對(duì)于科研人員而言，很好的展現(xiàn)數(shù)據(jù)是工作中的必要技能，圖最為可視化的最主要形式是最為簡(jiǎn)單直接的一種表現(xiàn)方式。但是如何繪制精美的圖片則一直是個(gè)比較繁瑣的事情。誠(chéng)然，市面上已經(jīng)有了許許多多優(yōu)秀的繪圖軟件，比如origin、sigmaplot。這些商業(yè)軟件滿足了大部分人的繪圖需求，成為了許多數(shù)據(jù)分析人員不可或缺的幫手。但是，使用這些繪圖軟件會(huì)面臨兩個(gè)問題：一個(gè)是作為商業(yè)軟件，需要付費(fèi)購(gòu)買（大部分人應(yīng)該都是用的其他途徑），第二，就是這些軟件都有一定的學(xué)習(xí)成本，第三，部分軟件的重現(xiàn)性較為復(fù)雜（需要每次重新調(diào)整配置，完成圖片繪制）。其中軟件的學(xué)習(xí)成本較高是主要是因?yàn)檫@些軟件需要照顧大部分的使用人群，需用使用一種通用的技巧來教會(huì)所有人使用這些軟件。因此，在我做數(shù)據(jù)分析的時(shí)候就想到一個(gè)問題，為什么不開發(fā)一種雖然可能適用于不那么多的人，但是操作簡(jiǎn)單、易于上手、方便重現(xiàn)和批量作圖的圖形軟件呢。因此，基于這個(gè)出發(fā)點(diǎn)，基于python豐富多樣的模塊便寫了一個(gè)小工具M(jìn)ulti-omics Visual，在可以定制一些常規(guī)圖片的同時(shí)，也可以實(shí)現(xiàn)批量作圖的功能。但是本軟件并不如市面的大部分商業(yè)軟件那樣，提供了豐富的繪圖樣式，本軟件僅僅提高了少量的繪圖樣式。但是，本軟件最大的意義是提供了一個(gè)框架，可以快速將python上流行的繪圖包通過重寫其中的某些功能將其加入到本軟件中，實(shí)現(xiàn)用戶不寫代碼，僅僅通過在GUI界面調(diào)整某些參數(shù)，即可快速實(shí)現(xiàn)圖片的繪制和調(diào)整。當(dāng)然，對(duì)于后續(xù)的使用者來說，這種框架所提供的功能是可以擴(kuò)展的，只需要有相應(yīng)的python繪圖包發(fā)布，那么本軟件可以快速將這些工具集成到繪圖選項(xiàng)中，從而幫助用戶快速上手，完成相應(yīng)的可視化工作。

Python的另一個(gè)優(yōu)勢(shì)便是機(jī)器學(xué)習(xí)?，F(xiàn)如今python已經(jīng)成為許多機(jī)器學(xué)習(xí)人員的主要編程語言了?？紤]到現(xiàn)如今機(jī)器學(xué)習(xí)也已經(jīng)成為生物數(shù)據(jù)分析的常用手段，所以本軟件基于現(xiàn)在流行的一些機(jī)器學(xué)習(xí)框架，實(shí)現(xiàn)的一些常見的機(jī)器學(xué)習(xí)模型，方便用戶操作與實(shí)踐。只是這部分功能對(duì)大部分用戶而言，目前可以不用考慮。

因?yàn)楸拒浖鞘褂眉僷ython編寫的，打包成二進(jìn)制文件發(fā)布的，所以與一般的exe文件有所不同，需要?jiǎng)?chuàng)建相應(yīng)的運(yùn)行環(huán)境。運(yùn)行本軟件需要首先安裝python（>=3.8），并將其添加到系統(tǒng)路徑。隨后，在cmd上pip安裝指定包既可，其中pip的命令為

pip install pandas PyQt5 numpy matplotlib requests colour scipy seaborn datetime sklearn matplotlib_venn -i https://pypi.tuna.tsinghua.edu.cn/simple

完成上述操作后，即創(chuàng)建好相應(yīng)的運(yùn)行環(huán)境。隨后，在github上下載已經(jīng)編譯好的軟件包，地址為https://github.com/wangjun258/Multi_omics_Visual。如果讀者從github上下載太慢，也可以直接聯(lián)系本公眾號(hào)《生信小院》獲取。而下載好本軟件后，在解壓之后的Multi_omics_Visual文件夾中直接查找Multi_omics_Visual.exe程序，雙擊即可運(yùn)行。如果想要隨時(shí)隨地使用本軟件，建議為Multi_omics_Visual.exe程序創(chuàng)建快捷方式，并放于桌面。而在介紹完軟件開發(fā)的目的之后，接下來，開門見山，介紹一下軟件的基本功能。

首先，從圖1中我們可以看出Multi-omics Visual軟件總共包含五大部分，分別為“Plot_draw”、“Bioinformatic”、“Machine_learning”、 “Data_clean”和“Help”五大部分。?“Plot_draw”中包含一些常見圖片的繪制功能，如條形圖（barplot_chart）、折線圖（line_char）、混合圖（bar_line_chart）、熱圖（heatmap）、PCA圖（PCA_chart）、韋恩圖（Veen）、餅圖（pie_chart）和一些3D圖（heatmap_3D、barplot_3D）等?！?/span>Bioinformatic”目前僅僅實(shí)現(xiàn)了基于SW算法（純python實(shí)現(xiàn)，不基于任何模塊）的Blast序列分析，后續(xù)會(huì)逐步添加其他的基于機(jī)器學(xué)習(xí)的生物信信分析功能?！?/span>Machine_learning”則實(shí)現(xiàn)了一些常規(guī)機(jī)器學(xué)習(xí)算法，包括線性回歸（Liner_regression）、樸素貝葉斯（BavieByes）、梯度下降（GradAscent）等算法，方便用戶進(jìn)行實(shí)踐。“Data_clean”中則包含了對(duì)數(shù)據(jù)進(jìn)行整理的一些簡(jiǎn)單方法?！?/span>Help”中則包含了本軟件開發(fā)者的相關(guān)信息。軟件的主界面則是如下圖2所示。

打開上面的軟件界面之后，我們就可以選擇其中的“Plot_draw”功能的heatmap_3D選項(xiàng)。

隨后，彈出下圖4中右下角的界面，包含三個(gè)部分，其中第一部分為“input file”時(shí)輸入文件框，第二部分為“input file batch”是用于批量作圖的選項(xiàng)，第三部分為“Image Output”則是用來指定輸出的圖像文件的路徑。本次輸入的文件為demo_heatmap_3D.txt文件，內(nèi)容如左下角所示。

在導(dǎo)入文件之后，我們可以通過圖五右上角的Adjustment para選項(xiàng)，彈出右下角的參數(shù)對(duì)話框，再通過點(diǎn)擊①，將參數(shù)文件保存，之后打開參數(shù)文件demo_heatmap_3D_arg.txt文件即③中可實(shí)現(xiàn)在文件中修改數(shù)據(jù)。之后按照④的路徑將參數(shù)文件拖入到⑤的文本框中，點(diǎn)擊⑥從而修改參數(shù)對(duì)話框中部分參數(shù)的選項(xiàng)。當(dāng)然，本軟件也提供直接在參數(shù)對(duì)話框中修改相應(yīng)的參數(shù)。完成上述操作之后，便可以直接點(diǎn)擊⑦，打開繪圖對(duì)話框。

如下圖6所示，我們?cè)?/span>Figure1中即可實(shí)現(xiàn)三維圖形的繪制，并可以通過拖動(dòng)鼠標(biāo)完成三維圖形的旋轉(zhuǎn)。之后通過這個(gè)對(duì)話框中的保存選項(xiàng)或者在“Image Output”中指定保存文件路徑，即可實(shí)現(xiàn)文件的保存。

以上就是簡(jiǎn)單介紹了一下如何使用本軟件繪制3D圖形。只是這一功能只是本軟件眾多功能中的冰山一角，還有許多功能將在接下來的推文中繼續(xù)演示。歡迎用戶提出建議，本人也會(huì)進(jìn)一步維護(hù)這個(gè)項(xiàng)目（項(xiàng)目地址為https://github.com/wangjun258/Multi_omics_Visual）。雖然可以通過兼容更多的模塊實(shí)現(xiàn)繪圖樣式的多樣化，但是這些內(nèi)容大部分都是基于python社區(qū)成員所提供的模塊，本軟件更多的是提供框架用以兼容這些模塊。最后，借用一句話名言總結(jié)這個(gè)小工具吧：只有站在巨人的肩膀上，才能看得更高更遠(yuǎn)。