在线火山图绘制实操指南：原理、参数与避坑

1. 为什么非要"在线"画火山图：先想清楚你的痛点

先讲个真实场景。我认识不少做转录组、蛋白组、代谢组的朋友，组学数据跑完之后，差异分析表格早就生成好了，可一提到画火山图，十有八九卡在环境配置上。装个 R 要半天，装 ggplot2、ggrepel 这些依赖包又要半天，好不容易跑起来，中文字体又乱码了。更崩溃的是，换一台电脑、换一个同事协作，又得重新折腾一遍环境。很多人最后实在没辙，拿 GraphPad 硬画，或者拖到 AI 里自己拼点，出来的图既不专业，也经不起审稿人追问数据来源。

火山图这个东西，本身并不复杂。它的本质就是把差异分析结果里的基因、蛋白或者代谢物，按照"表达变化倍数"和"显著性"两个维度映射到二维平面里。但这个不复杂的图，恰恰是论文里出现频率极高、审稿人第一眼就会看的数据图之一。如果你把大量时间耗在环境配置上，而不是花在理解数据和优化呈现上，本身就是本末倒置。

在线作图平台的逻辑，就是把这些琐碎的、重复性的环境问题全部抽离掉。打开浏览器，传一个表格，点几下鼠标，出图、调参、导出，全程不需要理解什么是依赖包、什么是工作目录。这跟现在很多人用在线文档、在线设计工具是一个道理，工具应该服务于表达，而不是反过来让你伺候工具。

所以这篇文章我不打算教你从零写火山图的代码，那些教程已经很多了。我重点想分享的是：当你决定用在线工具画火山图时，完整的操作逻辑是什么，每一步背后对应的统计学和可视化原理是什么，以及在实战中经常踩的坑有哪些。目标是让一个完全没画过火山图的人，也能在五分钟内画出一张拿得出手的图，同时知道自己在画什么。

2. 动笔之前必须吃透的一张图：火山图的坐标轴到底在说什么

火山图虽然叫"图"，但它本质上是统计学结果的可视化映射。你只有把坐标轴的含义搞明白了，后面操作才不会稀里糊涂。

2.1 横轴 log2FC：差异倍数的"压缩版"

横轴通常表示差异表达倍数（Fold Change）的以 2 为底的对数值。这里有两个关键点需要理解到位。

第一，为什么要取对数？因为原始倍数差异往往跨度极大。一个基因上调 100 倍，另一个只上调 1.5 倍，如果直接拿原始倍数画在横轴上，1.5 那个点基本就贴在 0 附近，图会非常难看。取 log2 之后，上调 2 倍是 1，上调 4 倍是 2，上调 0.5 倍是 -1，既压缩了动态范围，又让"上调"和"下调"在数值上对称分布。

第二，为什么底数是 2 而不是 10？因为在生物实验里，"表达量翻倍"通常被认为是生物学上有意义的起点。log2FC = 1，对应表达量翻倍；log2FC = -1，对应表达量减半；log2FC = 0，表示没有差异。这个基准非常直观，如果你用 log10，数值解释起来就别扭得多。

在在线工具的表单里，你通常会看到一个选项叫"差异倍数（Fold Change）"，有些平台默认让你填 1.5，也就是 log2FC 绝对值大于等于 0.585 的基因会被标记为显著差异。还有的平台直接让你填 log2FC 阈值。这两种填法本质上是同一个意思，但换算关系你要心里有数。

2.2 纵轴 -log10(p)：显著性的"放大镜"

纵轴是 P 值的以 10 为底对数的负数。这个变换同样有讲究。

原始 P 值的分布极其不均匀，大量基因的 P 值集中在 0.01 到 0.05 这个区间，还有一部分会小到 10 的负几十次方。如果你直接拿 P 值本身画图，那么 P = 0.05 和 P = 10⁻²⁰ 的基因在纵轴上几乎分不开，都在零附近挤成一团。取 -log10 之后，P = 0.05 对应约 1.3，P = 0.01 对应 2，P = 10⁻²⁰ 对应 20，差异一下子就拉开了。

换句话说，横轴负责展示"变化有多大"，纵轴负责展示"变化有多可信"。这两个维度结合在一起，才是火山图真正想传达的信息：既要有变化幅度，又要经得起统计检验。

2.3 四象限的读图逻辑

把横轴和纵轴放在一起看，整张图天然被分为四个区域，这也是"火山"名字的由来，因为左右两端翘起、中间凹陷，像一座山口。

左上区域：log2FC 为负且 -log10(p) 较大，代表显著下调。右上区域：log2FC 为正且 -log10(p) 较大，代表显著上调。下方中间的大片区域：差异不显著，通常是灰点。还有左下和右下角，通常是变化倍数大但检验不显著的点，这些点在实际分析里经常被忽略，但也值得留意，因为它们可能是样本量不足或者组内波动太大造成的。

看火山图时你要养成一个习惯，先看两边翘起来的点的数量和对称性。如果一侧的点明显多于另一侧，说明处理条件对表达谱的影响是偏向性的，这本身就是一条重要的生物学信息。

3. 手把手跑通全流程：从数据表格到发表级图片

在线工具的原理大同小异，设计思路上基本可以用一个通用的流程概括：上传数据、检查参数、调整可视化细节、导出。以下步骤基于市面上常见的在线作图平台整理，具体按钮名称可能略有差异，但操作逻辑是通用的。

3.1 准备一张标准格式的差异分析结果表

这是最核心的一步。你要知道，在线工具再智能，也没有办法替你完善原始数据的质量。上传之前，数据表的格式必须规范。

一个标准的火山图输入表，通常只需要四列关键信息，分别是基因名、差异倍数（Fold Change）、P 值和显著性标记（可选）。有些工具还会接受 padj（校正后的 P 值）或 FDR 列，需要你在参数设置里指定清楚。

这里我给你一个可以直接参考的示例。把表头命名规范一点，用 Tab 或逗号分隔都可以，最好用纯文本格式，比如 CSV 或 TXT，避免 Excel 文件带格式导致上传解析出错。

gene,log2FoldChange,pvalue,padj TP53,1.856,0.000012,0.000438 EGFR,2.234,0.000002,0.000117 BRCA1,-1.982,0.000045,0.001203 MYC,3.102,0.000001,0.000032

如果你用的是 DESeq2、edgeR、limma 的默认输出，通常会有 log2FoldChange、pvalue、padj 这些标准列名，直接整理后就能用。这里有一个容易被坑的细节：如果你在自己整理数据，注意不要只放"上调/下调"这样的定性列，而没有具体的数值列，那样工具无法计算阈值筛选，只能把点全部画出来。

3.2 上传并指定列映射关系

上传完成后，平台通常会要求你指定每一列的作用。这个环节相当于告诉工具，接下来我这张表里，哪一列是基因名，哪一列是横轴数值，哪一列是纵轴数值。

列映射是整个流程中最容易被忽略、也最容易出错的环节。有些平台的界面是下拉框，让你把表格的列名拖拽到 X 轴、Y 轴、标签等位置。这里我强烈建议你在上传之前就仔细核对列名，不要出现"列名带空格""还有引号残留"这类问题。如果数据里带有 Excel 版本的公式残留或者合并单元格，上传解析阶段就可能报错。

一般来说，你至少需要指定：

• X 轴数据列：选择 log2FoldChange 这一列
• Y 轴数据列：选择 pvalue 或 padj 这一列
• 标签列：选择基因名列

如果你用的是 padj 而不是 pvalue，最好在笔记里标注清楚。通常来说，padj 是多重假设检验校正后的值，更严格，也更适合用于筛选显著基因。很多发表级文章在方法部分写的是"padj < 0.05"，如果你的图表里纵轴标的是 -log10(padj)，那方法部分也得对应改成 padj，不要图里和文字里对不上。

3.3 阈值设置：为什么默认值不总是最优解

接下来是筛选参数的设置。在线工具默认的显著阈值一般是 P 值小于 0.05 且 |log2FC| 大于 1，即表达量翻倍或减半。这个默认值适合大多数转录组初筛场景，但并不意味着它是普适的。

我给你几个不同场景下的参考值：

• 转录组常规筛选：|log2FC| >= 1，P 值 < 0.05，兼顾数量和差异幅度。
• 蛋白组或代谢组：由于数据分布不同，通常可以放宽到 |log2FC| >= 1.5 或直接按 P 值 < 0.05 来筛选，因为蛋白和代谢物的检出深度和动态范围与转录本不同，倍数变化通常整体更低，把阈值卡得太严可能导致几乎没有显著点。
• 小样本预实验：样本量少，P 值波动大，建议把 P 值阈值放宽到 0.1 或 0.05 但配合 |log2FC| >= 1.5，用倍数变化弥补显著性的不足，当然这只作为初步探索，后续需要加大样本量验证。
• 大样本大队列：样本量大，P 值会系统性偏小，很多生物学意义不大的基因也会被标记为显著。这种情况下可以考虑提高 |log2FC| 阈值到 1.5 或 2，强制筛选出变化幅度足够大的基因。

这块为什么要反复强调？因为画图本身只是呈现，真正决定你后续生物学解读质量的，是筛选标准的选择。我在实际工作中见过不少人用默认参数跑完，显著基因三千多个，根本没法往下游分析。不是工具不好，而是参数没有适配自己的数据特征。

3.4 一键出图与 2 分钟背后的逻辑

参数设定完毕，点击"提交"或"绘图"按钮。在线平台之所以能做到"2 分钟出图"，是因为它把 R 或 Python 里需要执行的绘图脚本封装成了一个数据转换模块，你在浏览器里填的参数，最终会被组合成一条渲染指令，服务端执行完后把图片返回到前端展示。

整个过程中，耗时最长的其实并不是绘图本身，而是数据处理和阈值计算。以几万行的差异表为例，不管是本地 R 还是在线工具，核心步骤都是先按阈值打标签、再映射坐标、最后渲染点。在线平台会把这个过程缩短到几十秒以内，所以在体验上你会觉得"几乎是提交完就出来了"。

当然，如果你的数据量特别大，比如几十万行的单细胞差异结果，在线平台也可能转圈转一会儿。但这种场景本身更适合专业的可视化工具，普通转录组火山图完全不需要担心。

4. 别再让点糊成一团：细节参数才是拉开差距的地方

很多人画火山图，第一步能出来，但总觉得图"差点意思"。差的往往就是可视化细节。在线工具的优势在于，你不需要写代码就能反复调整这些参数，但前提是你知道有哪些参数可以调、调到什么程度是合理的。

4.1 点的大小、透明度和颜色映射

当基因数量超过一万个时，默认的点大小极容易糊成一片黑色。这里我建议你把非显著点的透明度调低，比如 0.3 到 0.5，把显著点的透明度保持在 0.8 以上，同时让显著点大一圈。这样即便点很多，视觉重心也会自然地落在显著基因上。

颜色方面，常规配色是红色表示显著上调、蓝色表示显著下调、灰色表示不显著。但你要知道这不是唯一标准，实际上很多高分文章会用更柔和的配色，比如橙色和青色、紫色和绿色。关键点在于整篇文章配色的统一性。如果你论文里其他图用的是红绿配色，火山图突然改成蓝紫，就会显得很跳跃。我个人的建议是，优先选择色盲友好的配色方案，避免使用红绿组合，这一点很多审稿人会注意到。

4.2 标签标注：标注多少、标注哪些

这是新手最容易犯错的地方。火山图上的基因名标签，不是越多越好。我之前见过有人把一千多个基因全部标上去，结果整个图上全是文字，什么都看不清。正确做法是，只标注你真正关注的关键基因，比如:

• 差异最显著的 top10 或 top20 基因
• 你课题方向里预先关注的核心通路基因
• 在后续验证实验中准备做 QPCR 或 WB 的关键靶点

在在线工具里，通常有一个"标注基因"的输入框，让你粘贴一个基因列表，或者选择"自动标注 top 基因"。个人建议优先用输入列表的方式，因为自动标注的 top 基因不一定是你生物学故事里最重要的基因。

还有一个小细节，标签文字的大小。导出后图片最终在论文里排版可能只有 8-9 厘米宽，如果标签字体太小，根本看不清。建议字号设置在 8-10 之间，并且给标签加一点白色描边，避免标签和点重叠时完全分不开。

4.3 坐标轴范围要不要截断

有时候你的数据里有少数几个基因，log2FC 高达 15 以上，远远甩开其他点。这种情况下，如果 x 轴范围跟着最大值走，整个图的点都会挤到中间，非常不利于观察整体分布。

处理方法有两个：一是直接在工具里设置 x 轴范围，比如限制在 -10 到 10 之间，超出范围的基因会显示在图边缘，通常需要在图注里说明"超出坐标轴范围的基因仍展示，数值见数据表"；二是对极值点做缩尾处理，在统计层面设一个 cap。这两种做法从可视化角度都是合理的，但第二种在数值准确性上更严谨。

不要为了图好看而随意篡改坐标轴意义，但也要明白，可视化的目的是把数据分布清晰地传达给读者，适度的坐标裁剪是常见且被接受的。

4.4 参考线：让你的图有"门槛"

好的火山图会在横轴和纵轴相应位置画上参考虚线，标记出筛选阈值。这两条虚线虽然简单，作用却不可替代。审稿人一眼就能看出你的筛选标准是什么，不用自己拿尺子去对坐标轴。

在线工具一般默认会画参考线，但线型、颜色、透明度可能需要你自己调。建议 style 设置为 dashed，颜色使用灰色或黑色，透明度 0.5 左右，不要用加粗的实线，否则会喧宾夺主。

5. 那些画到崩溃的瞬间：数据解析和参数设置的常见错误自查

我用在线工具画火山图这几年，踩过的坑不少。坦白说，在线工具把环境问题解决了，但并没有把所有问题都解决。数据格式错误和参数理解偏差，依然是大家在使用过程中最常遇到的问题。下面我把最常见的几种情况整理出来，凡是画出来的图出现异常，先对照这个表格自查一遍。

这 8 种情况，覆盖了我在课程答疑和技术支持过程中遇到的大约九成的问题。

第 2 条值得再展开说一次。很多人用 Excel 手动计算时，习惯用"处理组平均值除以对照组平均值"得到 FC，比如 2.5 倍、0.4 倍。但火山图坐标轴的逻辑是 log2 变换后的值，如果工具没有自动帮你做变换，你就得在 Excel 里先算好 log2(FC) 再上传，否则所有点都会堆到正半轴去，整张图完全变形。

第 5 条同样常见。有些平台在设置里会让你填两个值，一个是"差异倍数阈值"，一个是"显著性阈值"。如果平台表述的是"差异倍数"而不是"log2FC"，那大概率意味着平台内部会自动取 log2。如果你填了 2，就等价于 log2FC >= 2，也就是 4 倍变化。如果你只是想让 2 倍变化的基因达到显著，这里应该填 1.5 甚至 1，而不是 2。类似的换算问题在表格里写清楚，能帮你少走不少弯路。

另外，有一个在线工具特有的问题值得单独提醒：浏览器兼容性。有些平台基于较新的 WebAssembly 或 Canvas 渲染方案，对浏览器版本有一定要求。如果你上传文件后页面卡死，或者点击绘图后没有反应，优先换 Chrome 或 Edge 的最新版本，不要用过于老旧的浏览器内核。这一点本地 R 完全没有这个问题，但在线工具用户几乎每个人都会遇到至少一次。

6. 从"能出图"到"经得起询问"：关于数据来源与图表完整性的几条实操建议

画图只是第一步。如果你的目标是发表论文或者用于正式报告，那么图表背后还牵涉到数据可追溯性和复现性的问题。这一点往往被很多人忽略，但恰恰是审稿人最在意的。

6.1 从图中导出数据：在线工具不是陷阱

很多在线作图工具在生成图片的同时，会提供数据下载功能，下载内容通常是标注好显著性和颜色分组后的完整数据表。我强烈建议你在出图之后，顺手把这个数据表下载下来，而不是只保存一张 PNG 图片。

为什么？因为你在工具里设置的阈值、标注的基因、颜色分组等信息，在导出图中是以视觉形式呈现的，但视觉形式无法被后续搜索、筛选或统计。如果你保存了标注后的数据表，那么以后任何时候想改个颜色重新出一张图，或者把显著基因列表拿出来做 GO 富集分析，你都有据可查。不少在线平台还会在导出图片的同时附带一个说明文件，记录你的参数设置。这个文件特别重要，相当于这张图的"方法学记录"，建议和图片存放在同一个目录下。

6.2 图片格式选择的逻辑

在线工具通常支持 PNG、TIFF、PDF、SVG 等格式导出。不同的用途对应不同的最佳格式。

• 放在 PPT 里做阶段性汇报：PNG 足够，分辨率选 300 DPI 以上，避免投影时糊掉。
• 期刊投稿：多数期刊要求 TIFF 或 PDF，尺寸按照单栏或双栏宽度调整。线上工具一般可以直接选，你要注意投稿系统的具体要求。
• 想在图里叠加文字、箭头或者其他元素：导出 SVG 或 PDF 这种矢量格式，再用 AI 或 Inkscape 编辑，比在像素图里硬抠要舒服得多。

很多在线平台还提供的是可编辑的 SVG 文件，这个功能的价值比很多人意识到的要大。你可以把 SVG 拖进 PPT 里，右键取消组合，就能把每个点都变成独立图形，想高亮哪个点就高亮哪个点。这个技巧对做组会汇报、画综述示意图特别有用。

6.3 方法学描述里怎么写：避免"工具不可追溯"的尴尬

用在线工具画图本身完全没问题，关键在于论文的方法部分怎么写。我建议你在写作时不要只写"使用某在线工具绘制火山图"，而是把关键参数一并交代清楚，例如差异表达阈值、P 值校正方法、图中展示的数据来源等。

合适的写法可以参考这样的句式："差异表达基因的筛选标准为 |log2FoldChange| ≥ 1 且 padj < 0.05，使用某某平台完成火山图可视化，图中标注基因为后续验证实验所关注的候选基因。" 这样写既明确了你用的平台，也说明了你筛选标准和分析逻辑。在线工具只是替代了绘图这一步，统计分析过程仍然是你的实验设计和数据处理能力在支撑。

6.4 多人协作时的文件管理

科研项目很少是一个人单打独斗。这里分享一个我在实际项目管理里的文件管理习惯，按以下层级组织：

VolcanoPlot_Project/ ├── raw_data/ # DESeq2 或 edgeR 的原始输出 ├── processed_data/ # 清洗后的上传格式文件 ├── figures/ # 导出图片（PNG/PDF/SVG） ├── parameter_logs/ # 平台导出的参数说明文件 └── annotation_lists/ # 你标注的重点基因列表

这个结构看上去很简单，但当项目推进三个月之后再回头看，优势非常明显。你不会出现"这张图是哪个版本的差异表跑出来的""这个基因列表是谁给的"这种令人头大的问题。

7. 案例演示：用一张实测数据从头到尾跑完整流程

理论讲了不少，最后用一个接近真实场景的例子，把完整流程串一遍。这个案例里的数据是模拟的，但不影响流程演示，它涵盖了从数据准备到最终导出图表的全部关键操作。

7.1 示例数据概况

假设我们做的是一个对照组和处理组的转录组测序差异分析，差异结果表格包含约 12000 个基因，四列信息分别是基因名、log2FC、P 值和 padj。我在整理后共保留三种分类结果：显著上调基因 356 个，显著下调基因 284 个，不显著基因 11360 个，筛选阈值是 |log2FC| >= 1 且 padj < 0.05。

7.2 平台上的参数配置清单

在平台上，我按下面的方式设置参数：

• X 轴列：log2FoldChange
• Y 轴列：padj（注意这里是 padj 而不是 pvalue，因为 DESeq2 的统计结果推荐看校正后的显著性）
• 差异倍数阈值：1（等价于表达量 2 倍变化）
• 显著性阈值：0.05
• 标注基因列表：从显著上调基因里挑了 MYC、CCND1，从显著下调基因里挑了 TP53、RB1，另外补了一个虽然 padj 不显著但生物学上非常关注的候选基因，用于在图上特别标注
• 配色方案：显著上调用橙色，显著下调用蓝色，不显著用灰色

7.3 导出后的二次微调

平台生成图片后，我在矢量导出模式下继续做了几个微调：把四个标注基因的标签字号统一为 10 号，给标签加白色描边；把参考线改成虚线并将透明度降到 0.4；把图例位置从右侧挪到了左上角空白区域，避免遮挡点群。整个过程用时约 25 分钟，其中大部分时间花在选择标注基因和调整标签上，真正"画图"的时间在提交后不到 20 秒。

这个时间分配很有意思，它侧面说明了在线工具的核心价值：把机械操作压缩到最低，把人的时间释放给真正需要判断力的工作，比如选哪些基因、如何解读差异方向、如何把图和生物学故事串起来。

如果你只是需要一张常规的火山图，标注不需要个性化，那么整个流程确实可以在 2 分钟内完成。上传文件、指定列、设定阈值、出图、导出 PNG，五步而已。

8. 几次实战下来，我额外想提醒的四件事

这些内容不构成体系，但都是我实际用在线工具画火山图时慢慢摸出来的经验，想到哪里写到哪里，希望对你有用。

第一，不要在浏览器里直接打开 Excel 另存的 CSV 文件再复制粘贴。有些平台支持直接粘贴表格数据，这个功能虽然方便，但粘贴时很容易丢失表头格式或者引入不可见字符。只要数据量不大，我都建议上传文件而不是粘贴，稳定得多。

第二，在线工具的"历史记录"功能，如果能用就尽量用。很多平台默认保存你最近生成过的图片和参数快照。这意味着你这周调的参数，下周再进来还能继续改。这比每次重新上传数据、重新设置参数要舒服太多了。

第三，如果同一张图你要出不同配色、不同标注版本的多个副本，不要一张张手动改，看看平台有没有"套用参数"或"复制任务"的功能。它通常会保留你上一次的配置，只修改需要调整的少量参数，能成倍提高效率。

第四，也是最重要的，任何时候不要在线提交包含敏感信息的数据，比如涉及未发表成果的人体样本信息或者商业保密数据。在线工具本质上是一个远端服务，数据会经过网络传输。如果数据敏感，要么选择本地部署版本或开源替代方案，要么对数据做 ID 脱敏处理后再上传。这不是不相信平台，而是一个基本的风险控制习惯。毕竟绘图只需要基因名、差异倍数和 P 值三列数据，你完全可以把样本编号和基因名映射成无关标识，画完图再映射回去，不影响任何可视化效果。