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
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-Manuskripte und Abschlussarbeiten
DESeq2-, edgeR- oder limma-Ausgabe einfügen, Spalten prüfen und im Ergebnisteil diskutierte Gene beschriften.
Proteomik- und Metabolomik-Screens
Protein- oder Metabolit-IDs und adjustierte Signifikanz ohne neuen Code verarbeiten.
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.
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.
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.
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.