• Logo
    PaperBananaKI-Generator für akademische Illustrationen
Startseite
  • Startseite
  • Kreativstudio
  • Wissenschaftliche Illustration
  • Poster-Maker
  • Diagramm-Generator
  • Figure Editor
  • Preise
Meine Erstellungen
  • Meine Erstellungen
  • Freunde einladen
LogoPaperBanana
StartseitePreiseFreunde einladen
LogoPaperBanana

PaperBanana – KI-gestützter Generator für akademische Illustrationen

support@paperbanana.me

KI-Tools

  • Alle Tools
  • Text zu Illustration
  • Wissenschaftliche Illustration
  • Figure Editor
  • Diagramm-Generator
  • Poster-Maker

Hilfe

  • Über uns
  • Preise
  • Kontakt

Rechtliches

  • Datenschutzerklärung
  • Nutzungsbedingungen
  • Zulässige Nutzung

© 2026 PaperBanana. Alle Rechte vorbehalten.

PreiseKontakt
Online-Tool für Forschungsdaten · ohne Anmeldung

Volcano Plot Generator für RNA-seq & Proteomik—ohne R oder Python

Mit diesem Volcano Plot Generator fügst du differentielle Expressionsdaten ein, prüfst log₂-Fold-Change und Signifikanzspalten, passt Grenzwerte und Genlabels an und exportierst bearbeitbares SVG oder hochauflösendes PNG. Die Daten bleiben im Browser.

CSV, TSV oder aus Excel einfügenAutomatische SpaltenzuordnungGrenzwerte und Labels live anpassenBearbeitbares SVG und PNG

Differentielle Expressionsdaten

CSV oder TSV einfügen, aus Excel kopieren oder Textdatei hochladen. Gängige Spaltennamen werden automatisch zugeordnet.

sample-rna-seq.tsv

Die Tabelle bleibt in diesem Browser. Beim Öffnen des Editors wird ein bearbeitbares Projekt im Konto erstellt.

Live-Vorschau

28
Hochreguliert
35
Herunterreguliert
57
Nicht signifikant
RNA-seq: Behandlung vs. KontrolleVolcano Plot von log₂-Fold-Change gegen −log₁₀-Signifikanz.RNA-seq: Behandlung vs. Kontrolle|log₂FC| ≥ 1 · significance ≤ 0.05-5-2.502.5501.753.55.257TP53: log₂FC -2.89, significance 0CDKN2A: log₂FC -2.17, significance 0.01ERBB2: log₂FC 0.22, significance 0.63BRCA1: log₂FC 1.1, significance 0.08MYC: log₂FC -0.06, significance 0.01EGFR: log₂FC -0.42, significance 0.1PTEN: log₂FC -2.21, significance 0.01KRAS: log₂FC -2.7, significance 0GENE_9: log₂FC -2.58, significance 0.01GENE_10: log₂FC 0.23, significance 0.09GENE_11: log₂FC -1.84, significance 0GENE_12: log₂FC 2.38, significance 0.01GENE_13: log₂FC -0.13, significance 0.64GENE_14: log₂FC -1.95, significance 0.03GENE_15: log₂FC -0.34, significance 0.34GENE_16: log₂FC -3.06, significance 0GENE_17: log₂FC -1.22, significance 0.06GENE_18: log₂FC 2.45, significance 6.9e-4GENE_19: log₂FC 1.54, significance 0GENE_20: log₂FC -0.25, significance 0.26GENE_21: log₂FC -0.52, significance 0.38GENE_22: log₂FC -4.24, significance 1.9e-4GENE_23: log₂FC 2.08, significance 0.01GENE_24: log₂FC 0.28, significance 0.08GENE_25: log₂FC -1.57, significance 2.1e-4GENE_26: log₂FC 3.18, significance 7.3e-5GENE_27: log₂FC -4.3, significance 9.6e-6GENE_28: log₂FC 1.28, significance 0.1GENE_29: log₂FC 1.64, significance 0.05GENE_30: log₂FC -0.99, significance 0.17GENE_31: log₂FC -1.77, significance 0.01GENE_32: log₂FC -0.23, significance 0.61GENE_33: log₂FC 0.11, significance 0GENE_34: log₂FC -3.24, significance 6.8e-4GENE_35: log₂FC 0.07, significance 0.24GENE_36: log₂FC 0.89, significance 0.19GENE_37: log₂FC 3.62, significance 0GENE_38: log₂FC 1.22, significance 4.5e-4GENE_39: log₂FC -0.14, significance 0.7GENE_40: log₂FC -2.19, significance 0.02GENE_41: log₂FC 2.27, significance 1.1e-4GENE_42: log₂FC -1.15, significance 0.01GENE_43: log₂FC 1.55, significance 0.04GENE_44: log₂FC -0.6, significance 0.32GENE_45: log₂FC -0.05, significance 0.9GENE_46: log₂FC 3.45, significance 0GENE_47: log₂FC -1.75, significance 0.01GENE_48: log₂FC -0.51, significance 0.4GENE_49: log₂FC 3.58, significance 5.7e-6GENE_50: log₂FC -0.6, significance 0.03GENE_51: log₂FC -0.05, significance 0.35GENE_52: log₂FC 0.16, significance 0GENE_53: log₂FC -0.08, significance 0.51GENE_54: log₂FC -2.33, significance 0GENE_55: log₂FC -3.11, significance 0GENE_56: log₂FC 1.27, significance 0.1GENE_57: log₂FC -0.06, significance 0.08GENE_58: log₂FC -4.29, significance 6.5e-6GENE_59: log₂FC -2.99, significance 1.4e-4GENE_60: log₂FC -0.36, significance 0.02GENE_61: log₂FC -1.21, significance 0.1GENE_62: log₂FC 1.35, significance 0.01GENE_63: log₂FC -0.05, significance 0.53GENE_64: log₂FC -0.12, significance 0.8GENE_65: log₂FC -4.01, significance 2.5e-6GENE_66: log₂FC -4.33, significance 1.8e-4GENE_67: log₂FC 3.6, significance 1.4e-4GENE_68: log₂FC -0.11, significance 0GENE_69: log₂FC 1.95, significance 4.0e-4GENE_70: log₂FC 3.2, significance 7.5e-5GENE_71: log₂FC 3.55, significance 0GENE_72: log₂FC 0.1, significance 0.23GENE_73: log₂FC -3.59, significance 6.5e-4GENE_74: log₂FC -3.5, significance 0GENE_75: log₂FC 4.06, significance 2.3e-4GENE_76: log₂FC -3.05, significance 0GENE_77: log₂FC 3.15, significance 0GENE_78: log₂FC -1.58, significance 0.05GENE_79: log₂FC 0.19, significance 0GENE_80: log₂FC 2.6, significance 0.01GENE_81: log₂FC -0.58, significance 0GENE_82: log₂FC 2.5, significance 3.6e-4GENE_83: log₂FC -0.05, significance 0GENE_84: log₂FC 0.43, significance 0.04GENE_85: log₂FC -0.1, significance 0.03GENE_86: log₂FC -1.52, significance 0.06GENE_87: log₂FC -1.33, significance 0GENE_88: log₂FC 0.25, significance 0.11GENE_89: log₂FC 0.17, significance 0.24GENE_90: log₂FC -1.87, significance 0.02GENE_91: log₂FC 3.71, significance 4.6e-4GENE_92: log₂FC 1.28, significance 0.01GENE_93: log₂FC 0.92, significance 0GENE_94: log₂FC -1.24, significance 0GENE_95: log₂FC -0.11, significance 0.11GENE_96: log₂FC -0.08, significance 0.03GENE_97: log₂FC 0.63, significance 0.07GENE_98: log₂FC -4.04, significance 2.4e-4GENE_99: log₂FC 0.07, significance 0.01GENE_100: log₂FC -0.53, significance 0.12GENE_101: log₂FC -2.1, significance 0GENE_102: log₂FC -0.05, significance 0.01GENE_103: log₂FC -2.87, significance 5.4e-4GENE_104: log₂FC -1.55, significance 0.01GENE_105: log₂FC 1.19, significance 0.03GENE_106: log₂FC 0.75, significance 0.26GENE_107: log₂FC -3.93, significance 3.1e-4GENE_108: log₂FC 0.35, significance 0.37GENE_109: log₂FC -2.62, significance 0GENE_110: log₂FC -0.2, significance 0.69GENE_111: log₂FC 2.94, significance 6.6e-4GENE_112: log₂FC 0.05, significance 0.06GENE_113: log₂FC 1.65, significance 0GENE_114: log₂FC 0.07, significance 0.61GENE_115: log₂FC 4.27, significance 1.1e-4GENE_116: log₂FC 4.05, significance 2.0e-4GENE_117: log₂FC 2.52, significance 0.01GENE_118: log₂FC 0.91, significance 0.03GENE_119: log₂FC 0.12, significance 0.56GENE_120: log₂FC 0.32, significance 0.11GENE_65GENE_58GENE_27GENE_49GENE_115GENE_66GENE_22GENE_116log₂-Fold-Change−log₁₀ SignifikanzHerunterHochNicht signifikant

Punkte werden aus deinen Werten berechnet. Prüfe Spalten und Grenzwerte vor der Einreichung gegen den Analyseplan.

Grundlagen

Was ist ein Volcano Plot und welche Daten zeigt er?

Ein Volcano Plot ist ein Streudiagramm, das Effektstärke und statistische Signifikanz verbindet. Die horizontale Achse zeigt den log₂-Fold-Change, die vertikale Achse −log₁₀ von p-Wert, adjustiertem p-Wert, FDR oder q-Wert. Merkmale oben links und rechts weisen große Änderungen und starke statistische Evidenz auf.

Forschende prüfen damit Tausende Gene, Proteine, Metaboliten oder Screening-Merkmale gleichzeitig. Eine klare Darstellung trennt signifikant hochregulierte, herunterregulierte und nicht signifikante Merkmale und beschriftet nur relevante Kandidaten.

Der Generator berechnet alle Punkte aus der Tabelle und prüft Spaltenzuordnung sowie ungültige Zeilen vor dem Zeichnen. So verdeckt eine saubere Abbildung weder eine falsche p-Wert-Skala noch fehlende Fold-Change-Werte.

01

Merkmals-ID

Gensymbol, Protein-ID, Metabolit, SNP oder Screening-Merkmal.

02

Effektstärke

Eine um null zentrierte log₂-Fold-Change-Spalte.

03

Signifikanz

p-Wert, adjustierter p-Wert, FDR oder q-Wert zwischen 0 und 1.

04

Grenzwerte

Regeln für Effektstärke und Signifikanz zur Klassifikation.

Volcano-Plot-Beispiele für RNA-seq, Proteomik und Metabolomik

Lade ein passendes Beispiel, prüfe Format, Grenzwerte, Labels und Farbgruppen und ersetze es anschließend durch eigene Ergebnisse.

Für echte Forschungsarbeit

Volcano Plots für Omik-Analyse und Manuskriptrevision

Von der differentiellen Expressionstabelle zur prüfbaren Abbildung, ohne die Analyse in einem zweiten Plot-Tool neu aufzubauen.

RNA-seq-Forschende prüfen einen Volcano Plot

RNA-seq-Manuskripte und Abschlussarbeiten

DESeq2-, edgeR- oder limma-Ausgabe einfügen, Spalten prüfen und im Ergebnisteil diskutierte Gene beschriften.

Proteomik-Analyse mit signifikanten Proteinen

Proteomik- und Metabolomik-Screens

Protein- oder Metabolit-IDs und adjustierte Signifikanz ohne neuen Code verarbeiten.

Forschungsteam prüft einen bearbeitbaren Volcano Plot

Revision durch Mitautoren und Reviewer

Grenzwerte und Labels ändern, während Daten und Plot-Einstellungen zusammenbleiben.

Funktionen

Differentielle Expressionsdaten vor dem Plotten validieren

Spaltenzuordnung, ungültige Zeilen, Grenzwerte, Labels, Statistik und Export bleiben in einem sichtbaren Ablauf.

DESeq2-, edgeR- und limma-Spalten ohne Umbenennen zuordnen

Erkennt gene, symbol, feature, protein, log2FoldChange, logFC, pvalue, padj, FDR und qvalue und zeigt die Zuordnung vor dem Export.

Volcano Plot Generator verwenden
Workflow zur Zuordnung und Validierung von Expressionsspalten

log₂FC- und p-Wert-Grenzen live testen

Änderungen an absolutem log₂FC, Signifikanz und Labelzahl aktualisieren Plot und Gruppenanzahlen gemeinsam.

Volcano Plot Generator verwenden
Grenzwert- und Genlabel-Steuerung mit Live-Vorschau

Bearbeitbares SVG mit reproduzierbaren Einstellungen exportieren

SVG für Vektorbearbeitung, PNG für Dokumente oder JSON mit Tabelle und Einstellungen herunterladen.

Volcano Plot Generator verwenden
Exportworkflow für SVG PNG JSON und weitere Bearbeitung
Integrierte Datenprüfung

log₂FC, p-Werte, padj und FDR vor dem Export prüfen

Auch bei falscher Skala oder ungültigen Werten kann die Form plausibel wirken. PaperBanana meldet ausgeschlossene Zeilen, ohne Ergebnisse still zu verändern.

Effektspalte prüfen

Die X-Achse benötigt numerischen log₂-Fold-Change; linearer Fold Change muss zuerst umgerechnet werden.

p-Werte und adjustierte Signifikanz prüfen

Signifikanz muss größer als 0 und höchstens 1 sein; Nullwerte, negative, fehlende und nicht numerische Werte werden gemeldet.

Ungültige Zeilen sichtbar halten

Gültige und ungültige Zeilen werden getrennt gezählt, damit fehlende Daten nicht verschwinden.

Datenprüfung von Spalten und ungültigen Werten vor dem Plotten
Spaltenzuordnung und ungültige Zeilen bleiben vor SVG-, PNG- oder JSON-Export sichtbar.Daten geprüft

Warum Forschende es nutzen

Publikationsreifen Volcano Plot ohne R oder Python erstellen

Konzentriere dich auf die Interpretation, während der Generator deterministisch zeichnet, beschriftet und exportiert.

Ohne Code

Keine Plot-Pakete einrichten

Ohne Installation von R, Python, ggplot2, Plotly oder EnhancedVolcano.

Auto-Mapping

Vertraute Spaltennamen verwenden

Direkt mit vorhandener Ausgabe starten, ohne alles in drei feste Spalten umzubenennen.

Prüfbar

Statistische Gruppen nachvollziehen

Hoch-, herunterregulierte, nicht signifikante und ungültige Merkmale zählen.

Lesbar

Nur stärkste Treffer beschriften

Labelzahl begrenzen und nach Effekt und Signifikanz priorisieren.

SVG

Vektorqualität bewahren

SVG für Journal, Poster oder Bearbeitung durch Mitautoren exportieren.

Privat

Forschungsdaten lokal halten

Daten bleiben im Browser, bis du bewusst ein bearbeitbares Projekt öffnest.

Vier Schritte

Volcano Plot online in vier Schritten erstellen

Tabelle vorbereiten, erkannte Spalten prüfen, Grenzwerte anpassen und exportieren.

01

Tabelle einfügen oder Datei hochladen

CSV, TSV, TXT oder aus Excel kopieren. Merkmalsname, log₂-Fold-Change und Signifikanz einschließen.

02

Erkannte Spaltenzuordnung prüfen

Bestätigen, welche Überschriften Labels, X-Werte und Signifikanz liefern.

03

Grenzwerte und Genlabels setzen

Absoluten log₂FC-Cutoff, p- oder adjustierten Signifikanz-Cutoff und Labelzahl wählen.

04

Herunterladen oder weiter bearbeiten

SVG, PNG oder JSON exportieren und das SVG bei Bedarf in PaperBanana bearbeiten.

Mit Volcano Plot Generator erstellen
Daten einfügen, Grenzen setzen und SVG im Generator exportieren
Das JSON bewahrt Quelldaten und Einstellungen für reproduzierbare Revisionen.

Abbildungsworkflow fortsetzen

Weitere Werkzeuge für Forschungsabbildungen

Ergänzende Illustration, Poster oder Nachbearbeitung des exportierten Volcano Plots.

Biomedizinische Mechanismusillustration für eine Publikation

Wissenschaftliche Illustration

Mechanismus oder Experiment neben der statistischen Abbildung darstellen.

Konferenzposter mit Forschungsabbildungen

Wissenschaftlicher Poster-Maker

Den Volcano Plot in ein bearbeitbares Konferenzposter setzen.

Wissenschaftlicher Analyseworkflow

Wissenschaftlicher Diagramm-Maker

Workflow, Studiendesign oder Analysepipeline der Daten zeigen.

Editor passt Labels einer SVG-Abbildung an

Editor für Forschungsabbildungen

Labels, Typografie, Abstände und Anmerkungen im SVG verfeinern.

Häufige Fragen

Fragen zu Daten, Grenzwerten und Export

Welche Datenspalten brauche ich für einen Volcano Plot?+

Benötigt werden eine Merkmals-ID, eine numerische log₂-Fold-Change-Spalte und eine Signifikanzspalte mit p-Wert, adjustiertem p-Wert, FDR oder q-Wert. Der Generator erkennt gängige Überschriften wie gene, symbol, protein, log2FoldChange, logFC, pvalue, padj, FDR und qvalue und zeigt die Zuordnung zur Prüfung an.

Soll ich p-Wert, adjustierten p-Wert oder FDR verwenden?+

Bei Hochdurchsatzexperimenten sind adjustierte p-Werte oder FDR meist besser vertretbar, weil Tausende Merkmale gleichzeitig getestet werden. Verwende das Maß aus deiner statistischen Analyse und nenne es in Achse, Bildunterschrift oder Methodenteil, damit Leserinnen und Leser den Grenzwert richtig interpretieren können.

Wie berechne ich log2 Fold Change und p-Werte?+

Berechne sie vor dem Plotten mit einem geeigneten differentiellen oder statistischen Workflow. DESeq2, edgeR und limma erzeugen diese Spalten für Sequenzierungsdaten; Proteomik-Pipelines liefern vergleichbare Effekt- und Signifikanzfelder. Der Volcano Plot Generator visualisiert diese Ergebnisse, ersetzt aber nicht die zugrunde liegende statistische Analyse.

Kann ich ohne R oder Python aus Excel einen Plot erstellen?+

Kopiere Merkmal, log₂-Fold-Change und Signifikanz aus Excel in das Datenfeld; Tabulatoren werden automatisch erkannt. Alternativ speicherst du das Arbeitsblatt als CSV oder TSV und lädst es hoch. Der Browser zeichnet die Abbildung ohne Installation von R, Python oder Kommandozeilenwerkzeugen.

Welche log2FC- und Signifikanzgrenzen soll ich verwenden?+

Ein verbreiteter Ausgangspunkt ist |log₂FC| ≥ 1 und adjustierter p-Wert oder FDR ≤ 0,05. Die richtige Wahl hängt von Design, Power, Fachstandards und Analyseplan ab. Die Steuerelemente visualisieren deine Regel, wählen oder validieren das wissenschaftliche Kriterium aber nicht für dich.

Eignet sich das für Proteomik, Metabolomik, GWAS oder miRNA?+

Jeder Merkmalsvergleich mit Effektspalte und gültiger Signifikanzspalte ist darstellbar. Als IDs eignen sich Proteine, Metaboliten, SNPs, miRNAs oder Screening-Treffer. Prüfe fachspezifische Vorverarbeitung und Korrektur multipler Tests, bevor hervorgehobene Punkte als biologische oder klinische Kandidaten interpretiert werden.

Ist der exportierte Volcano Plot publikationsgeeignet?+

SVG bewahrt editierbare Vektorpunkte, Text, Grenzlinien und Labels; PNG eignet sich für Dokumente und Folien. Prüfe vor der Einreichung Breite, Schriftgröße, Farben, Bildunterschrift und Dateiformate des Zieljournals und gleiche jeden geplotteten Wert mit der ursprünglichen Analyse ab.

Verlassen meine Forschungsdaten den Browser?+

Eingefügte und hochgeladene Tabellen werden lokal verarbeitet, sodass Quelldaten beim Plotten und Herunterladen das Gerät nicht verlassen. Sie werden nur dann an PaperBanana gesendet, wenn du ausdrücklich eine Kontofunktion öffnest, die ein bearbeitbares Projekt erstellt. Prüfe vor Cloud-Bearbeitung die Datenrichtlinien deiner Institution.

Privat und reproduzierbar

Differentielle Expressionsdaten in einen bearbeitbaren Volcano Plot umwandeln

Tabelle einfügen, Zuordnung prüfen, Grenzwerte anpassen und ohne Anmeldung eine bearbeitbare Abbildung herunterladen.

Volcano Plot Generator verwenden