写在前面2020年,TBtools文稿发表后,我们就开始思考,主要是两个问题:
新模式的实现,使得 TBtools 从软件慢慢转变为「程序分发平台」。几乎每一个人都可以开发 R 插件或 CLI 插件,并与 20w TBtools 用户分享。其中,许多人比较关注插件之一,是 王骁 老铁的「WGCNAshiny」。这一插件,可以用用户在本地电脑上,高效定制化分析自己的转录组数据,挖掘基因共表达网络,基因模块,并进行更深度的表达调控分析。 安装 Rsever 插件所有 TBtools 的 R 插件都依赖于 Rserver 插件。如果没有安装过这一插件,那么需要打开 TBtools 的 Plugin Store。 由于这个插件比较大,所以我们直接点击「确定」,跳转到插件下载页面(此处感谢奶牛快传的流量支持)进行直接下载。 选择 Windows 下(如果是 MacOS 请选择 MacOS)。 选择并下载 「Rserver.plugin」即可。下载结束后,直接通过 TBtools 的 Install Plugin 接口,选择并安装这个「Rserver.plugin」,随即完成第一步。 注意 Rserver 插件只需要安装一次,后续不再需要安装;如果之前就安装过了,那么本次不需要安装 安装 WGCNAshiny 插件WGCNAshiny 插件也不小,所以安装方式跟 Rsever 插件几乎一样。同样是下载 WGCNAshiny 插件 随后安装即可 使用 WGCNAshiny 插件正如其名,WGCNAshiny 插件本身其实是一个 Shiny 程序。其他 R插件的界面由 TBtools 主要完成。但对于 ShinyApp,从某种角度来讲,「TBtools」更多地扮演一个载体和便捷接口。用户只需要打开 WGCNAshiny 插件界面。 可以设置工作目录,如果有需要,也可以不设置工作目录(TBtools会自动生成一个),然后点击 Start,等到即可跳转到 ShinyApp 界面。 当然,必须注意,点击「Start」后,会弹出插件引用信息。此处引导用户依据 WGCNAshiny 插件作者提供引用方式引用(换句话话说,不需要引用 TBtools,只引用插件即可)。关闭这一窗口,则可开始分析。 可以看到界面变化,随后等待两分钟(WGCNAshiny插件依赖较多,需要等待加载)。加载完成,即可看到Shiny 插件弹出的网页接口。随后所有分析在其上开展(注:TBtools可以最小化,但不要关闭....) 此处,准备了一个表达矩阵数据,和一个性状指标。 整体一个是基因表达矩阵 导入基因表达矩阵 导入完成后,对数据进行一定预处理,设定一定参数,参考下述 随后点击 「Update Infomation!」 可以预览看看数据 查看是否有异常样品,发现这个数据没有。 于是下述不用操作 随后,可以进入第二步,开始筛选软阈值。 注意到,右下角有进度,非常人性化 实际上,2 不OK,平均连接度都是 500 以上,这个是不合适的。我来做的话,可能会选 5 或者 12,此处选择 5。 随后,可以简单查看是否符合无尺度网络分布(其实不看也没问题) 这一步运行起来挺慢的。看起来效果也可以。 左侧参数调整会有一些影响,按照需要调整,没有绝对标准。一般默认跑一个看看。 我试过了,挺稳健的,不大可能会报错,尤其都运行到这个位置了。 结果勉强,但也还行。感兴趣的朋友还是要自己调整调整参数,WGCNA本来就不是一个一次跑一下就完事的,不少参数要按照不同数据自行优化。当然,主要矛盾往往不需要优化。 一般这个没啥用。继续往下走,看到基因的模块归属。 这个结果可以下载,用于比如富集分析还是其他分析,挺好的。 点击 Start 即可很快看到结果 发现有一个模块还不错,似乎跟缺铁相关,有点意思。 当然,你可以调整一下颜色,变得更好看云云。 OK,差不多就到这里。我相信绝大多数人可能做到这里就差不多了。其实还有很多不错的分析。限于我个人时间精力,就往下了。大伙自行摸索。
写在最后路漫漫其修远兮,一个人走不了太远,正如这一插件,我今天甚至是第一次认真使用。但这并不妨碍 WGCNAshiny 本身就是一个很好的生信工作。TBtools或许慢慢地应该更多的作为一个平台,协助大伙更好的将自己的创作,更多的传播出去,分享出去,让更多的科研工作者因此受益,如此,更好地实现每一个人,每一个工作的价值。 |
|