Von Chris Kirchberg und Scott Wise – JMP Global Enablement Team
Viele Kunden haben kürzlich gefragt, wie man Vulkandiagramme in JMP erstellt. Das Vulkandiagramm ist ein beliebtes Diagramm, das beim Screening vieler p-Werte und Mittelwertvergleiche zwischen zwei Bedingungen verwendet wird. Es wird häufig in der klinischen und genomischen Forschung verwendet und ist auch ein sehr leistungsfähiges Screening-Tool in industriellen Umgebungen, in denen viele Parameter gemessen werden.
Der Nutzen der Verwendung eines Vulkandiagramms liegt darin, dass Sie damit nicht nur schnell die signifikantesten p-Werte von Interesse erkennen können (erkennbar am -Log der auf der Y-Achse aufgetragenen p-Werte), sondern auch ein Gefühl für die Richtung und Stärke der Vergleiche bekommen (erkennbar an der Position der Differenz oder „Fold Change“, die auf der X-Achse aufgetragen ist). Beispielsweise würden die in der folgenden Grafik mit den Pfeilen gekennzeichneten Punkte Vergleichspaare mit hochsignifikanten p-Werten und großen Richtungsunterschieden darstellen.
Volcano Plot (Source: Wikipedia) Vulkandiagramm (Quelle: Wikipedia) Um ein Vulkandiagramm in JMP zu erstellen, können Sie alle erforderlichen Berechnungen von der Response Screening Platform durchführen lassen. Um die zu befolgenden Schritte zu demonstrieren, verwenden wir die JMP-Beispieldatendatei „Drosophila Aging“, die Microarray-Genexpressionsdaten zu Alterungseffekten der Fruchtfliege ( Drosophila melanogaster ) nach Stamm untersucht (in den Daten als Linie bezeichnet). Zuerst gingen wir zur Process Screening-Plattform (unter Analysieren – Modellieren – Prozessscreening in JMP 12 und unter Screening – Prozessscreening in JMP 13). Dies ermöglicht es uns, die Beziehungen zwischen vielen Variablenpaaren zu untersuchen. Geben Sie im Plattformdialog alle zu vergleichenden fortlaufenden Spalten (von log2in_TMS1 bis log2in_CG11317) in das Y-Antwortfeld und die Linie in das X-Feld ein. Beachten Sie, dass die Vulkandiagramme oft am besten funktionieren, wenn die zu messenden Spalten bereits in ihre Log-Werte umgewandelt wurden (da dies die grafische Darstellung erleichtert), dies ist jedoch nicht immer in Ihren Rohdaten erforderlich.
Klicken Sie dann auf „OK“, um die Antwortüberprüfung auszuführen, die uns den „Linien“-Vergleich für jede Spalte liefert. Dies bietet ein Antwortüberprüfungsfenster und eine separate P-Wert-Tabelle. Diese Tabelle liefert uns die P-Wert-Daten für die Y-Achse unseres Vulkandiagramms. 
Wir wählen dann die Option „Mittelwertvergleich speichern“ unter der Überschrift „Antwort-Screening“ aus, in der sich ein rotes Dreieck befindet. Dadurch wird eine neue unbenannte Tabelle mit vielen numerischen Details der Mittelwertvergleiche geöffnet. Wir haben jetzt die Spalte „Differenz“, die wir auf der X-Achse unseres Vulkandiagramms darstellen können. Beachten Sie auch, dass in dieser Datentabelle ein vorgefertigtes Diagramm gespeichert ist, das den praktischen Logwert nach relativer praktischer Differenz zeigt. Obwohl dies in gewisser Weise ein ähnliches Diagramm ist, ist es nicht dasselbe wie das Vulkandiagramm, da es dazu dient, praktische Differenzen und praktische Logworth-Vergleichsstatistiken grafisch darzustellen. Da diese „praktischen“ Berechnungen für die Erstellung des Vulkandiagramms nicht unbedingt erforderlich sind, konzentrieren wir uns stattdessen nur auf das, was wir aus den Tabellen benötigen.
Um alle benötigten Daten aus diesen beiden Tabellen an einem Ort zu haben, um sie grafisch darzustellen, haben wir über das Menü „Tabellen“ eine Spaltenverknüpfung durchgeführt, um die Tabelle „Unbenannt“ mit der Tabelle „PValues“ zu verschmelzen. Wir haben dieses Dialogfeld so eingerichtet, dass es mit der gemeinsamen Spalte „Y“ übereinstimmt, die die ID der Vergleichsspalte enthält, und haben so eine neue „Master“-Tabelle erstellt, die wir „Volcano Plot Data“ genannt haben. Jetzt haben wir Zugriff auf die Differenzdaten und die P-Wert-Daten, um unser gewünschtes Diagramm zu erstellen.
Jetzt müssen wir nur noch den Graph Builder öffnen und unser Vulkandiagramm erstellen. Mit den Informationen in dieser kombinierten Tabelle gibt es viele Optionen für die Art des Vulkandiagramms, das wir erstellen können. Der erste Schritt besteht darin, einen leeren Graph Builder aus dem Graphs-Menü zu öffnen. Dann ziehen wir die Spalte „Differenz“ auf die X-Achse. Für die Y-Achse haben wir dann die Wahl zwischen dem LogWorth (dem –Log 10 des Vergleichs-p-Werts) oder dem FDR (False Discovery Rate) LogWorth (dieselben Log-Werte gegenüber einer konservativeren Schätzung des p-Werts, die die Wahrscheinlichkeit falscher Entdeckungen minimiert). Wir bevorzugen die Verwendung des FDR LogWorth und ziehen diesen auf die Y-Achse. Der letzte Schritt bestand darin, eine Referenzlinie auf der Y-Achse einzufügen, um unsere signifikanten FDR-p-Wert-Punkte hervorzuheben. Durch einen Rechtsklick auf die Y-Achse des Diagramms setzen wir eine Referenzlinie bei 1,3. Dies ist das FDR-LogWorth-Niveau, das einer Signifikanzsicherheit von 95 % entspricht (ein p-Wert-Grenzwert von ~0,05).
Aus dem Diagramm unten können wir ersehen, dass nur zwei Punkte (log2in_TMS1 = 1,948 FDR LogWorth und log2in_BcDNA_GH06717 = 1,367 FDR LogWorth) über der Referenzlinie von FDR LogWorth 1,3 liegen (mehr als 95 % Vertrauen in den statistischen Unterschied im Mittelwertvergleich). Außerdem können wir anhand der Richtungsdifferenz erkennen, dass in beiden Fällen der Mittelwert der „SAM“-Linie kleiner ist als der Mittelwert der „ORE“-Linie, wie die negativen Werte zeigen. Schließlich würde uns die Größe der Differenz sagen, dass der am weitesten entfernte signifikante Punkt (log2in_TMS1 = -0,533) einen größeren Unterschied aufweist als der nächste signifikante Punkt (log2in_BcDNA_GH06717 = -0,319).
Kurz gesagt hilft das Vulkandiagramm dabei, Mittelwertvergleiche zwischen vielen Maßspalten zu visualisieren, sodass wir nicht nur schnell erkennen können, was signifikant ist, sondern auch, wie groß die Unterschiede sind und in welche Richtung sie verlaufen.
