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

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

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

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

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 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

补充几条容易踩的坑：

坑：热图行做 z-score 但没限制 breaks

scale(t(mat)) 出来的 z-score 范围可能 [-10, 30]，pheatmap 默认会把整个范围映射到色阶 — 结果 99% 的基因颜色都接近白色，几个极端基因把图"拉歪"。breaks = seq(-3, 3, length.out = 101) 是常用上限，超出范围的值压到端点。

坑：火山图 padj = 0 的基因显示为 Inf

部分 DE 工具会输出 padj = 0（数值下溢），-log10(0) = Inf 让 ggplot 报错或丢点。pmax(padj, 1e-300) 封顶再画。

坑：cnetplot 的基因数太多挤成一团

cnetplot(showCategory = 5) 默认显示前 5 条 term，如果 term 之间共享基因多，几十个基因挤成一坨可读性归零。显式 showCategory = 3 + node_label = "category" 只标 term 不标基因，更清晰。

坑：ggsave PDF 字体丢失

ggsave(file = "fig.pdf") 在某些字体下会输出"被吃掉部分字体"的 PDF，投稿时被拒。用 device = cairo_pdf 强制嵌入字体，或者直接存 png 300dpi。

坑：facet_wrap 的 free_y 让 boxplot 跨基因不可比

facet_wrap(~ symbol, scales = "free_y") 让每个基因的 y 轴独立 — 视觉上"差异都看上去差不多大"。展示绝对幅度差异时用 scales = "fixed"，让读者能看出"基因 A 的 fold 比基因 B 大多少"。

下载资源

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

接着深入：

• 05 多时间点与 LRT 检验 — 设计里有时间序列 / 剂量梯度时，本章的火山图 + 热图都要换思路
• 08 可复现分析报告与结果交付 — 这些图怎么组织进 R Markdown 报告，怎么交付给合作者

横向延伸：

• FigCode 火山图 — 在线把你的 DE 表替换 demo 数据出图
• FigCode 热图 — 复杂热图（多列 annotation、自定义聚类）的样板代码

参考资源

• ggplot2 官方
• ggrepel
• pheatmap
• ComplexHeatmap
• EnhancedVolcano
• enrichplot 可视化库