Gráfico de volcán (estadística)

En estadística, un gráfico de volcán es un tipo de diagrama de dispersión que se utiliza para identificar rápidamente cambios en grandes conjuntos de datos compuestos por datos replicados. ^{[ 1 ] [ 2 ]} Representa la significancia frente al cambio de pliegue en los ejes y y x, respectivamente. Estos gráficos son cada vez más comunes en experimentos ómicos como genómica , proteómica y metabolómica, donde a menudo se tiene una lista de miles de puntos de datos replicados entre dos condiciones y se desea identificar rápidamente los cambios más significativos. Un gráfico de volcán combina una medida de significancia estadística de una prueba estadística (por ejemplo, un valor p de un modelo ANOVA ) con la magnitud del cambio, lo que permite la identificación visual rápida de aquellos puntos de datos (genes, etc.) que muestran grandes cambios de magnitud que también son estadísticamente significativos .

Un gráfico de volcán es una herramienta sofisticada de visualización de datos utilizada en análisis estadísticos y genómicos para ilustrar la relación entre la magnitud del cambio y la significación estadística. Se construye representando el logaritmo negativo (en base 10) del valor p en el eje y, asegurando que los puntos de datos con valores p más bajos —indicativos de una mayor significación estadística— se sitúen en la parte superior del gráfico. El eje x representa el logaritmo del cambio relativo entre dos condiciones, lo que permite una representación simétrica de los cambios tanto de regulación positiva como negativa con respecto al centro. Esta transformación garantiza que las desviaciones equivalentes en cualquier dirección estén equidistantes del origen, facilitando una interpretación intuitiva.

El gráfico resalta intrínsecamente dos regiones de interés cruciales: los puntos de datos ubicados en los extremos superiores del gráfico, pero significativamente desplazados hacia la izquierda o la derecha. Estos puntos corresponden a variables que presentan cambios sustanciales (magnitud del efecto) y una significancia estadística excepcional, lo que las convierte en candidatas ideales para una investigación más profunda mediante análisis diferenciales. Por lo tanto, el gráfico de volcán constituye una herramienta poderosa para identificar biomarcadores clave, genes con expresión diferencial u otras entidades significativas dentro de conjuntos de datos complejos.

Se puede agregar información adicional coloreando los puntos según una tercera dimensión de los datos (como la intensidad de la señal), pero esto no se emplea de forma uniforme. Los gráficos de volcán también se utilizan para mostrar gráficamente un criterio de selección de genes de análisis de significancia de microarrays (SAM), un ejemplo de regularización . ^{[ 3 ]}

El concepto de diagrama de volcán se puede generalizar a otras aplicaciones, donde el eje x se relaciona con una medida de la fuerza de una señal estadística y el eje y con una medida de la significación estadística de la señal. Por ejemplo, en un estudio de asociación genética de casos y controles , como un estudio de asociación de genoma completo , un punto en un diagrama de volcán representa un polimorfismo de un solo nucleótido . Su valor x puede ser el logaritmo de la razón de probabilidades y su valor y puede ser -log ₁₀ del valor p de una prueba de chi-cuadrado o un estadístico de prueba de chi-cuadrado . ^{[ 4 ]}

Los gráficos de volcán muestran una característica forma de dos brazos ascendentes porque el eje x, es decir, los cambios de pliegue logarítmicos en base _{2 subyacentes, generalmente tienen} una distribución normal , mientras que el eje y, los valores de p logaritmo en base ₁₀ , tienden a ser más significativos para los cambios de pliegue que se desvían más fuertemente de cero. La densidad de la distribución normal toma la forma

${\displaystyle y=e^{-x^{2}}}$.

Entonces el ${\displaystyle \ln }$ de eso es

${\displaystyle \ln(y)=-x^{2}}$

y lo negativo ${\displaystyle \ln }$ es

${\displaystyle -\ln(y)=x^{2}}$

que es una parábola cuyos brazos se extienden hacia arriba a la derecha y a la izquierda. El límite superior de los datos es una parábola y el límite inferior es otra parábola.

• Documentación del NCI que describe métodos estadísticos para analizar microarrays, incluyendo gráficos de volcán.
• Descripción de los gráficos de volcán en MathWorks