「R绘图模板」双组分斜对角火山图:一眼看懂上调与下调基因!!!

在转录组、蛋白质组等差异表达分析中，火山图（Volcano Plot）几乎是标配。但常规火山图往往将上调和下调基因的显著性堆叠在同一侧，视觉上容易混淆。

今天，我为大家带来一种 “双组分斜对角” 的火山图绘制方法。它的核心思路是：让上调基因的 -log10(pvalue) 向上显示，下调基因的 -log10(pvalue) 向下显示，从而在 y 轴方向上把“上”和“下”彻底分开。这样，一眼就能看出哪些基因上调显著、哪些下调显著，效果非常直观。

一、什么是“双组分斜对角”火山图？

常规火山图的横轴是 log2FC（正=上调，负=下调），纵轴是 -log10(pvalue)（越大越显著）。这种图存在一个小问题：上调和下调基因的显著点都集中在 y 轴正方向，如果上调基因数量远多于下调基因，视觉重心会明显偏移。

而“双组分”方案的核心变动在于：

这样：

整个图形呈现斜对角对称，信息辨识度极高。

二、数据准备与预处理

2.1 加载数据

你的数据文件 data.txt 必须包含以下三列：

• log2FoldChange：差异倍数（对数）

• pvalue：显著性 P 值

• gene：基因名称（用于标注）

# 读取数据df <- read.table(file="data.txt",sep="\t",header=T,check.names=FALSE)

2.2 定义分组与标签

#数据分类df$group<-as.factor(ifelse(df$log2FoldChange>= 0 ,'up','down'))#标签df$label<-ifelse(df$pvalue<0.05&abs(df$log2FoldChange)>=4,"Y","N")df$label2<-ifelse(df$label == 'Y', as.character(df$gene), '')

这里采用了两个严格的过滤条件：

你可以根据实际研究需求调整阈值。

2.3 计算双组分 y 轴值（关键步骤）

df$log10 <- ifelse(df$group == "down", log10(df$pvalue), -log10(df$pvalue))

这样就把上下调基因的显著性在 y 轴方向物理分开了。

三、绘图模板详解

3.1 基础图层：散点 + 辅助线

ggplot(df, aes(log2FoldChange, log10)) +  geom_vline(xintercept = 0, lty = 2, color = 'grey', lwd = 0.5) +  geom_hline(yintercept = 0, lty = 1, color = 'black', lwd = 0.5) +  geom_point(aes(color = log2FoldChange), size = 2)

3.2 高亮显著基因（标记为“Y”的点）

geom_point(data = df[df$label == "Y", ],           aes(log2FoldChange, log10, fill = group),           size = 2, shape = 21, color = "black", show.legend = FALSE)

3.3 颜色方案：双向渐变色

scale_color_gradient2(high = "#b20f26", mid = "white", low = "#2c4398") +scale_fill_manual(values = c("up" = "#b20f26", "down" = "#2c4398"))

3.4 基因名称标注（避免重叠）

geom_text_repel(aes(label = label2),                max.overlaps = 10000,                nudge_x = 0.5,                nudge_y = 0.5,                size = 3,                segment.curvature = -1e-10,                arrow = arrow(length = unit(0.015, "npc")),                direction = "x",                hjust = "left")

3.5 y 轴刻度处理

scale_y_continuous(limits = c(-4.6, 6.2),                   breaks = seq(-4.5, 6, 1.5),                   labels = c("4.5", "3", "1.5", "0", "1.5", "3", "4.5", "6"))

这里是一个“取巧”的做法：

这样做的好处是：上下调基因的显著程度可以直接用绝对值大小比较，而不必纠结正负号。

四、最终图形效果

运行完整代码后，你将得到一张：

五、完整代码（可直接运行）

setwd('你的工作路径')library(ggplot2)library(ggrepel)df <- read.table("data.txt", header = TRUE, sep = "\t", check.names = FALSE)df$group <- as.factor(ifelse(df$log2FoldChange >= 0, 'up', 'down'))df$label <- ifelse(df$pvalue < 0.05 & abs(df$log2FoldChange) >= 4, "Y", "N")df$label2 <- ifelse(df$label == 'Y', as.character(df$gene), '')df$log10 <- ifelse(df$group == "down", log10(df$pvalue), -log10(df$pvalue))df %>%  ggplot(aes(log2FoldChange, log10)) +  geom_vline(xintercept = 0, lty = 2, color = 'grey', lwd = 0.5) +  geom_hline(yintercept = 0, lty = 1, color = 'black', lwd = 0.5) +  geom_point(aes(color = log2FoldChange), size = 2) +  geom_point(data = df[df$label == "Y", ],             aes(log2FoldChange, log10, fill = group),             size = 2, shape = 21, color = "black", show.legend = FALSE) +  theme_bw() +  theme(panel.grid = element_blank(),        axis.text = element_text(color = '#333c41', size = 10),        legend.text = element_text(color = '#333c41', size = 10),        axis.title = element_text(size = 12)) +  labs(title = "volcanoplot",x = 'log2 fold change',y = '-log10 pvalue',       fill = "log2FC") +  scale_color_gradient2(high = "#b20f26", mid = "white", low = "#2c4398") +  scale_fill_manual(values = c("up" = "#b20f26", "down" = "#2c4398")) +  geom_text_repel(aes(label = label2),                  max.overlaps = 10000,                  nudge_x = 0.5,                  nudge_y = 0.5,                  size = 3,                  segment.curvature = -1e-10,                  arrow = arrow(length = unit(0.015, "npc")),                  direction = "x",                  hjust = "left") +  scale_y_continuous(limits = c(-4.6, 6.2),                     breaks = seq(-4.5, 6, 1.5),                     labels = c("4.5", "3", "1.5", "0", "1.5", "3", "4.5", "6"))

六、总结

双组分斜对角火山图的核心优势在于：

如果你正在做差异表达分析，不妨试试这个方案，让审稿人一眼就能看懂你的基因调控方向。