探“云”指南 | 欧易云交互式火山图——助你轻松找到“理想型”（上）

无论使用的是转录组数据还是芯片数据，对差异基因显著性结果的展示对一项差异表达研究来说都是十分重要的。其中，差异倍数大且显著程度高的候选基因往往是科研者们的“理想型”。如果把这些“候选者”的名字一一打印在展示图片上，那么上万个名字必然你遮住了我，我挡住了你。可如果不打印出它们的名字，那么在绘制而成的图片上我的“理想型”基因究竟在哪里呢？差异倍数大且显著程度高的那个它叫什么名字？难道要对照上万个基因的相关数据一个一个去找么？现在，交互式火山图可以带你轻松找到那个想要的“它”。

火山图（Volcano Plot）是散点图的一种，可以非常清晰的展示出基因在不同样本中的差异倍数和显著性。其横坐标为基因在样本间差异表达倍数的对数log²FoldChange，横坐标为差异显著性（p-value或q-value）。交互式火山图通过eCharts实现图片的动态生成交互功能。

那究竟要怎么使用它？请继续看下去吧，非常的简单哦！

2.1 数据输入                                         

作为差异基因显著性结果的展示，交互式火山图的输入数据为基因表达量差异未筛选文件，至少需要含有三列：第一列、Names(基因/探针名称)；第二列、log²FoldChange；第三列、p-value ；代谢组数据第四列可添加 VIP，而有的表达量差异文件计还算了q-value值，这里同样支持以q-value为显著性衡量标准进行筛选；

图1 测序数据输入整理

图2 芯片数据输入整理

图3 代谢/蛋白组数据输入整理  

图4 芯片组差异文件

图5 标记名称列表

图6 标记名称列表（芯片）

2.2 参数选择

在“参数调整”的“主要参数”中对应位置选择上传相应文件；

步骤详情：

（1）设置显著性阈值筛选条件，默认为p-value，可在下拉框中选择q-value；

（2）设置显著性阈值大小，既p-value或q-value的筛选条件，默认为0.05，可在此键入一个阈值；

（3）设置差异倍数阈值，既FC（Fold Change）的筛选条件，默认为2，可在此键入一个阈值；

（4）为VIP筛选条件，仅在代谢/蛋白组数据中生效，默认为0，即不进行筛选。注意！若输入数据为转录组或芯片数据，输入数据中无表头为“VIP”的列，而设置了非0的VIP值，是会报错的哦；

（5）标记名称列表，可再次输入想要展示在生成图片上的基因名，注意区分大小写，要与输入数据中的基因名保持一致才能被成功展示；

（6）差异基因（芯片必须），如果不想按输入的显著性和差异倍数阈值来展示芯片数据的结果，在这里可以输入预先定义好的差异基因，将其作为差异基因于生成图片中进行展示（如图6）；

（7）标记名称列表（芯片），在这里可以输入芯片探针与对应的基因名，将基因名作为标记名称在图片上进行展示（如图4）；

（8）可设置生成图片的点大小，范围为1~3，若超出范围则使用默认值，默认为1.2；此外，在这里分别提供两种配色方案：蓝灰红（显著低表达——深蓝、低表达——浅蓝、不显著——灰、高表达——浅红、显著高表达——深红）和绿灰黄（显著低表达——深绿、低表达——浅绿、不显著——灰、高表达——浅黄、显著高表达——亮黄）两种，默认为蓝灰红配色。