📚 课程目录第3章 Linux基础与服务器环境配置

3. Linux基础与服务器环境配置

说实话，刚入门单细胞分析的同学，很多都在这一步栽过跟头。我自己带过好几拨实习生，头两周基本都在补Linux操作。不是大家不聪明，而是这东西平时接触少。一旦上手scRNA-seq，你会发现99%的工具都跑在Linux服务器上——从数据下载、质量控制、比对、计数到最终的可视化，几乎每一步都离不开命令行。

所以这一章，我不打算讲太深的理论。咱们直奔主题：怎么在服务器上舒服地干活，怎么配环境，怎么不被权限问题搞崩溃。

本章核心目标： 掌握Linux常用命令，学会用conda管理软件环境，熟悉远程连接和数据传输。为后续所有分析打好底座。

3.1 远程连接：SSH 是你的第一道关卡

拿到服务器IP和账号密码后，第一件事就是连上去。别用默认的密码登录太久——我吃过这个亏。有一次我在公共服务器上做项目，忘记改密码，结果第二天发现磁盘空间被占满，查日志才发现有人用我的账号在跑挖矿程序。所以记住了：立刻改密码，配置SSH密钥认证。

基本命令长这样：

ssh username@server_ip -p 端口号

我个人习惯在本地 ~/.ssh/config 里写个别名，省得每次敲一长串：

Host mycluster
    HostName 192.168.1.100
    User bioinfo
    Port 22
    IdentityFile ~/.ssh/id_rsa

小技巧： 用 ssh-keygen -t rsa -b 4096 生成密钥对，然后 ssh-copy-id mycluster 把公钥传到服务器。以后登录就免密码了。

如果服务器在你实验室的内网里，还要配置VPN或者跳板机。我见过有人拿着笔记本在咖啡厅远程跑分析，结果因为网速慢断开连接，跑了三天的CellRanger全白费了。所以建议用 tmux 或 screen 保持会话持久。

3.2 文件传输：别再用USB拷数据了

单细胞数据通常很大，一个10x的FASTQ文件夹少说几十GB。用SCP或RSync是最直接的：

# 从本地传到服务器
scp -P 端口号 local_file user@server:~/data/

# 从服务器拉到本地
scp -P 端口号 user@server:~/data/result.csv .

# rsync更高效，支持断点续传
rsync -avzP --progress user@server:~/raw_data/ ./raw_data/

这里有个坑：如果直接用 cp 或 mv 跨服务器操作，那是行不通的。我一开始也犯过这个错，以为Linux跟Windows一样可以直接拖拽。其实跨机拷贝必须用 scp 或 rsync。

警告： 不要在登录节点上直接大量传输大文件，尤其是/home目录满了的时候。我见过有人把实验室服务器的登录节点搞卡死，最后被管理员全组警告。建议使用专用传输节点，或者提交数据传输作业。

3.3 命令行必备命令清单

做单细胞分析，你不需要成为Linux大神，但下面这些命令必须滚瓜烂熟：

类别	命令	作用
文件导航	`ls -lh`，`cd`，`pwd`	查看文件、切换目录、显示当前路径
文件操作	`cp -r`，`mv`，`rm -rf`	复制、移动、删除（小心用！）
查看内容	`head`，`tail`，`less`，`zcat`	预览文件，特别是压缩的FASTQ
文本处理	`grep`，`awk`，`sed`	筛选、提取列、替换文本
进程管理	`top`，`htop`，`ps aux`	查看CPU/内存使用，杀掉僵尸进程
磁盘空间	`df -h`，`du -sh *`	检查磁盘容量和目录大小

我经常用 wc -l 统计FASTQ有多少条reads，用 gzip -t 检查压缩包是否损坏。这些在数据质控前必须做一遍。

一个小习惯： 每次运行可能耗时较长的命令前，先 cd /scratch/你的用户目录 切换到工作目录，避免把临时文件扔到/home导致配额爆炸。

3.4 Conda环境管理：避免软件版本冲突

单细胞分析涉及的软件极其繁杂——CellRanger、STAR、samtools、Seurat、Scanpy……不同软件依赖的Python/R版本可能互相打架。我刚开始做的时候，试过手动装各个依赖，结果搞了一周还没跑通一个pipelines。后来改用Conda，世界清净了。

Conda的核心思想：为每个项目创建独立的隔离环境。

# 安装miniconda（如果服务器没有）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# 创建新环境，指定Python版本
conda create -n scrnaseq python=3.9

# 激活环境
conda activate scrnaseq

# 安装核心工具
conda install -c bioconda cellranger star samtools
conda install -c conda-forge r-base r-seurat

注意：不要把所有的包都装进base环境。我见过有人为了省事，直接在base里装了500多个包，最后conda update时版本冲突导致系统崩了。每个分析项目建一个新环境，用完了可以删掉，很方便：

conda deactivate        # 退出当前环境
conda env remove -n scrnaseq    # 删除环境

推荐配置： 在 ~/.condarc 里添加国内镜像源，加速下载：

channels:
  - conda-forge
  - bioconda
  - defaults
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true

3.5 作业提交系统：SLURM 基础

在实际科研服务器上，你一般不能直接在登录节点跑大型分析，要提交作业到计算节点。最常用的是SLURM。我第一次用的时候完全不理解为什么sbatch xxx.sh之后没反应，后来才知道它只是把任务丢进队列，要用squeue查看。

一个典型的SLURM作业脚本：

#!/bin/bash
#SBATCH -J cellranger_count
#SBATCH -p gpu
#SBATCH -N 1
#SBATCH -n 16
#SBATCH --mem=64G
#SBATCH -t 24:00:00
#SBATCH -o %x_%j.out
#SBATCH -e %x_%j.err

# 激活环境
source /path/to/miniconda3/bin/activate scrnaseq

# 运行CellRanger
cellranger count --id=sample1 \
    --transcriptome=/ref/GRCh38 \
    --fastqs=/data/sample1_fastq \
    --sample=sample1 \
    --localcores=16 \
    --localmem=60

提交脚本：sbatch run_cellranger.sh

查看队列：squeue -u 你的用户名

取消作业：scancel job_id

关键提醒： 脚本里的 --localmem 值和 #SBATCH --mem 要匹配，否则可能内存不足被杀死。我同事上次就因为这个，跑了20小时的作业被OOM killer干掉了，气得差点砸键盘。

3.6 权限和磁盘管理

实验室服务器经常多人共用，权限控制不好就容易出乱子。你不想自己辛苦分析的中间结果被别人误删吧？

常用命令：

# 查看文件权限
ls -l

# 修改权限：只有自己能读写执行
chmod 700 my_file

# 修改所有者
chown yourname:groupname file_or_dir

另外，磁盘配额也要留意。用 df -h 可以看整体使用率，用 du -sh ~/ 看自己占了多少。如果发现某个目录特别大，又用不着，赶紧清掉。我每次跑完一个项目，都会手动删掉临时文件和重复备份，省得被管理员发邮件警告。

实战建议： 拿到服务器账号后，第一件事就是建立一套自己的目录结构：

mkdir -p ~/project/scRNAseq/{raw_data,processed,results,logs,scripts}

这样后续分析不会乱成一锅粥，也方便写脚本时路径引用。

好了，这一章的内容就到这儿。Linux基础和环境配置是单细胞分析的“基建”，地基不打牢，后面容易塌。多练、多查、多踩坑（但最好别踩我踩过的那些坑），慢慢你就习惯了。记住：命令行不是敌人，是你最强大的朋友。