MetaboAnalyst是由加拿大McGill大学的Xia-lab开发的代谢组学分析平台，提供了完整的代谢组学数据分析流程以及多组学联合分析功能，点点鼠标就可以进行代谢组学数据分析，可谓神器。
MetaboAnalystwww.metaboanalyst.ca
整个平台的数据处理基于R语言，并且是开源的，可以在自己的PC上用完成数据分析。
Github xia-lab/MetaboAnalystRgithub.com
但是在本地使用R，只能以命令行方式，比起网站来说易用程度差了很多。
但是网页版的MetaboAnalyst由于服务器在国外，有时候速度很慢，保存数据结果也不甚方便。其实MetaboAnalyst是可以在本地PC上运行的，支持Linux和Mac OSX平台，但是不支持Windwos平台。xia-lab提供了简单的本地安装指南（真的是只有几句话），但是没有具体的实现步骤。Github上提供的基于Docker的解决方案很久没有更新了，已经不适合现在的情况。
MetaboAnalyst 本地安装指南
MetaboAnalyst_Docker方案
经过几次踩坑和摸索，终于成功地在ubuntu上实现了本地部署MetaboAnalyst，响应速度比起源站快了很多，可以畅快的使用MetaboAnalyst的所有功能，计算结果和图片再也不会刷不出来了。
本地运行的MetaboAnalyst
0. 说在前面
这是一篇针对如何本地部署MetaboAnalyst的实践总结。历经从Docker，WSL到Hyper-V，从ubuntu 16, R3.5到ubuntu 18, R4.0，tomcat, glassfish到Payara，整合了xia-lab的两个Github和MetaboAnalyst网站的信息和指南，折腾了两三天终于成功。
所以这不是一篇零门槛的Step by Step。读者需要有一些虚拟机，Linux和网络应用的基本知识，例如：
Hyper-V虚拟机的配置，在虚拟机上安装ubuntu
Linux的一些基本操作，基本的文件操作命令，权限，软件源修改等
R语言的一些基本命令等
电脑配置要求
CPU：推荐4核心以上，主频越高越好，和运算速度直接相关。
内存：需要运行桌面版ubuntu推荐16G内存，Server版8G内存。
硬盘：虚拟机硬盘安装完桌面版ubuntu和所有软件以后不到15G，Server版应该更小，按需分配大小即可。
要实现MetaboAnalyst的本地部署，主要分三个步骤：
1. 在Hyper-V上安装ubuntu 20.04 LTS
Linux的发行版很多，这里选择的是最大众的ubuntu 20.04 LTS桌面版。其实Linux平台只是作为一个服务器使用，用没有图形界面的版本就可以，但是如果你不熟悉Linux下的操作，用带有图形桌面的版本会轻松不少。
安装时可以选择安装基本软件还是全部软件，包括office什么的，选基本就行。
ubunutu 20.04 LTS桌面版下载地址mirrors.aliyun.com
如果因为大多数时间还是需要Windwos平台下工作，在Windows自带的Hyper-V虚拟机上安装一个Linux系统是一个比较方便快速的方法。其他虚拟机平台也可以，当然如果是本地安装Linux肯定没问题。
本人曾尝试了在WLS上安装ubuntu，中间过程有不少恼人的问题，而且最后只能看到网站页面而无法实际的数据处理，请大家不要再入WLS的坑了。
关于具体如何在Hyper-V上安装ubuntu的过程，网上有数不胜数的教程，这里不再赘述。只要安装好最基本的ubuntu，设置好root密码，可以进入到桌面即可
2. 安装ubuntu系统基础软件包和MetaboAnalystR软件包
以下全部是已root身份进行操作，为了方便起见可以直接转到root下运行，避免每次都要sudo输密码
sudo -i
建议先将ubuntu软件源修改到国内镜像，例如清华大学，阿里，网易等，具体步骤请搜索网络教程
2.1 安装ubuntu系统基础包
更新一下系统
sudo apt-get update
sudo apt-get upgrade
需要安装的包为：libcairo2-dev, libnetcdf-dev, libxml2-dev, libxt-dev 和 libssl-dev。此处xia-lab指南中只列了libxml2，实际需要libxml2-dev，否则后面编译R包会失败。
sudo apt-get install libcairo2-dev
sudo apt-get install libnetcdf-dev
sudo apt-get install libxml2-dev
sudo apt-get install libxt-dev
sudo apt-get install libssl-dev
添加CRAN镜像，源码也需要，这里使用的是R 4.0版。
deb http://mirrors.tongji.edu.cn/CRAN/bin/linux/ubuntu focal-cran40/
deb-src http://mirrors.tongji.edu.cn/CRAN/bin/linux/ubuntu focal-cran40/
添加了CRAN以后需要添加一个密钥，如果是WSL下只能手动下载安装，又是一个坑。
为CRAN添加密钥
2.2 安装R语言基础包
sudo apt-get install r-base
进入R环境，因为后面有非常多的源码包需要安装和编译，建议用国内镜像源保证下载稳定
使用函数chooseCRANmirror()，在弹出窗口选择。
chooseCRANmirror()
或者用命令行
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
bioconductor的镜像源只有清华的，一定要加上，bioconductor主站很慢，中间断了就要重来。。。
options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor")
设置好以后开始安装R环境依赖包，推荐按照xia-lab提供的option1的方式进行。
Option 1 Enter the R function (metanr_packages) and then use the function. A printed message will appear informing you whether or not any R packages were installed. Function to download packages:
metanr_packages <- function(){
metr_pkgs <- c("impute", "pcaMethods", "globaltest", "GlobalAncova", "Rgraphviz", "preprocessCore", "genefilter", "SSPA", "sva", "limma", "KEGGgraph", "siggenes","BiocParallel", "MSnbase", "multtest","RBGL","edgeR","fgsea","devtools","crmn")
list_installed <- installed.packages()
new_pkgs <- subset(metr_pkgs, !(metr_pkgs %in% list_installed[, "Package"]))
if(length(new_pkgs)!=0){
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install(new_pkgs)
print(c(new_pkgs, " packages added..."))
}
if((length(new_pkgs)<1)){
print("No new packages added...")
}
}
再执行
metanr_packages()
开始下载并编译MetaboAnalystR需要的基础依赖包，内容比较多，时间大约半个小时，取决于网速和电脑性能。
如果使用WSL会出现文件夹权限问题而导致无法正确安装，坑！
执行完毕以后可以用warnings()看一下是不是哪些包有问题，我的经历是在ubuntu20.04 LTS + R4.0环境下，只要ubuntu的依赖包安装好，R里面的包都是可以一次正常编译通过的。ubuntu 16和R 3.5均会有一些问题需要手动干预。
2.3 MetaboAnalystR包的安装
R语言的基本依赖包安装好以后才真正来到MetaboAnalystR包的安装
推荐采用xia-lab Option A进行安装，Step1是必须步骤，安装devtools包并加载
# Step 1: Install devtools
install.packages("devtools")
library(devtools)
# Step 2: Install MetaboAnalystR with documentation
从MetaboAnalyst的Github安装，国内访问GitHub有不稳定的现象，多试几次，或者fq。
devtools::install_github("xia-lab/MetaboAnalystR", build = TRUE, build_vignettes = TRUE, build_manual =T)
又是一大串的包和依赖包的编译安装，时间可能比前面还要长，耐心。仍然是需要在执行完毕以后可以用warnings()看一下是不是哪些包有问题。
一切顺利的话到这里，MetaboAnalystR的实体功能部分已经安装好了。加载MetaboAnalystR以后的显示如下图，也就是说你可以在本地运行以R命令行的方式MetaboAnalyst的所有功能了。
接下来需要更新Rserve，xia-lab提示如果使用CRAN源中的Rserve包会出现 "long vectors not supported" 的问题。经过测试的确是会有此错误提示，所以一定需要从RForge源更新Rserve
install.packages('Rserve',,"http://rforge.net/",type="source")
退出R，启动Rserve
sudo R CMD Rserve
出现如下红框中信息，说明Rserve启动成功，请不要关闭这个命令行窗口
3. 部署MetaboAnalyst网页端
在安装完MetaboAnalystR包以后，数据分析的功能已经有了，网页上的点选转换成R命令传给Rserve运行，结果再传回网站展示出来，现在只需要建好网站并连接上R语言提供的Rserve。
MetaboAnalyst的网站是基于Java，我们需要安装Java JDK和支持Java EE的服务器
JDK可以直接从ubuntu软件源安装
sudo apt-get install openjdk-13-jdk
安装完以后运行
java -version
如果显示如下图，那就安装好了
接下来还需要一个Java EE服务器，payara micro无需安装，而且很小巧，一条命令就能启动部署。
Payara Platform Community Editionwww.payara.fish
下载这个micro版
下载以后可以放到 /opt目录里，再建立一个子目录，比如叫deoployments
xia-lab提供了MetaboAnalyst整个网站的资源包，但是在Dropbox平台，墙内无法访问
https://www.dropbox.com/s/9xo4yy3gzqsvyj9/MetaboAnalyst-4.93.war?dl=0www.dropbox.com
下载以后放到之前建立的 /opt/deployments文件夹中，把文件名中版本号去掉，变成“MetaboAnalyst.war”，不用解压。
如果你真的看到这里，并且已经正确执行了前面所有的步骤，然而无法下载这个文件，请联系我索取。
终于到了见证奇迹的时刻！再开一个root命令行窗口，运行payara并让其部署/opt/deployments目录下的MetaboAnalyst.war，将他变成可以访问的网站
java -jar /opt/payara-micro-5.2020.2.jar --deploymentDir /opt/deployments
一连串的代码闪过，最终出现了一个地址，讲红框中的部分替换为localhost
打开概虚拟机的浏览器输入：
http://localhost:8080/MetaboAnalyst
看一下之前没有关闭的Rserve窗口，应该有如下显示，说明Rserve和Java网页的通讯正常，Rserve已经开始编译需要的R命令了
Rserve编译完以后，MetaboAnalyst的首页就会显示出来，这可能需要几分钟时间
成功！！！
4. 后续
4.1 从Windows主机浏览器访问虚拟机的MetaboAnalyst
在虚拟机里的浏览器使用MetaboAnalyst总是不方便，因为Rserve和Java EE的服务已经启动了，从哪里访问网页都是可以的，只要知道虚拟机的ip地址就可以从Windows主机访问。具体可以参阅各种教程
4.2 虚拟机重启怎样重启服务
虚拟机重启以后只需要root执行两条命令，保持两个命令行窗口打开即可。
如果需要日常使用，还可以配置虚拟机随主机自动启动，以及Rserve和Payara服务随虚拟机自动启动，这样打开电脑就可以直接使用MetaboAnalyst了。具体可以参阅各种教程
sudo R CMD Rserve
java -jar /opt/payara-micro-5.2020.2.jar --deploymentDir /opt/deployments
