SCI制图——火山图简介（一）

SCI领域的论文，尤其是涉及转录组测序或蛋白质组学的研究，您一定见过这样一张图：成千上万个散点分布在一个平面上，它们像喷发的岩浆一样向两侧上方扩散，中间通常是灰色的，而两边顶部则点缀着鲜艳的红色或蓝色。这就是火山图，在如今的高通量测序时代，它几乎成为了展示差异分析结果的标配。

要理解火山图，我们首先要面对一个现实难题：数据海。当我们对实验组（例如患病组织）和对照组（例如健康组织）进行测序时，机器会吐出包含两万甚至更多个基因的庞大Excel表格。在这个表格中，每一个基因都有表达量的数值。面对这成千上万行枯燥的数据，我们如何一眼就能看出：哪些基因在生病后变多了，哪些变少了？哪些变化是有统计学意义的？ 如果仅靠肉眼去翻看表格，这无异于大海捞针。

图1 火山图的意义

火山图正是为了解决这个问题而诞生的，它将枯燥的Excel表格数据转换成了直观的视觉图像。图中的每一个点，都代表一个基因。火山图巧妙地利用二维平面，将这成千上万个基因按照两条核心标准进行了排序：一条标准看变化大不大，另一条标准看结果准不准。火山图可以将那些变化微小、或者虽然有变化但统计学上不可信（可能是实验误差导致）的“无聊基因”，全部压缩在图像的底部和中心位置，通常用灰色表示，意味着它们是“背景噪音”。而那些我们需要的差异表达基因——即那些变化幅度巨大且统计学上非常显著的基因，则被筛选出来，高高地抛向图像的左上角和右上角。只需要通过颜色的区分和点的位置，就能从两万个基因中瞬间锁定那几十个最关键的部分。

二、为什么叫火山？——理解Log2 Fold Change与-Log10 P-value的几何意义

既然知道了火山图是用来筛选基因的，那么一个问题随之而来：为什么它长得像一座火山？为什么不把它画成方形、圆形或者条形图？根本原因在于构成火山图的X轴和Y轴，这两个坐标轴对原始数据进行了特殊的变形，最终塑造出了火山喷发的形态。

X轴在火山图中叫做 Log2 Fold Change，后半部分“Fold Change”的含义是“倍数变化”。比如生病组的某个基因表达量是健康组的4倍，那它的倍数变化就是4。但是直接用倍数画图有个大麻烦：不对称。如果基因A上调了4倍（数值是4），基因B下调了4倍（数值是0.25，即1/4）。在数轴上，4离1（无变化）很远，但0.25离1却很近。这种视觉上的不平衡会让我们误以为上调的基因比下调的更重要。

为了解决这个问题，“Log2”（以2为底的对数）这个数学工具应运而生。它的作用就像一面哈哈镜，把挤在一起的数据拉开，把不对称的数据变对称。经过Log2处理后：上调4倍变成了 +2；下调4倍（即1/4）变成了 -2；没有变化（即1倍）变成了 0。在这种情况下，横轴的中心是0，代表“没变化”。 0的右边（正数）代表基因上调，0的左边（负数）代表基因下调。点离中心0越远，说明这个基因变化的倍数越剧烈。

Y轴在火山图中的学名叫做 -Log10 P-value，这里的核心是 P-value（P值）。在统计学里，P值代表“犯错的概率”或者“巧合的概率”。P值越小（例如0.00001），说明这个结果是巧合的可能性微乎其微，也就是结果越靠谱、越显著。但在画图时，如果直接用P值，最好的基因（P值极小）会趴在坐标轴的最底下（接近0），这不符合好东西要在上面的正常直觉。于是，火山图中可以采用两个小技巧，先取对数（Log10），再加个负号（-）。这样一来，原本极小的P值（比如0.0001），就变成了巨大的正数（比如4）。纵轴的几何意义因此变得非常直观：高度代表“可信度”。一个点在图中爬得越高，说明它的P值越小，统计学上越显著，我们对它“不是误判”的信心就越足。

图2 火山图的X轴与Y轴解析

当我们将这两个坐标轴结合在一起时，火山图就诞生了。绝大多数基因都是平庸的，它们既没有明显的变化（横轴靠近0），也没有显著的统计学意义（纵轴靠近0），因此它们密密麻麻地堆积在图像的最底部中心，构成了火山的基座。而我们所寻找的目标——既变化剧烈（横轴很宽），又极度可信（纵轴很高）——就会远离中心，向着左上角和右上角飞升。这种中间密集低平、两侧稀疏高耸的分布形态，像极了火山口喷发出的岩浆向两边飞溅的瞬间，这就是火山图名称的由来。

三、划定界限——读懂图中的十字准星与筛选标准

经过梳理，我们已经明确火山图上的每一个点代表一个基因，也明白了它们为什么会呈现出喷发的姿态。但在阅读SCI论文时，经常会发现标准的火山图上除了散点，通常还会有几条虚线：一条横穿腰部，两条竖切左右，这几条线构成了图表上的十字准星。如果说坐标轴构建了地图，那么这些虚线就是海关安检线，同样具有重要意义。

首先是横向的虚线，它是统计学门槛。前面提到过，纵轴代表P值（准确性）。在生物统计中，通常公认 P-value < 0.05 为具有统计学意义。在负对数前提下，0.05 经过转换后大约等于 1.3。因此，大部分图的横虚线都会画在纵轴 1.3 的高度。这条线意味着：线以下的基因，无论变化倍数多大，因为P值太大（不可信），统统被视为“假阳性”或“偶然事件”而被淹没在灰色的背景中；只有线以上的基因，才被认为是“真实发生变化”的，可以进入下一轮筛选。

其次是纵向的两条虚线，它们是生物学门槛。虽然有些基因在统计上是显著的（P值很小），但如果它的表达量只是从 100 变成了 105，这种微弱的变化对细胞的功能可能根本没有影响。因此，我们需要设定一个变化的幅度，通常是2倍（即 Fold Change > 2 或 < 0.5）。横轴的 Log2 转换下，2倍对应的是坐标轴上的 1，0.5倍对应的是 -1。所以，两条竖虚线通常分别画在横轴的 -1 和 1 的位置。这两条线划定了一个禁区：夹在 -1 和 1 之间的基因，虽然变了，但变动幅度太小，被视为“生物学意义不大”而被剔除。当“横线”与“竖线”交织在一起，就将火山图划分成了不同的区域，这也正是我们最终解读数据的关键：

1.右上角区域（红色）：这里的基因既“由于实验处理发生了剧烈上调”（X > 1），又“统计学上极度可信”（Y > 1.3）。它们通常是疾病发生的帮凶或药物起效的标志。

2.左上角区域（蓝色/绿色）：这里的基因既“剧烈下调”（X < -1），又“极度可信”。它们可能是被疾病抑制的好基因。

3.中间及下方区域（灰色）：无论是没过横线还是没过竖线，它们统统被视为“无差异基因”，在后续的分析中会被暂时忽略。

图3 火山图的结构剖析

至此，我们已经完成了对火山图的分析。从枯燥的Excel表格，到几何坐标的转换，再到筛选标准的划定，火山图用最直观的视觉语言，帮我们完成了从海量数据到关键候选分子的跨越。读懂了它，您就掌握了打开转录组与蛋白组分析大门的钥匙。