Volcano plot
Chaque gène (ou métabolite) placé selon l’ampleur de son changement (log2 fold change) et sa significativité (−log10 p ajustée) : à droite ce qui monte, à gauche ce qui baisse, les plus marqués nommés.
Expression des gènes (omique) · Volcano plot : expression différentielle · 5 crédits
Lancer cette figure (nouvel onglet)1.Définition
La figure
Chaque gène (ou métabolite) placé selon l’ampleur de son changement (log2 fold change) et sa significativité (−log10 p ajustée) : à droite ce qui monte, à gauche ce qui baisse, les plus marqués nommés.
L’analyse statistique : Volcano plot : expression différentielle
Le volcano plot place chaque gène (ou métabolite) selon l’ampleur de son changement (log2FC) et sa significativité (−log10 p ajustée) : ceux qui montent et ceux qui baissent sautent aux yeux.
2.Lancer l’analyse
Les étapes de « Nouvelle analyse », dans l’ordre : ce que chacune demande, et pourquoi.
Étape 1 : Choisir la figure
Ouvrez « Nouvelle analyse », famille « Omique » du ruban, puis cette figure.
Pourquoi : Chaque figure a ses propres options : la choisir d’abord fixe celles qui la font et masque celles des autres figures.
Étape 2 : Importer les données
Un fichier CSV, TXT ou Excel (.xlsx, .xls) de 50 Mo et 200 000 lignes au plus, ou « Utiliser le jeu d’exemple » : sur lui, la figure est gratuite.
Pourquoi : Le fichier est lu dans votre navigateur : seules les colonnes que vous choisirez partiront au calcul, et elles sont effacées du serveur au bout de 24 h.
Étape 3 : Vérifier le type des colonnes
Chaque colonne est reconnue numérique, catégorielle ou texte ; un clic sur son type le change.
Pourquoi : Le rôle qu’une colonne peut prendre dépend de son type : un facteur codé 1, 2, 3 doit passer en catégorielle pour être lu comme des groupes.
Étape 4 : Attribuer les rôles
Dites ce que représente chaque colonne, et ce que la figure vous demande :
- Un tableau de résultats (log2FC et p), ou vos mesures avec une colonne de groupe
- Le seuil de fold change et α
Pourquoi : Les rôles disent au moteur ce qui est mesuré, ce qui l’explique et ce qui groupe les observations : la même table répond à des questions différentes selon eux.
Étape 5 : Régler les options
Les options qui font cette figure sont déjà fixées. Restent :
- Tableau de résultats ou mesures par échantillon : Un tableau DESeq2, edgeR ou limma est dessiné tel quel ; des mesures brutes sont testées par le moteur (Welch sur les log2, ou Mann-Whitney).
- Seuils : fold change (1,5 à 4) et α : Un gène est retenu s’il change assez (|log2FC| ≥ log2 fc) et de façon significative (p ajustée < α).
Pourquoi : Les valeurs par défaut sont les conventions des revues ; ne les changez que pour une raison que vous sauriez écrire dans votre section Méthodes.
Étape 6 : Lancer le calcul
Gratuit et complet sur le jeu d’exemple. Sur vos données : 5 crédits débités au lancement ; sans assez de crédits, un aperçu flouté, à débloquer pour 5 crédits.
Pourquoi : Le calcul est fait par R sur nos serveurs, et vous suivez ses étapes. S’il échoue, les crédits sont rendus.
Étape 7 : Lire les résultats
Les tableaux, l’interprétation en français ou en anglais et le paragraphe « Méthodes » prêt pour votre manuscrit.
Pourquoi : Chaque chiffre vient de R, et chaque phrase est un modèle rempli avec eux, jamais un texte inventé : vérifiez-les avec les tableaux.
Étape 8 : Télécharger la figure
PNG 300 DPI, PDF, EPS ou SVG, à 89 ou 183 mm ; les textes se modifient dans l’éditeur de figure.
Pourquoi : 89 mm est la largeur d’une colonne de revue, 183 mm celle d’une page : la figure est mise en page pour chacune, rien ne s’y chevauche.
3.Pourquoi et quand l’utiliser
Quand l’utiliser
Après une analyse d’expression différentielle (RNA-seq, protéomique, métabolomique) : repérer les éléments qui changent le plus et le plus sûrement.
Exemple de question : Quels métabolites des feuilles de niébé montent ou baissent sous sécheresse ?
Ce que les résultats montrent
- Combien de gènes montent et baissent, et lesquels sont les plus marqués (nommés).
4.Méthode et packages R
Ce que le moteur R exécute pour cette figure : les packages, les fonctions principales, les étapes du calcul et les formules.
Packages R
- stats
- ggrepel
- ggplot2
t.test(log2(x) ~ groupe) ou wilcox.test · p.adjust(p, "BH") · log2FC × −log10 p
Fonctions principales
| Fonction | Package | Rôle |
|---|---|---|
| t.test, wilcox.test | stats | tests depuis les mesures |
| p.adjust | stats | Benjamini-Hochberg |
| geom_text_repel | ggrepel | noms des gènes |
Ce que fait le script, dans l’ordre
- Lit les log2FC et p, ou les calcule à partir des mesures (pseudo-compte si des zéros).
- Ajuste les p (BH) si elles sont brutes.
- Classe chaque gène : en hausse, en baisse ou stable.
- Dessine le volcano, nomme les plus significatifs (ggrepel).
Formules principales
log2 fold change
log2FC = log2(moyenne du groupe cible / moyenne de la référence)
+1 : deux fois plus ; −1 : deux fois moins ; 0 : pas de changement. Le seuil |log2FC| ≥ log2(fc) dit ce qui change assez.
Axe vertical
y = −log10(p ajustée)
p = 0,05 donne 1,3 ; p = 0,001 donne 3 : plus le point est haut, plus le changement est sûr.
Benjamini-Hochberg (FDR)
q₍ᵢ₎ = min(1, min_{j≥i} m·p₍ⱼ₎ / j)
Sur m tests triés par p : parmi les éléments retenus à q < α, la part attendue de faux positifs reste sous α.
À citer
- Welch, B. L. (1947). The generalization of « Student’s » problem when several different population variances are involved. Biometrika, 34(1-2), 28-35. doi:10.1093/biomet/34.1-2.28 (nouvel onglet)
- Mann, H. B. & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. The Annals of Mathematical Statistics, 18(1), 50-60. doi:10.1214/aoms/1177730491 (nouvel onglet)
- Benjamini, Y. & Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B, 57(1), 289-300. doi:10.1111/j.2517-6161.1995.tb02031.x (nouvel onglet)
- Wickham, H. (2016). ggplot2: elegant graphics for data analysis. Springer (Use R!), 2ᵉ éd.. doi:10.1007/978-3-319-24277-4 (nouvel onglet)
5.Données d’entrée
Une ligne par gène (log2FC, p, nom), ou une ligne par échantillon avec une colonne de groupe et une colonne par variable.
Ce que la figure demande
- Un tableau de résultats (log2FC et p), ou vos mesures avec une colonne de groupe
- Le seuil de fold change et α
Format : CSV, TXT ou Excel, une ligne d’en-tête avec le nom des colonnes. La virgule ou le point décimal, le séparateur et l’encodage sont reconnus seuls ; une case vide est une valeur manquante.
Le jeu d’exemple : Métabolites du niébé sous sécheresse
Rôles : 90 métabolites (aires de pics LC-MS) de 16 plantes, Traitement : Sécheresse comparée à Irrigué.
6.Prix
5crédits
par lancement sur vos données. Chaque figure coûte 5 crédits, quelle qu’elle soit : la figure, ses tableaux, son interprétation et ses téléchargements sont compris.
| Pack | Prix du pack | Cette figure |
|---|---|---|
| Starter (50 crédits) | 500 FCFA | 50 FCFA |
| Standard (250 crédits) | 2 000 FCFA | 40 FCFA |
| Pro (700 crédits) | 5 000 FCFA | 36 FCFA |
- Gratuite sur son jeu d’exemple (metabolites_niebe.csv), résultats complets : pour la découvrir avant d’importer vos données.
- Sur vos données sans assez de crédits, elle se lance quand même en aperçu flouté, débloqué ensuite pour 5 crédits sans relancer le calcul.
- Si le calcul échoue, les crédits sont rendus.
- Paiement par mobile money ; voir les packs.
Lancer « Volcano plot » sur vos données
Ou ouvrez-la gratuitement avec son jeu d’exemple pour voir chaque étape et des résultats complets avant d’importer votre fichier.