跳到主要内容

04 火山图、热图与富集可视化

前三章把数据、差异和富集跑完，这一章只做一件事：把结果变成能直接用于论文和汇报的图。每张图都配一个最常见的用途，源码一起放出来。

配套脚本 bulk04_visualization_sci.R 把 DESeq2 + 富集的流程重跑一次（继承自 02 和 03），然后输出 6 张可视化成品：

Rscript scripts/bulk04_visualization_sci.R

图 1：火山图​

Volcano plot

火山图是每篇转录组文章的标配 —— 横轴是 log2 fold change，纵轴是 -log10(padj)。每个点是一个基因，颜色表示它在哪个象限。两条虚线标出 padj = 0.05 和 |LFC| = 1 的阈值。

这张图的关键是标注：默认标全部显著基因会完全盖掉点云。脚本里只标 top 10 up + top 10 down（按 padj 排序），用 ggrepel 自动避让。

核心代码：

ggplot(vol, aes(x = log2FoldChange, y = -log10(padj), color = sig)) +
  geom_point(size = 0.6, alpha = 0.5) +
  geom_text_repel(data = label_df, aes(label = SYMBOL), ...) +
  geom_vline(xintercept = c(-1, 1), linetype = "dashed") +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed")

改 sig 列的阈值、head(10) 的数量、颜色都很方便。

图 2：Top DE 基因热图​

Heatmap of top 40 DE genes

取 padj 最小的 40 个基因，在 VST 归一化后做 row z-score，画热图。列注释标出了处理状态和细胞系。

这张图在报告里的作用是给火山图"补一刀" —— 火山图只能看统计显著性，热图能直接看到"这些基因在每个样本里到底是什么表达水平"。列聚类会把处理样本和对照样本各自聚到一起；行聚类会把上调和下调基因分开。

用 pheatmap：

mat_z <- t(scale(t(mat)))  # row z-score
pheatmap(mat_z,
  annotation_col = anno_col,
  color = colorRampPalette(c("blue", "white", "red"))(100),
  breaks = seq(-3, 3, length.out = 101))

breaks 参数很重要：限制颜色范围能避免个别极端基因把色阶拉歪。[-3, 3] 是 z-score 的常用范围。

图 3：精选基因的表达分布​

Curated glucocorticoid response panel

选几个已知的糖皮质激素响应基因（DUSP1 / FKBP5 / ANGPTL4 / KLF15 / SPARCL1 / ZBTB16）画 boxplot + jitter，y 轴是 log10 的 normalized counts。

这种"已知通路验证"的图在讨论部分特别有用：文献说这些基因是地塞米松响应基因，我们的数据里也确实看到了这个响应，能直接把自己的数据和已有知识对接上。

ggplot(count_long, aes(x = dex, y = count, fill = dex)) +
  geom_boxplot() + geom_jitter() +
  facet_wrap(~ symbol, scales = "free_y") + scale_y_log10()

图 4：KEGG 富集气泡图​

KEGG enrichment bubble plot

比 dotplot(ekegg) 的默认版本更有信息量：点大小是 gene count，颜色是 -log10(p.adj)，横轴是 gene ratio。一张图同时显示"通路覆盖度"、"显著性"、"通路里命中了多少基因"三个维度。

这个 bubble 是纯 ggplot 写的，不依赖 enrichplot，完全可以移植到任何富集结果（enrichGO、enrichPathway、GSEA 都行）。

ggplot(ekegg_df,
       aes(x = GeneRatio_num, y = reorder(Description, GeneRatio_num),
           size = Count, color = -log10(p.adjust))) +
  geom_point() +
  scale_color_gradient(low = "blue", high = "red") +
  scale_size_continuous(range = c(3, 9))

图 5：cnetplot 基因-通路网络​

Gene-term cnetplot network

enrichplot::cnetplot 把 GO term 和驱动这些 term 的基因画成二部图：浅灰色大圆点是 term，彩色小点是基因，颜色按 log2FC 着色。

这张图的价值是一眼看到"哪些基因被多条通路共享" —— 共享基因往往是生物学上最关键的 master regulator。讨论部分里可以直接点出"图里 A 基因被 3 条通路共享，说明它很可能是这次处理的上游枢纽"。

图 6：GSEA NES forest 图​

GSEA NES forest plot

GSEA 的瀑布图能表达排序，但多个 term 一起看、带显著性的信息，forest 图更合适。横轴是 NES，纵轴是 term 名字，点大小是 -log10(p.adj)，颜色区分激活 / 抑制。

相比 waterfall，这张图额外能读出 NES 到 0 的距离（segment 线段）和 显著性强度（点大小），信息密度更高。

常见坑​

  • 颜色：火山图用蓝 / 红 / 灰三色是惯例，别换成 viridis 这种连续色；读者会困惑"到底哪边是上调"
  • 标注：标签超过 30 个就没法读；能标 top 10-20 就够了
  • 基因 ID：热图 / 火山图要标 SYMBOL 不是 Ensembl。一定要在最后可视化之前把 SYMBOL 映射上
  • 坐标轴范围：火山图如果有极端 padj（比如 1e-300），用 pmax(padj, 1e-300) 封顶避免压扁整张图
  • 导出：论文图建议 dpi = 300 直接存 PNG；不要存 JPG（有压缩伪影）；有时需要 TIFF / PDF 向量图，见 ggsave() 的 device 参数

下载资源​

bulk04_visualization_sci.R16 KB

下载 airway 可视化完整脚本

下一步​

bulk RNA-seq 专栏目前到这一章为止。后面会补：

  • 多时间点或剂量响应的差异分析（LRT vs Wald）
  • 批次效应更复杂的场景（RUVseq、SVA）
  • 面向发表的结果组织（fgsea + MSigDB Hallmarks + Reactome）
  • 单细胞 vs bulk 的方法学对照

参考资源​

静态文件

离线资料下载

手册 HTML / PDF 已在后台预生成，点击后直接下载网站静态资源。

本篇 HTML本篇 PDF说明