单细胞转录组数据分析||界面版数据分析工具简介

随着单细胞转录技术以及分析方法的成熟，人们基于已经成熟的命令行或编程工具陆陆续续来发出了在线分析平台和Windows（界面）工具。今天，卑微小王为大家介绍几款单细胞转录组界面在线工具，以飨读者。也许您在入门单细胞的时候有思考过这个问题:我应该选择哪种技术来做呢？数据分析平台如何选择呢？是学习编程还是用在线的工具呢？

单细胞转录组数据分析大套路

分析点与工具实现

单细胞数据分析工具列表：
https://www.scrna-tools.org/analysis
https://github.com/seandavi/awesome-single-cell

大部分的数据分析是围绕可视化和聚类降维、数据预处理的。这柱形图的X轴基本代表了单细胞转录组数据分析大套路中的所有分析点。那么，这些分析点都是这样到达我们身边，可以为我们所用的呢？

在众多的数据分析工具中，R语言占了50%+的比例，其次是python。今天要给大家介绍的界面版的工具其后台依然是命令行工具在支撑。

程序界面数据分析工具：Loupe

我们说的程序界面工具指的是，可安装在Windows上的软件，一般是exe格式的，它的一个特点就是需要安装，需要占用本地的计算资源。第一个就是10X的luop软件，在loup中我们可以很轻松地可视化单细胞数据。

https://support.10xgenomics.com/single-cell-gene-expression/software/visualization/latest/what-is-loupe-cell-browser

程序界面数据分析工具：scOrange

scOrange是我比较喜欢的， 以拖拉拽的形式分析单细胞数据，然后我在B站还对它做了介绍：https://www.bilibili.com/video/BV1m7411R7rm/。

https://singlecell.biolab.si/

程序界面数据分析工具：Bioturing

https://bioturing.com/

网页界面数据分析工具：特定功能

网页界面工具的特点是，轻量级，不需要安装，在线运行。

http://amp.pharm.mssm.edu/Enrichr/
https://david.ncifcrf.gov/
https://sct.lifegen.com/.
https://academic.oup.com/nar/article/47/8/e48/5364134

网页界面数据分析工具：Galaxy

通过该在线生信分析平台，研究人员能够在不下载和安装任何软件工具的前提下做各种生物信息学分析，并记录每一步分析过程。Galaxy单细胞分析页面如下图所示，左栏是各种生物信息分析工具，右边是历史记录及文件列表。
https://humancellatlas.usegalaxy.eu/

可以看到大部分的分析工具seurat、monocle、scanpy其实都已经可在在线做了。

https://training.galaxyproject.org/training-material/topics/transcriptomics/tutorials/scrna-scanpy-pbmc3k/tutorial.html

网页界面数据分析工具：UCSC Cell Browser

http://cells.ucsc.edu/

这里已经托管了很多数据，可以在线挖掘也可以上传自己的数据。

程序/网页界面数据分析工具：Shiny

Shiny是R中的一种Web开发框架，使得R的使用者不必太了解css、js只需要了解一些html的知识就可以快速完成web开发，且shiny包集成了bootstrap、jquery、ajax等特性，极大解放了作为统计语言的R的生产力。目前一些单细胞文章会附上一个shiny程序方便读者可视化文章数据。如： Karaiskos N , Wahle P , Alles J , et al. The Drosophila embryo at single-cell transcriptome resolution[J]. Science, 2017, 358(6360):eaan3235.的shiny： https://shiny.mdc-berlin.de/DVEX/

借助shiny一些R包也支持界面交互操作，如monocle3 、singleCellTK等。

https://bioconductor.org/packages/release/bioc/html/singleCellTK.html

总结：数据可视化与交互

也许有不少朋友觉得学习编程很难，需要记住许多字母的意思，更加喜欢界面版工具。界面版工具也确实能够帮助我们快速地在全局中了解单细胞数据分析的全貌：打开一个网页或者安装一个软件很够清楚地看出来需要干嘛以及如何操作；而命令行工具往往没有这么直观，我们安装了一个R包，可能依然看不出那他能干嘛，谁能从library(Seurat)中看出它都有哪些功能呢？但是学习一个界面版的分析工具也是需要时间成本的，而且可移植性不高。我们记住一个工具的按钮对另一个工具并没有什么用，R/pyhon就不一样了：不同的包都是一样的。

所以，命令行与界面版也许是一个阶段问题，没有说哪个一定比哪个好，看使用者的目的和自身所处的阶段。