如果把生物信息学分析比作一场战斗，那么Bioconductor（简称BioC）无疑是我们的一支王牌主力部队。这支神秘之师究竟有怎样的战斗力？今天我们就来一探究竟。
BioC官网：http://www.bioconductor.org
bioc.jpg
BioC不同于一般的生信软件，它基于开放的R语言平台，继承了R语言强大的统计和作图功能，在几个BioC核心软件包的基础上，我们可以开发出各种针对特定生物学数据的分析软件包。经过多年的发展，BioC不断积累大量的软件包，已经成为基于R语言平台开发生信软件的标准，也成为除了CRAN外最大的R软件包仓库。
BioC目前（v3.3）已经有1213个软件包（Software），916个注释数据包（AnnotationData），293个实验数据包（ExperimentData）。不仅数量众多，软件包之间还存在错综复杂的依赖关系。面对这么多软件包，新手往往会迷失方向，不知道究竟该从何学起。擒贼先擒王，学BioC也要从最重要最基础的包开始学起。那么问题来了，到底哪些包才是BioC的基石呢？今天我们的任务就是来回答这个问题。
我们还是用数据和图表来说明谁才是BioC中最重要的软件包。为了拿到一手的数据，我写了一个爬虫程序，从BioC官网上抓取了所有软件包的相关信息（不包含数据包）。然后通过简单的统计，试图帮大家寻找到一条学习BioC的捷径。
首先我们来看看BioC都能做些什么？
-
BioC是一个综合性的数据分析平台，可以支持的数据类型主要有7大类，其中最主要的是Microarray和Sequencing。早期的BioC主要是用来分析Microarray数据，随着高通量测序成为主流技术，BioC的侧重点也放在了NGS数据分析上。因此，我们学习的重点也应该是和NGS数据相关的软件包。
BioC_technology.png
-
测序技术已经广泛应用在生物学研究的各个领域，每当一种新技术出现，就会有众多的BioC软件包应运而生。从下图中我们就可以看到，你能想到的任何一种测序数据都可以在BioC上找到相应的软件。这种多样性是其他任何一个生信软件都无法匹敌的。
BioC_technology_sequencing.png
接下来回到我们上文中提到的问题：哪些软件包是BioC的基石？初学者应该从哪些软件包学起？我将从以下3个方面来回答：
-
我们可以从一个软件包的下载量来评估它的重要性。如果一个软件包被下载和安装的次数非常多，说明该软件包在BioC体系中处于底层或者核心的地位，也有可能说明该软件的分析方法被广泛认可，已经成为生信分析的标准流程之一。无论是怎样一种情况，都是我们必须要首先掌握的。下面列出的就是下载量排名前15位的软件包：
BioC_top15_downloaded.png
排名第一的BiocInstaller本身就和BioC软件包的安装和更新有关，只要你用BioC，肯定离不开它。不过该软件包主要是系统调用，我们了解一下就行，不需要深入的学习。排在第二位的Biobase的确是BioC的基石，一定是我们首先要深入理解和掌握的。需要注意的是，上面列出的软件包中，很多都是其他软件包的基础（在加载其他软件包的同时被自动加载的）。万变不离其宗，当我们把这些基础的包理解透彻以后，再去看基于这些软件包开发出来的其他包的时候就会觉得非常轻松。
-
R和BioC的模块化设计是它们得以成功的重要因素之一。一个软件包的开发往往需要基于多个其他的软件包来实现。因此，除了下载量以外，我们还可以通过一个软件包的“被依赖”程度来判断它的重要性。下面列出的就是被依赖程度排名前15位的软件包（其中有很多软件包也出现在下载量的前15位）：
BioC_top15_depended.png
如果想真正学好BioC，甚至想从一名BioC user变成BioC developer，踏踏实实学好上面的包就是成功的捷径！
-
我们知道，一个生信分析流程往往会包含很多步骤，在每个步骤中会有很多不同的软件可供选择。那么针对于workflow中的某个步骤，究竟哪些软件包是最重要的呢？为了回答这个问题，我把workflow分成11个步骤，并分别统计出每个步骤中下载量排名前5位的软件包：
BioC_workflow_download_top5.png
从今天开始，【生信训练营】会和大家一起从最基础的BioC包开始学起，只有练好内功，构建好BioC知识体系，才能在未来的生信战斗中运筹帷幄，百战百胜！
qrcode.jpg
网友评论