结果怎么读：PCA / 火山 / 热图 / 富集图

跟完这篇，您能拿到分析跑出来的四类常见图，逐一「读一遍」，判断哪张在正常范围内、哪张暗示数据或分组有问题、哪张其实只是好看的摆设，最后套用一组通用的三问，给每张图下一个能不能写进结果的结论。

看图和跑分析是两件事。分析工具会一声不吭地把图画出来，但图对不对、能不能支撑结论，得您自己判断。下面按四类图各讲一遍「先看哪里」，每一节都给一段可照做的自查代码，最后给一套拿到任何一张图都能套用的三个问题。

四类图速览

先建立一张全局地图。拿到一批结果图，先对照这张表定位每张图的作用和最该警惕的地方，再进到对应小节细看。

图	一句话作用	先看哪里	危险信号
PCA 图	无监督质检，看样本整体格局	分组是否分开、有无离群点	样本按批次而非分组分开
火山图	一眼看差异「多大 + 多显著」	形状、左右是否平衡、阈值线	点全堆在极高显著度或全落一侧
热图	展示一批基因在样本间的相对高低	色标含义、有无块结构	只挑显著基因画，拿展示当证据
富集气泡图	差异基因集中在哪些通路	padj、命中基因数、是否讲得通	清一色泛化大类、命中基因极少

PCA 图看什么

PCA（主成分分析）是无监督的：它不知道您的分组，只把样本按整体表达的最大变异方向铺开。所以它最适合用来做「上手第一眼」的质检——看样本之间的大格局有没有毛病。

按这个顺序看：

分组是否分开：同一组的样本应该聚在一起，不同组分开。重点看主要的分离方向（一般是横轴 PC1）是不是对应您的实验分组，比如处理 vs 对照。
每根轴解释了多少变异：轴标题上的百分比（如 PC1: 62% variance）。PC1 占比越高，说明第一主成分抓住的变异越多；两根轴加起来太低，说明变异很分散，图上的距离要少当真。
有没有离群样本：某个点明显远离它所在的组。可能是质量问题、样本标签弄反、也可能是真实的生物学异常。先别急着删——回头查这个样本的 QC 指标和元数据，确认原因再决定。
是不是批次在主导：如果样本是按测序批次、送样日期这类技术因素分开，而不是按生物学分组分开，说明批次效应盖过了真正想看的差异，需要在分析模型里校正（例如把 batch 放进设计公式）。

一段常见的画法（对方差稳定化后的数据做 PCA）：

library(DESeq2)
vsd <- vst(dds, blind = TRUE)          # 方差稳定化，避免高表达基因主导
plotPCA(vsd, intgroup = "condition")   # 按分组上色，看样本铺开的格局

对着上图排查，常见现象大多能对号入座：

您看到的现象	可能的原因	下一步
同组不聚、组间不分	效应弱、样本量小，或分组标签错了	核对元数据与分组表，别只凭 PCA 下结论
某个点远离本组	质量差、标签弄反，或真实的生物学异常	查该样本 QC 与元数据，确认原因再决定去留
样本按批次 / 日期分开	批次效应主导了整体变异	在设计公式里校正 batch，或先做批次校正
两轴百分比之和很低	变异分散，没有主导方向	图上距离少当真，结论交给差异分析

一个提醒：分组在 PCA 上没完全分开，不一定就是坏结果。效应本身弱、样本量小，都可能让分组挨得比较近。PCA 看的是全局最大变异，和后面差异分析的结论不是一回事，别拿它当最终判决。批次问题的细致排查见教程：批次效应怎么处理。

火山图看什么

火山图把「变化多大」和「变化多显著」放在一张图上：横轴是 log2 fold change（变化幅度与方向），纵轴一般是 -log10(padj)（越往上越显著）。

按这个顺序看：

整体形状像不像火山：底部宽（大量基因变化小、不显著，挤在中间偏下），越往上越尖越少。如果一大片点都堆在很高的显著度上，往往是 p 值被低估了——比如没做多重检验校正，或样本存在伪重复。
两侧上下调是否大致平衡：左右两边的显著点数量差不多是常态。如果几乎全落在一侧，先怀疑归一化或文库大小的问题，再考虑是不是真有全局性偏移。
阈值线画在哪：常用组合是 padj < 0.05 配 |log2FC| > 1（也就是 2 倍变化）。这是常用惯例、不是铁律——效应弱的数据可以放宽 log2FC，噪声大的可以收紧 padj，按您的数据和生物学背景调。
关心的基因落在哪：如果有先验预期的标志基因，看它们是否落在显著区、方向对不对，这是快速的「合理性自检」。

不用只靠眼睛，几行代码就能把「形状」量化出来自查：

# 以 DESeq2 结果为例，快速核对上下调数量与方向
res <- results(dds, contrast = c("condition", "treated", "control"))
sig <- subset(res, padj < 0.05 & abs(log2FoldChange) > 1)   # 阈值按数据调
table(sign(sig$log2FoldChange))   # -1 / 1 两侧数量应大致平衡
summary(res$padj)                 # 看 padj 分布，别一大片贴近 0

contrast = c("condition", "treated", "control") 明确了 treated 相对 control：此时 log2FC 为正代表 treated 更高。方向读反是最常见也最尴尬的错误，画图前务必把参照组认清楚。对着输出排查：

您看到的现象	怀疑什么
显著点几乎全落在一侧	归一化 / 文库大小问题，或真有全局性偏移
一大片点顶到极高显著度	未做多重检验校正，或存在伪重复
阈值内基因数为零或成千上万	阈值定得过严 / 过松，回到数据背景重定

火山图的完整画法与配色见教程：火山图怎么做。

热图看什么

热图适合展示「一批基因在各样本间的相对高低」。画之前通常会按行做标准化（z-score），目的是看每个基因在样本之间的相对模式，而不是绝对表达量——不做标准化的话，高丰度基因会把颜色全占了。

按这个顺序看：

确认色标含义：先看图例，弄清颜色对应高还是低（红高蓝低常见，但不是固定的），以及数值有没有做行标准化。
有没有清晰的块结构：理想情况是同一组的列聚在一起、颜色一致，组与组之间形成对比分明的色块。
列聚类和分组是否吻合：如果列的聚类把不同组的样本混着排，说明这批基因对分组的区分力不强，或存在批次、离群样本干扰。
警惕选择偏差：如果这张热图只画了「最显著的那批差异基因」，它必然好看——因为您正是挑着好看的选进来的。这种热图是展示，不是证据，别用它反过来证明差异存在。

一段常见画法（对差异基因的标准化表达画热图）：

library(pheatmap)
pheatmap(mat,
         scale = "row",            # 按行 z-score，看相对高低
         cluster_rows = TRUE,
         cluster_cols = TRUE,
         annotation_col = coldata) # 顶部标注分组，方便核对列聚类

富集气泡图看什么

富集气泡图（dotplot）总结的是「差异基因集中在哪些通路 / GO 条目上」。图上每个点是一个通路，常见的编码是：纵轴通路名，横轴 GeneRatio（您的基因里落在该通路的比例），点的大小代表命中基因数，颜色代表 padj。

按这个顺序看：

看哪里	判断标准
padj（颜色）	越小越可靠，常用 padj < 0.05（常用惯例，非铁律）
命中基因数 / 基因比	只有 2 至 3 个基因命中的通路，即使 padj 显著也要谨慎，容易不稳定
通路是否讲得通	结果应和您的生物学背景对得上，一串高度相关的通路一起出现是好信号
是不是全是泛化大类	若清一色是「代谢过程」这类极宽泛的条目，信息量低，参考价值有限

两个容易被忽略的点：

背景对不对：物种、基因 ID 类型、注释版本要和您的数据一致，否则富集结果整体不可信。基因 ID 的坑见教程：基因 ID 怎么转换。
条目冗余：GO 里很多条目高度重叠，一堆近义通路会让图显得「结果很多」。必要时做去冗余处理，再看剩下的主线。

一段常见画法：

library(clusterProfiler)
ego <- enrichGO(gene          = sig_genes,      # 差异基因，ID 类型要与 keyType 一致
                OrgDb         = org.Hs.eg.db,    # 物种注释包，人是 org.Hs.eg.db
                keyType       = "SYMBOL",
                ont           = "BP",            # 生物学过程
                pAdjustMethod = "BH",
                pvalueCutoff  = 0.05)
dotplot(ego, showCategory = 15)

拿到任何一张图先问的三个问题

不管是上面四类图还是别的图，先别急着解读，先花十秒回答这三个问题。它们能挡掉绝大多数误读。

这张图画的是什么数据、怎么处理的？ 是原始值、标准化值，还是取了 log、做了 z-score？纳入了哪些样本、哪些基因？处理方式不同，同一张图能读出的东西完全不同。
对比是什么，方向对不对？ 谁是对照、谁是处理？log2FC 的正负、颜色的高低，各指向哪一组？先把参照组认清楚，别把方向读反。
这个结果稳不稳、讲不讲得通？ 换个阈值、去掉那个离群样本，结论还成立吗？和已知的生物学一致吗？样本量撑得起这个结论吗？经得起这三问的图，才值得写进结果。

在平台上跑一遍

不想写代码也能完成这一步。在百沐一下，您只要上传表达矩阵和分组表、说清要比较哪两组，平台会自动产出 PCA、火山、热图和富集图；您要做的就是照本文这几节，把每张图逐一「读一遍」。做法见组学分析助手，或直接到 app.baimuyixia.com 上传数据试试。

结果怎么读：PCA / 火山 / 热图 / 富集图

四类图速览

PCA 图看什么

火山图看什么

热图看什么

富集气泡图看什么

拿到任何一张图先问的三个问题

在平台上跑一遍

相关