• Logotipo
    PaperBananaGenerador de ilustraciones académicas con IA
Inicio
  • Inicio
  • Estudio
  • Ilustración científica
  • Creador de pósters
  • Creador de diagramas
  • Editor de figuras
  • Precios
Mis creaciones
  • Mis creaciones
  • Invitar amigos
LogotipoPaperBanana
InicioPreciosInvitar amigos
LogotipoPaperBanana

PaperBanana - Generador de ilustraciones académicas con IA

support@paperbanana.me

Herramientas IA

  • Todas las herramientas
  • Texto a ilustración
  • Ilustración científica
  • Editor de figuras
  • Creador de diagramas
  • Creador de pósters

Soporte

  • Acerca de
  • Precios
  • Contacto

Legal

  • Política de privacidad
  • Términos de servicio
  • Uso aceptable

© 2026 PaperBanana. Todos los derechos reservados.

PreciosContacto
Herramienta científica online · sin registro

Generador de Volcano Plot para RNA-seq y Proteómica—Sin R ni Python

Usa este Generador de Volcano Plot para pegar datos de expresión diferencial, validar las columnas de cambio log₂ y significación, ajustar umbrales y etiquetas de genes, y exportar SVG editable o PNG de alta resolución. Los datos permanecen en el navegador.

CSV, TSV o pegado desde ExcelDetección automática de columnasUmbrales y etiquetas en tiempo realExportación SVG y PNG editable

Datos de expresión diferencial

Pega CSV o TSV, copia desde Excel o sube un archivo de texto. Las columnas comunes se mapean automáticamente.

sample-rna-seq.tsv

La tabla permanece en este navegador. Abrir el editor crea un proyecto editable en tu cuenta.

Vista previa

28
Al alza
35
A la baja
57
No significativo
RNA-seq: tratamiento frente a controlVolcano Plot de cambio log₂ frente a significación −log₁₀.RNA-seq: tratamiento frente a control|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_116Cambio log₂−log₁₀ significaciónA la bajaAl alzaNo significativo

Los puntos se calculan a partir de tus valores. Revisa las columnas y los umbrales con el plan de análisis antes de publicar.

Conceptos básicos

¿Qué es un Volcano Plot y qué datos muestra?

Un volcano plot es un diagrama de dispersión que combina el tamaño del efecto y la significación estadística. El eje horizontal muestra el cambio log₂; el vertical muestra −log₁₀ del valor p, valor p ajustado, FDR o valor q. Las variables de las esquinas superiores combinan cambios grandes y evidencia estadística sólida.

Se utiliza para revisar miles de genes, proteínas, metabolitos o variables de cribado a la vez. Una figura clara separa las variables significativamente reguladas al alza, a la baja y no significativas, y etiqueta solo los candidatos que requieren atención.

El generador calcula cada punto a partir de la tabla y comprueba el mapeo de columnas y las filas no válidas antes de dibujar. Así, una figura pulida no oculta una escala de valores p incorrecta ni cambios faltantes.

01

Identificador

Símbolo génico, ID de proteína, metabolito, SNP o variable de cribado.

02

Tamaño del efecto

Una columna de cambio log₂ centrada en cero.

03

Significación

Valor p, valor p ajustado, FDR o valor q entre 0 y 1.

04

Umbrales

Reglas de efecto y significación que clasifican los resultados.

Ejemplos para RNA-seq, Proteómica y Metabolómica

Carga un ejemplo similar para revisar el formato, los umbrales, las etiquetas y los grupos de color antes de sustituirlo por tus resultados.

Para trabajo científico real

Volcano Plots para análisis ómico y revisión de manuscritos

Pasa de una tabla de expresión diferencial a una figura revisable sin reconstruir el análisis en otra herramienta.

Investigador de RNA-seq revisando un Volcano Plot

Artículos y tesis de RNA-seq

Pega resultados de DESeq2, edgeR o limma, verifica las columnas y etiqueta los genes tratados en resultados.

Analista proteómico revisando proteínas significativas

Cribados proteómicos y metabolómicos

Trabaja con ID de proteínas o metabolitos y significación ajustada sin reescribir código.

Equipo de investigación revisando un Volcano Plot editable

Cambios de coautores y revisores

Cambia un umbral o una etiqueta conservando juntos los datos y los ajustes de la figura.

Funciones del generador

Valida los datos de expresión antes de dibujar

Reúne mapeo de columnas, filas no válidas, umbrales, etiquetas, estadísticas y exportación en un flujo visible.

Mapea columnas de DESeq2, edgeR y limma sin renombrarlas

Reconoce gene, symbol, feature, protein, log2FoldChange, logFC, pvalue, padj, FDR y qvalue, y muestra el mapeo antes de exportar.

Usar Generador de Volcano Plot
Flujo que mapea columnas de expresión diferencial y valida valores

Prueba umbrales de log₂FC y valor p en directo

Al cambiar log₂FC absoluto, significación o etiquetas, se actualizan la figura y los recuentos de subida, bajada y no significativo.

Usar Generador de Volcano Plot
Controles de umbral y etiquetas junto a la vista previa

Exporta SVG editable con ajustes reproducibles

Descarga SVG para edición vectorial, PNG para documentos o JSON con la tabla y la configuración.

Usar Generador de Volcano Plot
Flujo de exportación SVG PNG JSON y edición posterior
Validación integrada

Comprueba log₂FC, valores p, padj y FDR antes de exportar

La forma puede parecer correcta aunque la escala o los valores sean erróneos. PaperBanana informa de las filas excluidas sin modificar silenciosamente los resultados.

Verifica la columna de efecto

El eje X requiere cambios log₂ numéricos; el fold change lineal debe convertirse primero.

Verifica valores p y significación ajustada

La significación debe ser mayor que 0 y no superar 1; se informan ceros, negativos, faltantes y textos.

Mantén visibles las filas no válidas

La vista previa cuenta por separado filas válidas y no válidas para no ocultar datos faltantes.

Validación de columnas y valores antes de crear el Volcano Plot
El mapeo y las filas no válidas permanecen visibles antes de exportar SVG, PNG o JSON.Datos validados

Por qué lo usan investigadores

Crea un Volcano Plot publicable sin R ni Python

Concéntrate en interpretar mientras el generador gestiona el trazado determinista, las etiquetas y la exportación.

Sin código

Evita configurar paquetes

Crea la figura sin instalar R, Python, ggplot2, Plotly o EnhancedVolcano.

Mapeo automático

Usa nombres de columna conocidos

Empieza con tus resultados sin renombrarlos a una plantilla rígida de tres columnas.

Auditable

Comprueba los grupos estadísticos

Ve cuántas variables suben, bajan, no son significativas o son inválidas.

Legible

Etiqueta solo los resultados fuertes

Reduce el ruido limitando etiquetas ordenadas por efecto y significación.

SVG

Conserva calidad vectorial

Exporta SVG para revistas, pósteres o edición por coautores.

Privado

Mantén los datos en local

Los datos permanecen en el navegador salvo que abras un proyecto editable.

Flujo de cuatro pasos

Cómo hacer un Volcano Plot online en cuatro pasos

Prepara la tabla, verifica las columnas, ajusta los umbrales y exporta.

01

Pega una tabla o sube un archivo

Usa CSV, TSV, TXT o copia desde Excel. Incluye identificador, cambio log₂ y significación.

02

Revisa el mapeo detectado

Confirma qué cabeceras serán las etiquetas, los valores X y la significación.

03

Define umbrales y etiquetas

Elige el corte absoluto de log₂FC, el corte de p o significación ajustada y el número de etiquetas.

04

Descarga o sigue editando

Exporta SVG, PNG o JSON y abre el SVG en PaperBanana para ajustar texto y anotaciones.

Crear con Generador de Volcano Plot
Pegar datos, fijar umbrales y exportar SVG en el generador
El JSON conserva la tabla y los ajustes para revisiones reproducibles.

Continúa el flujo de figuras

Más herramientas para figuras científicas

Crea ilustraciones de apoyo, un póster o perfecciona el Volcano Plot después de exportarlo.

Ilustración biomédica para un artículo científico

Ilustración científica

Crea un mecanismo o esquema experimental junto a la figura estadística.

Póster de congreso con figuras y resultados

Creador de pósteres

Coloca el Volcano Plot en un póster de congreso editable.

Diagrama de flujo de análisis científico

Creador de diagramas

Dibuja el flujo, diseño o análisis que produjo los datos.

Editor ajustando etiquetas de una figura SVG

Editor de figuras

Ajusta etiquetas, tipografía, espaciado y anotaciones del SVG.

Preguntas sobre Volcano Plot

Preguntas sobre datos, umbrales y exportación

¿Qué columnas necesito para un Volcano Plot?+

Necesitas un identificador, una columna numérica de cambio log₂ y una columna de significación con valor p, valor p ajustado, FDR o q. El generador reconoce cabeceras comunes como gene, symbol, protein, log2FoldChange, logFC, pvalue, padj, FDR y qvalue, y muestra el mapeo para revisarlo.

¿Debo usar valor p, valor p ajustado o FDR?+

En experimentos de alto rendimiento suele ser más defendible usar valores p ajustados o FDR porque se prueban miles de variables simultáneamente. Conserva la medida producida por tu análisis e identifícala en el eje, el pie de figura o los métodos para que el umbral se interprete correctamente.

¿Cómo calculo log2 fold change y valores p?+

Calcúlalos antes de dibujar con un flujo estadístico adecuado. DESeq2, edgeR y limma pueden generar estas columnas para secuenciación, y los flujos proteómicos proporcionan campos equivalentes. El Generador de Volcano Plot visualiza esos resultados, pero no sustituye el análisis estadístico que los produce.

¿Puedo crear el gráfico desde Excel sin R ni Python?+

Copia desde Excel las columnas de identificador, cambio log₂ y significación y pégalas en el campo; las tabulaciones se detectan automáticamente. También puedes guardar la hoja como CSV o TSV y subirla. El navegador dibuja la figura sin instalar R, Python ni herramientas de línea de comandos.

¿Qué umbrales de log2FC y significación debo usar?+

Un punto de partida habitual es |log₂FC| ≥ 1 y valor p ajustado o FDR ≤ 0,05, pero depende del diseño, la potencia, las normas del campo y el plan estadístico. Los controles muestran la regla introducida; no eligen ni validan el criterio científico por ti.

¿Sirve para proteómica, metabolómica, GWAS o miRNA?+

Puede representar cualquier comparación por variable con una columna de efecto y otra de significación válida. Usa ID de proteínas, metabolitos, SNP, miRNA o resultados de cribado como identificadores. Revisa el preprocesamiento y la corrección por pruebas múltiples de tu disciplina antes de interpretar los puntos destacados como candidatos.

¿La figura exportada sirve para publicar?+

SVG conserva puntos, texto, líneas de umbral y etiquetas editables. PNG ofrece una versión de alta resolución para documentos y diapositivas. Antes de enviar, confirma el ancho, tamaño de letra, color, pie y formatos admitidos por la revista, y contrasta cada valor dibujado con el análisis original.

¿Mis datos salen del navegador?+

Las tablas pegadas o subidas se procesan localmente, de modo que los datos fuente no salen del dispositivo al dibujar o descargar. Solo se envían a PaperBanana cuando abres explícitamente una función de cuenta que crea un proyecto editable. Comprueba las normas institucionales antes de usar cualquier edición en la nube.

Privado y reproducible

Convierte datos de expresión en un Volcano Plot editable

Pega la tabla, confirma el mapeo, ajusta los umbrales y descarga una figura editable sin registro.

Usar Generador de Volcano Plot