.2834890803 -0.1511719401 -Inf
[15] Inf NaN NaN NaN 0.4606267258 0.1979788743 0.1460252515
[22] -0.3713316852 -0.9538916822 -0.2045978915 -0.2938850235 0.2349539904 0.3777615202 0.4461331227
[29] -0.1815706646 -1.0014515800 Inf -0.3531645487 0.1261928713 2.8901005944 -Inf
[36] -0.0146452448 -0.8561317308 -0.1874764797 0.5134263089 -0.0978467676 -0.3708083209 0.8298739826
這是因?yàn)橛行ヽontrol組基因的FPKM是0,除數(shù)是零顿锰,是不符合數(shù)學(xué)規(guī)則的谨垃,所以會(huì)出現(xiàn)這種情況。
我們需要處理下:
control_FPKM == 0
判斷一下control_FPKM的值是否等于0
把control_FPKM == 0
即除數(shù)是0的全都篩選出來(lái)
> log2_foldchange[control_FPKM == 0 ]
[1] NaN Inf NaN NaN Inf NaN NaN NaN Inf Inf NaN NaN NaN Inf NaN NaN NaN NaN Inf Inf NaN NaN NaN NaN NaN NaN
[27] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Inf Inf NaN NaN NaN NaN
[53] NaN NaN Inf NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Inf NaN NaN NaN Inf NaN
我們可以看到經(jīng)過(guò)log2_foldchange[control_FPKM == 0 ]
操作撵儿,把log2_foldchange
里的所有 NaN / Inf
選出來(lái)了乘客,之后我們把篩選出的 NaN / Inf
強(qiáng)行賦值為0
log2_foldchange[control_FPKM == 0 ] = 0
查看新生成的log2_foldchange
發(fā)現(xiàn)還有一些-Inf
> log2_foldchange
[1] 0.3382477530 -0.4605051707 -0.0964487964 -0.0249217524 0.7042396503 0.0000000000 0.0000000000
[8] -0.9036291456 0.0000000000 0.0000000000 0.4595512248 -0.2834890803 -0.1511719401 -Inf
[15] 0.0000000000 0.0000000000 0.0000000000 0.0000000000 0.4606267258 0.1979788743 0.1460252515
[22] -0.3713316852 -0.9538916822 -0.2045978915 -0.2938850235 0.2349539904 0.3777615202 0.4461331227
[29] -0.1815706646 -1.0014515800 0.0000000000 -0.3531645487 0.1261928713 2.8901005944 -Inf
[36] -0.0146452448 -0.8561317308 -0.1874764797 0.5134263089 -0.0978467676 -0.3708083209 0.8298739826
[43] 1.8493688172 0.0889640074 0.3113824129 0.0000000000 1.1102702040 -0.2531163954 0.0957645721
[50] -0.6889365003 0.0000000000 0.0000000000 0.4828096335 -Inf -0.0058634211 -0.1436717399
[57] -0.2029754567 1.9504284898 -0.2426462728 -0.3974959807 0.7211822730 -0.2428425868 0.5005116514
[64] 0.3829284571 -0.0027983348 0.2696816982 -0.1575258190 -0.5746841946 -0.2751886483 0.0894799450
[71] -0.1773208535 -1.6980255555 0.0000000000 0.5061142478 0.3639842228 -Inf -0.1930460419
這是因?yàn)楫?dāng)treat_FPKM=0
即分母是0時(shí),求log2就等于負(fù)無(wú)窮-Inf
所以淀歇,同理易核,我們把treat_FPKM
也處理一下,把log2_foldchange
里所有的-Inf
賦值為0浪默,這時(shí)我們就把畫(huà)圖過(guò)程中的異常點(diǎn)過(guò)濾掉了牡直。
log2_foldchange[treat_FPKM == 0 ] = 0
此時(shí)log2_foldchange
里所有的數(shù)都是有效數(shù)字了,原來(lái)NaN / Inf
的地方都變成0
啦~
準(zhǔn)備Y軸纳决。
前面我們也交代過(guò)Y軸是p-value
取log10
碰逸,這時(shí)得到的是一個(gè)負(fù)值,我們?cè)侔阉兂烧麛?shù)所以乘以-1
即:
log10_p_value = log10(volcano_plot$p_value) * -1
此時(shí)阔加,X,Y軸都準(zhǔn)備好了饵史,我們開(kāi)始作圖
plot(x=log2_foldchange,y=log10_p_value)
這張圖雖然是火山圖的樣子了,但肯定是不符合paper的要求的胜榔,我們還需要對(duì)它進(jìn)行精修胳喷,至于怎么精修,明天講~