12  Volcano plot

Il volcano plot è una rappresentazione grafica molto utile nell’analisi dell’espressione differenziale, in quanto permette di visualizzare in modo immediato i geni più significativi e con i maggiori cambiamenti di espressione.

Come funziona:

• Asse x: Log2 fold change. Rappresenta la differenza di espressione tra due condizioni, espressa in scala logaritmica in base 2. Un valore positivo indica che il gene è sovraespresso nella condizione in esame rispetto alla condizione di riferimento, mentre un valore negativo indica che il gene è sottoespresso.
• Asse y: -log10(p-value aggiustato). Rappresenta il valore negativo del logaritmo in base 10 del p-value aggiustato per test multipli. Un valore più alto sull’asse y indica una maggiore significatività statistica.
• Punti: Ogni punto rappresenta un gene. La sua posizione sul grafico indica il suo log2 fold change e la sua significatività statistica.

Interpretazione:

• Geni in alto a destra e in alto a sinistra: Questi geni sono i più interessanti, in quanto mostrano sia un log2 fold change elevato (in valore assoluto) che una significatività statistica elevata. Sono i geni più fortemente sovraespressi o sottoespressi.
• Geni vicini all’asse y: Questi geni hanno un log2 fold change vicino a zero, quindi non mostrano una grande differenza di espressione tra le condizioni.
• Geni vicini all’asse x: Questi geni hanno un p-value aggiustato elevato, quindi non sono considerati significativamente differenzialmente espressi.

Vantaggi:

• Visione d’insieme: Il volcano plot fornisce una visione d’insieme dei risultati dell’analisi differenziale, permettendo di identificare rapidamente i geni più interessanti.
• Identificazione dei geni significativi: I geni significativamente differenzialmente espressi sono chiaramente evidenziati nel grafico.
• Valutazione del fold change: Il grafico permette di valutare l’entità del cambiamento di espressione per ciascun gene.

Esempio in R:

# Crea un volcano plot con ggplot2
FC <- .5
pv <- 0.0001

out_res <- tibble(
  gene = res@rownames,
  baseMean = res@listData$baseMean,
  log2FoldChange = res@listData$log2FoldChange,
  lfcSE = res@listData$lfcSE,
  # stat = res@listData$stat,
  pvalue = res@listData$pvalue,
  padj = res@listData$padj
) |>
  mutate(colore = case_when(
    log2FoldChange > FC & padj < pv ~ "#F5A15B",
    log2FoldChange < -FC & padj < pv ~ "#106973",
    TRUE ~ "#D2D4D4"
  ))


ggplot(out_res, aes(x = log2FoldChange, y = -log10(padj), color = colore)) +
  geom_point() +
  geom_hline(yintercept = -log10(pv), linetype = "dashed", color = "red") +
  geom_vline(xintercept = c(-FC, FC), linetype = "dashed", color = "blue") +
  labs(x = "log2 Fold Change", y = "-log10(Adjusted p-value)") +
  ggtitle("Volcano Plot") +
  scale_color_identity(labels = c("Red", "Blue", "Green")) +
  theme_bw()
#> Warning: Removed 10104 rows containing missing values or values outside the scale
#> range (`geom_point()`).

In questo esempio:

• geom_hline() aggiunge una linea orizzontale tratteggiata in corrispondenza del livello di significatività scelto.
• geom_vline() aggiunge due linee verticali tratteggiate in corrispondenza del log2 fold change.

pp <- ggplot(out_res, aes(x = log2FoldChange, y = -log10(padj), text = paste0("Gene: ", gene))) +
  geom_point(aes(color = colore)) +
  geom_hline(yintercept = -log10(pv), linetype = "dashed", color = "red") +
  geom_vline(xintercept = c(-FC, FC), linetype = "dashed", color = "blue") +
  labs(x = "log2 Fold Change", y = "-log10(Adjusted p-value)") +
  ggtitle("Volcano Plot") +
  scale_color_identity(guide = "none") +
  theme_bw() +
  theme(legend.position = "none")
plotly::ggplotly(pp)