在我们的shiny服务器再部署个芯片下游分析网页工具 / 开普饭

前面我们提到了在我们的shiny服务器部署一个RNA-seq下游分析网页工具，虽然说因为时间关系没办法给它写一步步教程，而且也的确类似的工具太多，写教程的时间付出并不经济。那我们再介绍一个shinyGEO吧，跟前面的Shiny-Seq名字很相似，应该是主攻芯片数据分析，一个是主动测序数据处理，都是基于表达矩阵的。

一句话描述shinyGEO功能

查看感兴趣的基因在感兴趣的数据集里面，是否有分组后的表达差异或者生存分析的统计学显著性!

所以全文只有一个配图：（小声逼逼，可以说是丑爆了）

但是它并不提供芯片探针的ID注释，当然，缺陷实在是有点多，只能说是一个好的学习shiny网页工具制作的例子，并不算是完善的工具。

shinyGEO比较有趣的是，它本身被打包成为了一个R包，同时提供一个网页工具。发表在：Bioinformatics. 2016 Dec 1; 题目是：shinyGEO: a web-based application for analyzing gene expression omnibus datasets.

这两个工具名字类似：

shinyGEO:零编程基础分析GEO表达数据
https://github.com/jasdumas/shinyGEO
scanGEO：整合多个GEO数据集
https://github.com/StantonLabDartmouth/AppScanGEO

大家可以对比学习！我们下次再介绍scanGEO的用法。

部署shinyGEO需要安装一些R包

基本上是需要设置R包安装镜像的，参考：http://www.bio-info-trainee.com/3727.html 其中 install_github 函数需要从GitHub下载，会有其它难度，我们以前在生信技能树也分享过教程，大家可以自行搜索查看。

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。如果你不会shiny，就不用管它的部署问题。下载源代码，一步步安装即可，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

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('affy') library(devtools) install_github("jasdumas/shinyGEO")

这个网页工具开发的很棒，比较容易部署，虽然说，依赖的R包也不少，使用下面的代码批量安装那些缺失的包，如下：

packagesReq <- c("DT", "shiny", "GEOquery", "Biobase", "reshape2", "survival", "shinyBS", "GGally", "ggplot2", "shinyAce", "knitr", "rmarkdown", "RCurl", "shinyjs", "survMisc", "shinyAce", "RCurl", "shinyBS", "shinydashboard", "devtools") packToInst <- setdiff(packagesReq, installed.packages()) packToInst if(T){ lapply(packToInst, function(x){ BiocManager::install(x,ask = F,update = F) }) } lapply(intersect(packagesReq, installed.packages()),function(x){ suppressPackageStartupMessages(library(x,character.only = T)) }) library(rJava)