复现Nature期刊图，换数据即可用！

pythonic生物人2026年06月04日约 3 分钟

本次使用R语言复现Nature正刊上的1张图！

R绘制-d图

✅d图是一种SCI中高频率使用的特殊散点图--火山图（Volcano plot），用于快速筛选两组数据之间显著差异的基因/蛋白/代谢物等。那怎么读这张图：

FC：全称Fold Change，代表两组数据某个变量的差异倍数，在上图中表示Astro BioID2和Neuro BioID2两种细胞中不同蛋白质的丰度倍数。实际使用时常用log2Fold Change，log2FC代替FC，原因如下表：

图中每个点：代表两组数据某个变量的差异倍数取log2，例如，上图中，每个点代表一种蛋白在Astro BioID2和Neuro BioID2两种细胞中的丰度相除并取log2，即log2(Astro BioID2/Neuro BioID2 FC) ；
P：代表两组数据之间的变量差异是否统计学显著，一般认为P<0.05或者P<0.01为显著（如图中的水平虚线P=0.05，-log10(P)=1,3）；有时候也会使用BH或者FDR方法校正的P值；
FC阈值：科研中FC常取2、1.5，此时对应的log2FC为1和0.6，典型的火山图还会添加两条FC线，例如一张经典的火山图，

上调（up）变量筛选：火山图通常以 log2FC≥1（即FC ≥ 2），以及P<0.05来筛选上调（up）变量，即下图的绿色点；
下调（down）变量筛选：火山图通常以 log2FC≤ -1（即FC ≤ 0.5）以及P<0.05来筛选下调（down）变量，即下图的紫色点；

后续研究重点关注火山图中这些上调（up）变量和下调（down）变量。

✅读入测试数据

✅关键代码，

# ----------------------------
# 绘图
# ----------------------------
p <- ggplot(volcano_na_data, aes(x = log2FC, y = negLog10P)) +
  geom_point(aes(fill = group),
    color = "black", shape = 21, stroke = 0.35, size = 5, alpha = 1
  ) +
  scale_fill_manual(values = colors_fill)

# P=0.05 横线与标注
p <- p + geom_hline(yintercept = -log10(0.05), linetype = "dashed", color = "black", linewidth = 0.5) +
  annotate("text",
    x = 7, y = -log10(0.05) + 0.1, label = expression(italic(P) == 0.05),
    size = 3.5, vjust = 0
  )

p <- p + annotate("text",
  x = x_axis_pos + x_label_offset + 0.3, # 调整x坐标，靠近顶点
  y = max(volcano_na_data$negLog10P) * 1.05, # 将y坐标设置为最大值，靠近顶部
  label = expression(-log[10] ~ "(P)"),
  angle = 90,
  size = 3.5,
  fontface = "bold",
  hjust = 1.6,
  vjust = 1.7# 调整垂直对齐，确保标签居中在顶点位置
)

✅值得学习的R可视化知识点：

将y轴移动到x=0处，简洁美观，

p <- p + annotate("text",
  x = x_axis_pos + x_label_offset + 0.3, # 调整x坐标，靠近顶点
  y = max(volcano_na_data$negLog10P) * 1.05, # 将y坐标设置为最大值，靠近顶部
  label = expression(-log[10] ~ "(P)"),
  angle = 90,
  size = 3.5,
  fontface = "bold",
  hjust = 1.6,
  vjust = 1.7# 调整垂直对齐，确保标签居中在顶点位置
)

-log10(P)的写法，expression(-log[10] ~ "(P)")
geom_hline添加水平辅助线，

# P=0.05 横线与标注
p <- p + geom_hline(yintercept = -log10(0.05), linetype = "dashed", color = "black", linewidth = 0.5) +
  annotate("text",
    x = 7, y = -log10(0.05) + 0.1, label = expression(italic(P) == 0.05),
    size = 3.5, vjust = 0
  )