Python绘制火山图教程详解

本文手把手教你用Python（matplotlib和seaborn）绘制专业、直观的火山图，专为基因表达差异分析设计：横轴展示log2倍变化，纵轴呈现-log10(p值)以强化显著性对比，通过颜色区分显著/非显著基因，自动添加双阈值虚线（fold change与p值），并支持关键基因高亮标注；代码简洁可复用，附带数据预处理、可视化优化及常见陷阱提醒，助你快速产出发表级图表。

在Python中绘制火山图（Volcano Plot）通常用于展示基因表达分析中的差异表达基因，横轴表示变化倍数（log2 fold change），纵轴表示统计显著性（-log10 p-value）。最常用的方法是使用 matplotlib 或 seaborn 库来实现。

1. 准备数据

假设你有一个包含以下列的Pandas DataFrame：

• gene_name：基因名称
• log2fc：log2 fold change
• pvalue：p-value

你可以添加一列 -log10(pvalue) 用于Y轴，并设定阈值判断是否显著。

2. 使用 matplotlib 绘制火山图

示例代码：

<code>import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
<h1>模拟数据</h1><p>np.random.seed(42)
data = pd.DataFrame({
'gene<em>name': [f'Gene</em>{i}' for i in range(1000)],
'log2fc': np.random.normal(0, 1, 1000),
'pvalue': np.random.uniform(0, 0.05, 1000)
})</p><h1>计算 -log10(pvalue)</h1><p>data['neg_log10_pval'] = -np.log10(data['pvalue'])</p><h1>设置显著性和变化倍数的阈值</h1><p>log2fc_threshold = 1
pval_threshold = 0.05
data['significance'] = (
(data['pvalue'] < pval_threshold) & 
(abs(data['log2fc']) > log2fc_threshold)
)</p><h1>开始绘图</h1><p>plt.figure(figsize=(8, 6))
for label, group in data.groupby('significance'):
color = '#d32f2f' if label else '#757575'
label_name = 'Significant' if label else 'Not Significant'
plt.scatter(group['log2fc'], group['neg_log10_pval'], 
c=color, label=label_name, alpha=0.7, s=10)</p><p>plt.axvline(x=log2fc_threshold, color='black', linestyle='--', linewidth=1)
plt.axvline(x=-log2fc_threshold, color='black', linestyle='--', linewidth=1)
plt.axhline(y=-np.log10(pval_threshold), color='black', linestyle='--', linewidth=1)</p><p>plt.xlabel('log2 Fold Change')
plt.ylabel('-log10(P-value)')
plt.title('Volcano Plot')
plt.legend()
plt.grid(False)
plt.tight_layout()
plt.show()</p></code>

3. 使用 seaborn 增强可视化效果

你也可以用 seaborn 来提升美观度：

<code>import seaborn as sns
<p>plt.figure(figsize=(8, 6))
sns.scatterplot(
data=data,
x='log2fc',
y='neg_log10_pval',
hue='significance',
palette={True: '#d32f2f', False: '#757575'},
alpha=0.7,
s=20,
legend=True
)</p><p>plt.axvline(x=log2fc_threshold, color='black', linestyle='--')
plt.axvline(x=-log2fc_threshold, color='black', linestyle='--')
plt.axhline(y=-np.log10(pval_threshold), color='black', linestyle='--')</p><p>plt.xlabel('log2 Fold Change')
plt.ylabel('-log10(P-value)')
plt.title('Volcano Plot with Seaborn')
plt.show()</p></code>

4. 高亮特定基因

如果你想标注某些关键基因：

<code># 举例高亮前5个显著基因
top_genes = data[data['significance']].head(5)
for _, row in top_genes.iterrows():
    plt.annotate(row['gene_name'], 
                 (row['log2fc'], row['neg_log10_pval']),
                 fontsize=8,
                 ha='right')
</code>

基本上就这些。通过设置阈值、颜色区分和简单注释，就能清晰展示哪些基因差异表达显著。不复杂但容易忽略细节，比如对数转换和合理缩放坐标轴。根据实际数据调整参数即可。

理论要掌握，实操不能落！以上关于《Python绘制火山图教程详解》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！