📚 课程目录第1章课程介绍与目标

开篇：这门课到底能干什么？

大家好，欢迎来到《R Shiny 构建交互差异表达报告实操》的第一章。先说说我自己的经历。

几年前我还在做测序数据分析的时候，每次跑完差异表达，都要手动整理 Excel 表格，然后在 Word 里贴图、写说明。一份报告改个三五版是常事。最头疼的是——合作实验室的老师发来一句「能不能只显示 P 值小于 0.01 的基因？」。好嘛，重新跑一遍流程，重新出图，又是一下午。

那时候我就在想：要是有一份报告，能让对方自己点两下鼠标就完成筛选、切换、导出，该多省事。后来我遇到 R Shiny，才发现这东西简直是为生物信息学量身定做的。说白了，就是把你写的 R 脚本包装成一个网页应用，让别人也能用。

这门课的目标很简单：带你从零开始，构建一个能用的交互差异表达报告。不需要你提前懂 Web 开发，不需要你写过 HTML。只要你用过 R 做过差异表达，就能跟上。

学习目标：学完了你能干什么？

这一套课走下来，我希望你能做到三件事：

看懂 Shiny 的骨架 —— 知道 ui 和 server 是怎么配合的。
把静态分析变成交互工具 —— 让用户自己选阈值、切数据集、看图表。
能部署给别人用 —— 不会只在你自己的电脑上跑得转。

嗯，听起来有点多。别担心，我们每个点都会拆开讲，配合实际的代码和案例。

课程安排：30 章我们都聊什么？

整个课程分成五个模块，节奏是从浅到深：

模块	章节	核心内容
基础篇	1-4 章	Shiny 架构、UI 布局、响应式编程
数据篇	5-10 章	数据导入、预处理、差异表达结果结构
可视化篇	11-18 章	火山图、热图、MA 图的自定义与交互
交互篇	19-25 章	筛选器、表格联动、下载报告
实战部署	26-30 章	性能优化、shinyapps.io 部署、Docker 打包

个人建议：前 10 章是地基，别跳。我以前带过一个学生，上来就想写热图交互，结果连 reactive() 和 observeEvent() 的区别都没搞明白，卡了整整三天。

Shiny 在生物信息学中的应用：为什么值得学？

你可能会问：Shiny 到底能用在哪些地方？我自己总结了三类最常见的场景。

第一类：交互式数据探索。
传统分析流程是「分析 → 出图 → 看结果 → 再分析」。Shiny 把这个循环变成了实时的。用户可以直接在网页上调节参数，图会跟着变。你想想看，这在探索性数据分析（EDA）阶段有多方便。

第二类：报告自动化。
不只是差异表达。我见过有人用 Shiny 做单细胞聚类结果的交互报告，还有人做药物筛选的剂量-反应曲线工具。Shiny 的好处是：你写一次，别人就能重复用。

第三类：团队协作。
生物信息学团队里往往有多个方向的同事：有人做比对、有人做注释、有人做统计。Shiny 可以把这些模块整合到一个界面上，每个人负责自己的那部分，最后拼成一个完整的报告工具。

避坑指南：我曾经在一个项目中把 Shiny 当成了「万能工具箱」，把所有计算都放在前端。结果用户点一下按钮，服务器要跑 10 分钟。后来我才学会：重量级计算要放到后台，UI 只负责展示和触发。这个原则我们后面会反复提到。

我们的第一个 Shiny 应用长什么样？

不多说理论了，先让 Shiny 跑起来。你安装好 shiny 包后，试试下面这段代码：

library(shiny)

ui <- fluidPage(
  titlePanel("Hello Shiny"),
  sidebarLayout(
    sidebarPanel(
      sliderInput("bins", "Number of bins:", 1, 50, 30)
    ),
    mainPanel(
      plotOutput("distPlot")
    )
  )
)

server <- function(input, output) {
  output$distPlot <- renderPlot({
    x <- faithful[, 2]
    bins <- seq(min(x), max(x), length.out = input$bins + 1)
    hist(x, breaks = bins, col = 'steelblue', border = 'white')
  })
}

shinyApp(ui = ui, server = server)

这段代码做了什么？ui 定义了页面上有什么（标题、滑动条、图表区域），server 定义了当用户滑动条变化时，图表怎么更新。你可以在 RStudio 里直接运行，会在浏览器里弹出一个页面。

  核心知识点：

  fluidPage() —— 响应式页面容器。
sidebarLayout() —— 左侧输入、右侧输出的经典布局。
sliderInput() —— 一个可交互的输入控件。
plotOutput() 和 renderPlot() —— 输出与渲染的配对。

我的第一个 Shiny 应用就是照着这个模子改出来的。当时我把 histogram 换成了火山图，把滑动条换成了 P 值阈值筛选条。虽然现在看来很简陋，但那是我第一次感受到「用户能自己控制分析结果」的爽感。

后面课程里，我们会把这个雏形一步步扩展成真正的差异表达报告工具。

本章知识体系总览

为了让你对第一章的全貌有个直观印象，我画了一张图。它概括了我们要了解的四个层次：课程定位（为什么学）、课程结构（学什么）、Shiny 核心概念（怎么学）、以及最终产出（学到什么程度）。

你看，这门课不是一上来就让你写复杂界面。先从定位和结构入手，再亲手跑通一个最简单的例子。之后每章都围绕一个具体的功能点展开，一步步把报告工具搭起来。

一个小建议：如果你是第一次接触 Shiny，别着急把代码全看懂。先感受一下「输入-输出-响应」这个循环。后面的章节会逐一拆解每个函数的含义。

好啦，第一章就到这里。内容不多，但这两件事我希望你带走：Shiny 是为了让分析结果可以被交互式使用而生的；我们的最终目标是一份可部署的差异表达报告工具。