導讀：《Frontiers in Immunology》單細胞測序文章“Fibroblast growth factor receptor risk signature predicts patient prognosis and immunotherapy resistance in colorectal cancer”Fig1B的火山圖展示了8種不同細胞類型中top5差異表達marker基因。?
圖中共8個小矩形，每個小矩形表示一種細胞類型。矩形中X軸表示細胞類型間表達該基因的細胞比例的差值，即pct.1 – pct.2；Y軸表示log2Fold change。以T cell為例，紅色點標注了top5上調，top5下調的marker基因，灰色點為其他基因，兩條水平線為log2FC閾值線。直觀地展示了不同細胞類型的marker基因情況。
1，打開作圖URL
https://www.bioinformatics.com.cn/plot_basic_scrna_seq_marker_gene_vocalno_plot_by_scrnatoolvis_261
2，示例數據
點擊圖片上方的示例數據，下載，并使用excel打開。
示例數據來自Seurat findAllmarkers函數的輸出，包括5列：
第1列是avg_log2FC：表示基因在目標細胞群體與其他細胞群體之間的平均表達差異。正值表示基因在目標細胞群體中高表達，負值表示基因在其他細胞群體中高表達。數值越大（正或負），表示差異越大。
第2列是pct.1：表示目標細胞群體中表達該基因的細胞比例。例如，pct.1 = 0.8 表示目標細胞群體中有 80% 的細胞表達該基因。
第3列是pct.2：表示其他細胞群體中表達該基因的細胞比例。例如，pct.2 = 0.2 表示其他細胞群體中有 20% 的細胞表達該基因。
第4列是cluster：目標細胞群的標識符。繪圖時按照cluster出現的順序從左到右繪制，例如這里最左邊繪制的是Na?ve CD4 T細胞
第5列是基因：Marker基因。
注意：這里沒有考慮p值
3，輸入檢查
示例數據：點擊輸入框下面的“示例”按鈕，將載入示例數據。
真實數據：數據放在excel中，調整好后，Ctrl+A選中數據，Ctrl+C拷貝，Ctrl+V粘貼數據到輸入框中。
然后使用輸入框下面的“輸入檢查”按鈕先對輸入數據進行檢查。若檢查不通過，請根據檢查提示重復【修改-輸入檢查】步驟，直到檢查通過（如下圖所示），然后可以繼續選擇參數。
注：輸入檢查按鈕會根據不同模塊的輸入要求，逐行逐列檢查輸入數據，并給出提示，確保數據符合模塊輸入要求。
4，選擇參數
待標注基因名：需要在圖中標注的基因的名字，一行一個基因名，來自輸入數據的最后一列。若多個cluster中均存在這個基因，則該基因均被標注。
若該輸入框留空，則請選擇繪制topN基因，默認繪制每個cluster中top5上調和top5下調的差異基因。
圖片大小：設置了圖片的寬度，圖片的高度。建議根據cluster數調整圖片寬度
字體大小：設置了圖片的基礎字體大小，如需精確控制字體大小，請下載pdf或者svg圖片后，使用inkscape或者acrobat illustrator編輯
Log2FC相關：設置了log2fc的閾值。上調，下調兩條虛線的寬度和顏色
Cluster顏色：設置了第4列cluster的顏色，按照cluster出現的順序分配顏色，自定義21種顏色，超過21種使用系統默認顏色
字體：設置了期刊雜志中最常用的兩種字體：Times New Roman和Arial。如需使用其他字體，可以下載pdf或者svg圖片，然后使用acrobat illustrator或者inkscape進行編輯修改
5，提交出圖
檢查通過，并且參數選好后，點擊“提交”按鈕，約5s后，會在頁面上顯示Marker基因火山圖。我們提供了pdf、svg兩種矢量圖，png、tiff兩種標量圖供大家下載使用?？梢允褂胊crobat illustrator或者inkscape軟件編輯矢量圖，進行組圖，調整文字位置，添加說明等操作，以滿足個性化需求。
代碼版：
此圖使用scRNAtoolvis R包繪制，3行代碼即可繪制出版級單細胞marker基因火山圖，感謝老俊俊大神的封裝。
1）安裝：
# install.packages("devtools")
devtools::install_github("junjunlab/scRNAtoolVis")
2）讀取數據：
test <- system.file("extdata", "pbmc.markers.csv", package = "scRNAtoolVis")
markers <- read.csv(test)
3）繪圖
markerVocalno(markers = markers, topn = 5, labelCol = ggsci::pal_npg()(9))
微生信助力高分文章，用戶280000+，谷歌學術5800+
