Développé et partagé en open source par Datastorm, visNetwork est téléchargé en moyenne 1000 fois par jour.
Dans le monde académique, celui de la recherche ou dans les entreprises qui traitent de la donnée, R est devenu l’un des langages de programmation incontournables. Sous licence GNU GPL, multi-plateforme et multi-OS, R bénéficie d’une large communauté de contributeurs dont l’activité n’a cessé de croître ces dernières années, portée notamment par les applications en machine learning.
Grâce aux « packages », les contributeurs peuvent en effet partager leurs propres développements de R. « Un package contient un ensemble de fonctions, leur documentation, des tests unitaires, et de plus en plus des applications shiny, le tout en gérant les éventuelles dépendances à d’autres packages … » explique Benoit Thieurmel, directeur des opérations de Datastorm et contributeur R. Le site RDocumentation.org recense ainsi plus de 15 000 bibliothèques disponibles en open source sur les projets Comprehensive R Archive Network (CRAN), Github ou encore Bioconductor.
Des solutions et des algorithmes innovants
Datastorm développe et partage régulièrement des composants sur ces plateformes, dont plusieurs packages R comme visNetwork, une interface entre R et la librairie vis.js qui permet une visualisation dynamique des réseaux. Facilement configurable, manipulable directement depuis R Shiny, visNetwork est notamment utilisé en biologie et en génomique. (voir les articles : Digging into the low molecular weight peptidome with the OligoNet web server et Unraveling the evolution and coevolution of small regulatory RNAs and coding genes in Listeria, publiés sur le site du National Center for Biotechnology Information).
Largement reconnu, visNetwork, mis en ligne en 2015, est téléchargé en moyenne 1000 fois par jour depuis le CRAN RStudio. Ce partage de R&D qui profite aux chercheurs mais aussi à tous les acteurs de la Data Science, Benoit Thieurmel y est très attaché : « c’est ce qui nous permet de rester en alerte et de proposer des solutions et des algorithmes innovants et performants ».
Les + de visNetwork
- Interactions variées et facilement configurables pour une lecture simplifiée
- Utilisation d’images et d’icônes web possible
- Visualisation des arbres de classification et de régression
- Des dizaines de méthodes disponibles pour manipuler le réseau directement depuis Shiny (ajout/suppression de données, zoom, déclenchement d’événements…)
- Groupements de nœuds, simples ou multiples
- Passerelle vers le package igraph
visNetwork sur Github
http://github.com/datastorm-open/visNetwork
Documentation :
http://datastorm-open.github.io/visNetwork/
