年前CJ大佬深度体验了下WGCNAshiny， 提了一些非常好的建议和意见，过年的时候折腾了几天，改善了一些东西，距离上次发布更新已经过去很久了，期间随着课题的进展，我自己也添加了一些内容。

原本以为毕业了就起飞了，没想到，喵的比没毕业还累...
又鸽了仨月，这个小插件到时完善了不少，但是上次承诺的视频还是没有录。原因不说了，准备手打！ 还是写个教程为好。录视频，怕是要不知何年何月了...

对比大佬的下班时间发现，忙从来不是借口，懒才是....

突然有个需求，然后花了差不多半个小时指挥GPT4干完了... 说实话，这效率也太快了，要是让我从头手打，估计要折腾一下午。

这篇博客就记录下如何和GPT打配合搞定ShinyApp，并且通过CLI program wapper creator工具将shinyapp制作成插件分享给大家。

背景

• 参考基因组： 玉米B73_v2,数据来源-MaizeGDB
• 基因注释文件：ZmB73_5a.59_WGS.gff3.gz
• 数据源：本课题自测的20个玉米的40x重测序数据。

介绍

SERRF是 U.C Davis Fiehn Lab的S.L Fan开发的一款QC-based数据标准化工具，用于校正非靶代谢组学数据的系统误差，具有出色的能力，校正后features RSD显著降低。目前使用方式有3种：

• 通过网页工具https://slfan2013.github.io/SERRF-online/# 进行上传数据分析；
• 通过本地运行shiny app，需要在将仓库克隆到本地，然后用Rstudio打开脚本运行run app;
• 通过本地运行normalize function运行。

emmm... 经过尝试，第三种运行比较顺利。但是文件准备设置输出等步骤还是太麻烦，所以打算对SERRF方法单独拿出来进行重构。并且接入Tidymass的massdataset，加入分析流程。

之前在使用rvest,RCurl以及XML包编写爬虫时只是单纯的考虑到了信息提取和格式转换，没有考虑到爬虫对目标服务器的负载压力，之前也使用过暴力并行，虽然速度很快，但是对目标网站服务器负载造成了很大压力，这样既不道德，也不安全。被反爬机制检测到会封ip等。本次就实战中遇到问题解决问题做个总结。

emmm， 这篇文章后半部分还是面向TBtools插件开发者。原因和上一篇一样，因为操作太简单了

...

上次从uniprot网站用rvest提取了亚细胞定为的信息，这次还是冲uniprot用爬虫提取每个uniprotid对应的GOterm信息。

...

课题遇到一个需求，需要从uniprot 网站数据库中查询目标蛋白的亚细胞定位情况，徒手一个一个搞肯定不行，这就需要使用爬虫了

...

失踪人口回归... 鸽了近半年，终于又要更新推文了...
上次说过要把WGCNA后续的模块整理完成。这个工作其实过年的时候就做的差不多了，只是没有写成插件释放。前两天啃了些资料怎么制作R包，然后把我自己搞的辣眼睛的function打包了放在github。然后这个WGCNA的插件才顺利诞生，没有难产。

...