在我们的shiny服务器部署一个RNA-seq下游分析网页工具

RNA-seq数据的下游分析网页工具不要太多，这里介绍一个最新的：

Sundararajan Z, Knoll R, Hombach P, et al. Shiny-Seq: advanced guided transcriptome analysis[J]. BMC research notes, 2019, 12(1): 432. 很普通的杂志，一般来说，纯粹的工具就是这样的命运！

源代码是公开的，在：https://github.com/szenitha/Shiny-Seq  所以我想着把它安装在我们自己的服务器里面，方便国内的粉丝使用！ 所以大家给我了一个新的外号，宠粉狂魔！

需要安装一些R包

基本上是需要设置镜像的，参考：http://www.bio-info-trainee.com/3727.html  因为我是安装在自己的Ubuntu服务器里面，所以其实还蛮难的，各种报错，斗智斗勇的解决掉了。

rm(list = ls()) 
options()$repos 
options()$BioC_mirror
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options()$repos 
options()$BioC_mirror

if (!requireNamespace("BiocManager", quietly = TRUE))
 install.packages("BiocManager")

BiocManager::install(c("rhdf5","tximport",'DESeq2','clusterProfiler',"org.Hs.eg.db","org.Mm.eg.db","org.Mmu.eg.db","sva","limma","geneplotter",'biomaRt',"pcaGoPromoter","pcaGoPromoter.Mm.mm9","pcaGoPromoter.Hs.hg19","pathview"))

BiocManager::install(c("shiny","shinyBS","shinyjs",'RColorBrewer',"stringr",'formula.tools','data.table','fdrtool',"VennDiagram",'colorspace',"xlsx",'svglite',"visNetwork","V8","ggrepel","ReporteRs","ReporteRsjars"))

install.packages("gplots",dependencies = TRUE)
install.packages("plotly")
install.packages("devtools") 
install.packages("WGCNA") 
devtools::install_github("rstudio/crosstalk",force=TRUE)

下载安装shiny的APP并且启动它

如果你不会shiny，就不用看了， 略微有一点复杂。

log目录是 /var/log/shiny-server  只有同属于shiny组的用户才能访问，只有在需要调试代码的时候才需要去查看

默认程序存放在：/srv/shiny-server  ，我们的这个网页工具也是

主要是源代码:

mkdir -p /srv/shiny-server/paper
cd /srv/shiny-server/paper
git clone https://github.com/szenitha/Shiny-Seq.git

无需要编译，直接启动

http://49.235.27.111:3838/paper/Shiny-Seq/App/

一般来说，第一次安装肯定会报错，需要排查，比如这个代码里面经常出现文件名大小写混淆的错误，应该是操作系统迁移的问题：

 ls *.R|while read id;do( mv  $id  ${id/.R/.r});done

碰到比较麻烦的事情就重启，基本上重启能解决99%的事情。

 sudo systemctl restart shiny-server

网页工具用法

好奇怪，该文章并没有仔细讲解，而且其GitHub的帮助文档，也很简陋，我解析了一下源代码，发现其输入数据的要求

首先是表达矩阵，一定要是txt的，tab键分割的，第一列是基因的id，第二列往后面是各个样本的表达。

 

(PS: 上面的表达矩阵，虽然是符合要求的，但是隐藏了一个小意外，因为样本名字里面有减号！！！会在R里面当做列名字被强制性转为点)

然后是临床信息文件，第一列必须的样本名字，必须跟表达矩阵的第一行一模一样哦！！！后面其它列可以是各种各样的信息咯。

sample    group   stage   grade   passages
SCBO.5_orgP10    organoids    T1+CIS  Hg 10
SCBO.5_orgP13    organoids    T1+CIS  Hg 13
SCBO.1_orgP7    organoids    Ta  Hg 7
SCBO.3_orgP4    organoids    T1  Lg/Hg  4
SCBO.6_orgP4    organoids    T1+CIS  Hg 4
SCBO.2_orgP5    organoids    T2  Lg/Hg  5
SCBO.4_orgP10    organoids    T2  Hg 10
SCBO.5_orgP3    organoids    T1+CIS  Hg 3

请注意，临床信息文件的第一列必须的样本名字，必须跟表达矩阵的第一行一模一样哦！！！我这里演示的所有的减号被我全选替换成为了点。

我是因为解析了作者"丑陋"的代码才总结出来的规律：

filepath='~/Downloads/2018-bladder-organoids-counts.txt'
input_exp<-read.csv(filepath, header = TRUE,sep = "\t",check.names = FALSE,quote = "\"")
data<-input_exp[,-1]

#convert entries to integers
data=as.matrix(data)
storage.mode(data)="double"
data= data.frame(data)
rownames(data)=input_exp[,1]

get_pheno<-function(data,pheno)
{
  #Expression table and annotation table should not be null
  if(!is.null(data) && !is.null(pheno))
  {

#Assuming that the first column of annotation table is sample id ,extract all sample IDs
    sample_id = pheno[,1]
    #print(sample_id)
    #Get all sample IDs from expression table(sample ID refer to column names of expression table)
    exp_sample_id = colnames(data)
    #print('all')
    # print(exp_sample_id)
    #Check if all sample ID in expression table are present in the annotation table
    if (all(exp_sample_id %in% sample_id))
    {
      #print("Yay")

#set all variables of annotation table as factors
      col<-1:ncol(pheno)
      for (i in col)
      {
        pheno[,i]<-as.factor(pheno[,i])
      }
      #Remove those sample IDs that are present in the expression table but absent in the annotation table from the annotation table
      idx<-NULL
      if(!all(sample_id %in% exp_sample_id))
      {
        idx<-which(!(sample_id %in% exp_sample_id))
        pheno <- pheno[-idx, ]
      }

pheno<-pheno

}
    else 
    {
      pheno<-NULL
      #print('nay')

}
    return(pheno)
  }
}

input_p<-read.csv(filepath2, header = TRUE,sep = "\t",check.names = FALSE,quote = "\"")
pheno<-input_p#[,-1]
print("line")
print(pheno)

v=list()
v$data_wgcna<-data
v$pheno_wgcna<-get_pheno(v$data_wgcna,pheno)

要不是为了测试我网页服务的有效性，我才懒得看这些代码。

一些效果

还是很棒的，至少不需要你自己写代码了，不过就是需要你耗费很多时间来摸索如何使用这个网页工具咯，而且少了很多自定义的快乐。

 

其它类似的还有

作者也提到了一些工具：shinyngs, START, Degust, Explore DEG, DEBrowser  我也收集整理了部分其它工具：（瞧瞧告诉你，这些工具，我全部部署了，我们慢慢介绍）

  • Nelson, JW, Sklenar J, Barnes AP, Minnier J. (2016) "The START App: A Web-Based RNAseq Analysis and Visualization Resource." Bioinformatics. doi: 10.1093/bioinformatics/btw624.

    The app is hosted on Shinyapps.io here: https://kcvi.shinyapps.io/START/

  • https://github.com/wyguo/ThreeDRNAseq , A shiny App for differential expression and differential alternative splicing analysis

  • GENAVi (RNA-seq Shiny App),   https://github.com/alpreyes/GENAVi

  • TCC-GUI: a Shiny-based application for differential expression analysis of RNA-Seq count data https://bmcresnotes.biomedcentral.com/articles/10.1186/s13104-019-4179-2   代码在 TCC-GUI GitHub page. 2019. https://github.com/swsoyee/TCC-GUI. Accessed 9 Jan 2019.

居然还有一个网页工具是有中文介绍的：

最后，我们也是有一个群聊的

还记得生信技能树的传送门系列吗？转录组、甲基化、ChIP-Seq、lncRNA、编程实战…

都非常成功，培养了非常多的技能树优秀小伙伴，形成了华语圈最大的生物信息学交流社群，以及B站的74小时生信工程师技术教学视频。

因为shiny网页工具开发，也是生物信息学一个重要的方向，这方面我们也聚集了不少志同道合的小伙伴以及收集整理了系统性的资料，希望把圈子扩大，老规矩！

赞 (0)

相关推荐