3. 环境配置

咱们先别急着写代码。搭 Pipeline 的第一步，是把「工作台」收拾干净。我刚开始做生信分析时，遇到的最头疼的问题不是算法调参，而是环境冲突。一个项目需要 Python 3.6，另一个要 3.8；这个工具依赖旧版 NumPy，那个又要新版。各种依赖搅在一起，拆都拆不开。

后来我遇到了 Conda，这玩意儿说白了就是把你的软件环境隔离开来。每个项目一个独立的小房间，互不干扰，清爽得很。再加上 Bioconda，生信领域的软件基本都能一键安装。

3.1 为什么需要环境隔离

你想想看，一个完整的宏基因组流程，涉及多少个软件？FastQC、Trimmomatic、KneadData、MetaPhlAn、HUMAnN...每个都有自己的依赖版本要求。如果全装在一个系统环境里，很容易出现「装完 A，B 不能用了」的情况。

我遇到过最惨的一次：在服务器上装了一个新版本的 Python，结果系统自带的 yum 命令直接罢工。因为 yum 依赖的是旧版 Python。从那以后，我就养成了一个习惯——所有生信项目，全部用 Conda 环境，绝不碰系统 Python。

3.2 Conda：环境的「管理员」

Conda 是一个开源的包管理和环境管理系统。它能帮你做两件事：装软件 和 管隔离。

• 包管理： 安装、更新、卸载各种软件包，自动处理依赖关系。
• 环境管理： 创建多个独立的虚拟环境，每个环境有自己的一套软件包，互不干扰。

我一般会给每个项目建一个独立环境。比如做宏基因组分析，就建一个 metagenomics_env；做转录组分析，再建一个 rnaseq_env。项目做完了，直接把整个环境删掉，干净利落，不留后患。

3.3 安装 Miniconda

Conda 有两个主流发行版：Anaconda 和 Miniconda。Anaconda 自带了大量科学计算包，安装包很大（几百 MB）。Miniconda 只带最基本的 Python 和 Conda 核心，轻量小巧，需要什么包再装什么包。

我个人强烈推荐 Miniconda。为什么？因为生信软件更新很快，Anaconda 自带的那些包很多用不上，还容易版本冲突。从零开始安装，反而更可控。

3.3.1 Linux 系统安装

在服务器上操作，一般是 Linux 系统。下载安装脚本并运行：

# 下载 Miniconda 安装脚本（选择 Python 3.9 版本）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 运行安装脚本
bash Miniconda3-latest-Linux-x86_64.sh

安装过程中，会提示你阅读许可协议，按 Enter 翻页，然后输入 yes 同意。接下来是选择安装路径，我习惯默认 ~/miniconda3，这样每个用户都有自己独立的 Conda，不会互相影响。

最后一步：

# 安装程序会问要不要自动初始化 Conda，选 yes
Do you wish the installer to initialize Miniconda3
by running conda init? [yes|no]
[no] >>> yes

选 yes 的话，Conda 会自动把相关路径加入你的 ~/.bashrc，下次登录终端时就能直接用了。

3.3.2 macOS 系统安装

Mac 用户操作类似，只是下载脚本名称略有不同：

# macOS 版本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh

# 运行安装
bash Miniconda3-latest-MacOSX-x86_64.sh

3.3.3 验证安装

安装完成后，关掉终端重新打开，或者执行 source ~/.bashrc 让配置生效。然后运行：

conda --version

如果能看到类似 conda 23.10.0 的版本号，恭喜，安装成功了。

3.4 配置 Bioconda 频道

Conda 默认的下载源（叫做「频道」）主要是针对通用 Python 包的。生信软件大多放在 Bioconda 这个频道里。所以我们需要把 Bioconda 相关的频道加到 Conda 的配置中。

频道的优先级很重要。Bioconda 官方推荐的添加顺序是：

conda config --add channels defaults
conda config --add channels bioconda
conda config --add channels conda-forge

为什么是这个顺序？conda-forge 频道包罗万象，bioconda 专注生信。把 conda-forge 放在最前面，能让它优先提供依赖。我曾经遇到过一次奇怪的报错，就是因为频道顺序搞反了，导致某个库的版本死活对不上。

配置完成后，可以用这个命令查看当前频道：

conda config --show channels

输出应该类似：

channels:
  - conda-forge
  - bioconda
  - defaults

3.5 创建项目专用环境

环境和频道都准备好了，现在来给咱们的宏基因组流程搭一个专用环境。

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

-n metagenomics_env 给环境起了个名字，叫做 metagenomics_env。你可以按项目自由取名，我习惯用 项目名_env 的格式，好记。

创建过程中，Conda 会计算依赖关系，然后列出一堆需要安装的包。确认后输入 y 继续。

激活环境：

conda activate metagenomics_env

激活后，终端的命令提示符前面会出现 (metagenomics_env) 字样，代表你现在处于这个隔离环境中。在这里面安装的任何软件，都不会影响系统或者其他环境。

退出环境：

conda deactivate

3.6 安装核心生信工具

环境有了，现在装一个咱们流程里马上要用到的软件试试手。以 FastQC 为例：

# 先确保环境已激活
conda activate metagenomics_env

# 安装 FastQC
conda install -c bioconda fastqc

你可能会好奇：不是已经在配置里加过频道了吗？为什么这里还要写 -c bioconda？-c 是 --channel 的缩写，指定本次安装的频道。其实不写也行，因为我们已经设置了频道顺序。但有时候显式指定频道可以避免某些奇怪的版本解析问题，算是一个好习惯。

安装完成后，你可以验证一下：

fastqc --version

如果正常输出版本号，说明安装成功。同样的方式，你可以安装 Trimmomatic、KneadData 等工具，但咱们不一次装太多，用到哪个装哪个。这样做的好处是：万一某个软件出了兼容性问题，只影响它自身，不会牵连其他工具。

3.7 常用 Conda 命令速查

我整理了一个表格，把日常最常用的几个命令列出来。以后在终端里想不起来怎么操作，直接回来看一眼就行。

命令	说明
conda create -n 环境名 python=3.x	创建一个新环境，并指定 Python 版本
conda activate 环境名	激活指定环境
conda deactivate	退出当前环境
conda list	列出当前环境下所有已安装的包
conda install 包名	安装包（会自动处理依赖）
conda remove 包名	卸载包
conda env list	列出所有环境
conda env remove -n 环境名	删除整个环境

3.8 环境配置的「避坑」指南

这几年我用 Conda 踩过的坑，说多不多，说少不少。挑几个最有代表性的，分享给你：

• 安装超慢？ 这是 Bioconda 频道的通病，因为服务器在国外。解决方案是换国内镜像，比如清华源。在 ~/.condarc 文件里配置即可。代码实现我放到课程附件里，手打太长了。
• 装完软件提示「command not found」？ 八成是你忘记激活环境了。运行 conda activate 环境名 再试试。
• 两个环境的包版本怎么也调不对？ 我建议为每个独立项目单独建一个环境，不要图省事把所有东西塞到一个环境里。环境是轻量级的，多建几个不碍事。
• 硬盘空间报警？ Conda 依赖的缓存文件会越积越多。运行 conda clean --all 清理缓存，能释放不少空间。