网页工具：《scViewer: An Interactive Single-Cell Gene Expression Visualization Tool》
详情见：Cells 2023, ; https://doi.org/10.3390/cells12111489
单细胞RNA测序(scRNA-seq)技术因其能够在细胞层面捕获基因表达而受到研究者的青睐，有助于深入理解组织中的细胞过程和细胞类型多样性。然而，由scRNA-seq实验产生的数据具有高维度和复杂性。现有的工具多集中于原始数据的分析，而简单易用的、专注于差异表达和共表达的单细胞基因表达可视化工具则相对欠缺。scViewer作为一个交互式的图形用户界面(GUI)R/Shiny应用，旨在填补这一空白，其主要优点如下：
- 交互式可视化: scViewer提供了一个交互式的平台，允许用户直观地探索和分析单细胞数据。
- 易用性: 作为一个R/Shiny应用，scViewer通过网页界面提供用户友好的操作体验，无需专业知识即可使用。
- 多条件比较: 应用支持多条件数据的比较，使用户能够在不同生物学条件下分析基因表达差异。
- 差异表达分析: 利用负二项混合建模，scViewer能够进行基因水平的差异表达分析，并快速提供统计显著性结果。
- 共表达分析: 提供了共表达分析工具，帮助用户探索两个基因之间的共表达关系。
- 多种图表生成: 应用能够生成多种图表，如特征图、小提琴图、点图等，以展示基因表达模式。
- 数据输入灵活: 支持以Seurat RDS对象作为输入，也可以转换其他格式如Scanpy (AnnData)。
- 本地部署: 用户可以从GitHub下载scViewer作为Shiny应用进行本地安装和使用。
- 计算效率高: 通过专注于基因水平的分析，避免了同时对所有基因和所有细胞执行差异表达分析的计算负担。
- 统计方法先进: 使用nebula包中的负二项混合建模，考虑了细胞和个体层面的过度离散，提供了准确的统计测试。
- 适用于多条件研究: 特别适合需要在多种生物学或处理条件下研究基因表达的研究。
- 促进跨学科合作: 作为一个易于使用的可视化工具，scViewer有助于生物信息学家和实验室科学家之间的快速数据共享与合作。
- 公开可用的数据集示例: 提供了公开可用的数据集示例，帮助新用户理解应用的使用和功能。
- 快速获取洞见: 应用的设计使用户能够快速获得关于基因或基因集在特定研究中的表达模式和变化的洞见。
scViewer作为一个综合性的单细胞数据可视化和分析工具，不仅提供了丰富的可视化功能，还提供了强大的统计分析能力，使其成为单细胞研究领域中一个宝贵的资源。本质上是一个r代码的打包
we provide the R code, supporting documentation, and metadata format for processing the raw count matrix to generate the single-cell data object ， github代码在：(https://github.com/arpatil01/scViewer, accessed on 25 June 2023)