BioF3 FigCode · SCI 绘图代码集

MA 图（MA Plot）

导出日期：2026年6月27日

分类：差异分析｜ 依赖包：ggplot2

解决的生物学问题

差异表达是否与基因表达丰度相关？低表达基因的 fold change 是否可信？

应用场景

DESeq2 差异分析质控
评估 LFC shrinkage 效果
检测表达量依赖的偏差
对比不同归一化方法

输入数据格式

数据框：baseMean, log2FoldChange, padj

关键参数

LFC shrinkage 方法（apeglm / ashr / normal）
padj 阈值
baseMean 下限过滤
alpha 透明度

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/ma-plot.R
curl -O https://<your-site>/figcode/data/ma-plot.csv

3. 安装依赖

# CRAN 包
install.packages(c("ggplot2"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

library(ggplot2)

# --- Demo data ---
set.seed(123)
n <- 3000
ma_df <- data.frame(
  baseMean = 10^runif(n, 0, 5),
  log2FC = rnorm(n, 0, 1),
  padj = runif(n, 0, 1)
)
ma_df$padj[sample(n, 150)] <- runif(150, 1e-8, 0.01)
ma_df$sig <- ifelse(ma_df$padj < 0.05, "DE", "NS")

# --- Plot ---
ggplot(ma_df, aes(x = baseMean, y = log2FC, color = sig)) +
  geom_point(size = 0.4, alpha = 0.5) +
  scale_x_log10() +
  scale_color_manual(values = c(DE="#dc2626", NS="#9ca3af")) +
  geom_hline(yintercept = 0, color = "grey40") +
  labs(x = "Mean expression (log10)", y = "log2 Fold Change", title = "MA Plot") +
  theme_classic()

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

输入格式：数据框：baseMean, log2FoldChange, padj
使用 read.csv() / readRDS() 读取本地文件