Vennerable包并没有在CRAN，所以他的安装需要提供相应的链接，其安装方法可以在：http://r-forge.r-project.org/projects/vennerable 找到，或者 https://github.com/js229/Vennerable
后者...
Vennerable包并没有在CRAN，所以他的安装需要提供相应的链接，其安装方法可以在：http://r-forge.r-project.org/projects/vennerable 找到，或者 https://github.com/js229/Vennerable
后者提供安装的版本更高，R包也由依赖reshape变成了reshaep2:
###安装相关绘图包
local({r <- getOption("repos")
r["CRAN"] <- "http://mirrors.tuna.tsinghua.edu.cn/CRAN/"
options(repos=r)})
options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor")
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install(c("RBGL", "graph"))
###安装下载包devtools 以便使用安装命令install_github
install.packages("devtools",repos="http://mirrors.tuna.tsinghua.edu.cn/CRAN/")
library(devtools)
###Use reshape2 instead of reshape
install_github("js229/Vennerable")
1、最好先安装依赖的包，以免影响软件安装
2、安装devtools 并加载，以便能够使用安装命令install_github
3、利用install_github 安装 Vennerable 并且可以在加载包之后，利用packageVersion查看安装的包的版本。
如果想提升自己的绘图技能，我们推荐：R语言绘图基础（ggplot2)
更多生物信息课程：
1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接：基因家族分析实操课程、基因家族文献思路解读
2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接：转录组（有参）结果解读；转录组（无参）结果解读
3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接：WGCNA-加权基因共表达网络分析
4. 转录组数据怎么挖掘？学习链接：转录组标准分析后的数据挖掘、转录组文献解读
5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程
6. 生物信息入门到精通必修基础课：linux系统使用、perl入门到精通、perl语言高级、R语言入门、R语言画图
7. 医学相关数据挖掘课程，不用做实验也能发文章：TCGA-差异基因分析、GEO芯片数据挖掘、GEO芯片数据标准化、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析
8.其他，二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读
