Snakemake批量分子对接流水线构建 - 第1节

Snakemake 简介：从脚本到工作流的进化

大家好，欢迎来到这门课。我是你们这趟 Snakemake 之旅的向导。说实话，在接触 Snakemake 之前，我折腾过不少流程管理工具，比如 Makefile、Nextflow 甚至自己写 Shell 脚本硬扛。每种方式都有它的脾气，但直到用了 Snakemake，我才真正觉得「嗯，这个对路」。

你可能会问：为什么需要工作流管理工具？

举个例子。我最早做分子对接流程时，一个批次几百个小分子，要依次做：结构准备 → 活性位点定义 → 对接 → 打分排序。如果老老实实用 Shell 脚本写 for 循环，流程倒是能跑，但一遇到中途某个分子结构异常、软件崩溃、磁盘写满…… 整个脚本就卡死了。你得手动检查日志、定位断点、修改脚本重新跑。你说痛苦不痛苦？

Snakemake 就是为了解决这类问题而生的。

Snakemake 是什么？

Snakemake 是一个基于 Python 的工作流管理工具。它继承自 GNU Make 的思想，但全面升级了：用 Python 写规则，自动处理并行、依赖、失败重跑、环境隔离和日志聚合。

说白了，你只要告诉它「我想要什么结果」，它就能自动推导出需要执行哪些步骤、按什么顺序跑、哪些步骤可以并行。

为什么叫「Snakemake」？

名字来源于 Python（蟒蛇） + Make（构建工具）。它的设计者 Köster 博士最初是为了解决生物信息学里大量重复的数据处理工作流，后来发现这套思路在计算化学、材料模拟、分子对接这些领域也十分契合。

---

发展历史：从一个学期作业到行业标准

我来帮你梳理几条关键的时间节点：

年份	里程碑	我的个人观察
2012	Johannes Köster 在博士期间发布 Snakemake 第一版	当时只是一个小众工具，知道的人不多
2015	Snakemake 被收录到 Bioconda	安装一下子变得简单，用户开始快速增长
2018	支持集群和云执行（Slurm、LSF、AWS、Google 等）	终于可以从小型流程扩展到大型生产环境
2021	引入 Snakefmt（代码格式化工具）	团队协作时再也不用争论缩进了
2023+	深度集成 Conda 和 Singularity，成为可重复性标准	我所有正式项目现在都要求「一蛇到底」

嗯，从 2012 年到今天，Snakemake 始终保持每周都有 commit 的活力。我个人特别喜欢它的社区氛围——你提 issue，作者或者核心开发者经常 24 小时内就回复，这在开源工具里确实不多见。

---

核心概念：规则、目标与自动推导

Snakemake 有三大核心概念。理解透它们，你就能写出 80% 的流程了。

1. 规则（Rule）

规则是流水线上的一道工序。每个规则定义了：输入文件、输出文件、执行命令。

来看一个最简单的例子：

rule prepare_ligand:
    input:
        "raw/{mol}.sdf"
    output:
        "prepared/{mol}.pdbqt"
    shell:
        "obabel {input} -O {output} --gen3D"

这个规则做的事情很单纯：读一个原始的 SDF 文件，用 Open Babel 转成 PDBQT 格式。但你注意，{mol} 是通配符——它代表文件名里变化的部分。Snakemake 会自动把它匹配到实际文件名。

2. 目标（Target）

目标就是你想最终得到的文件。比如：

rule all:
    input:
        "results/docking_scores.csv"

Snakemake 看到这个目标，会反向追踪：要生成 docking_scores.csv，需要哪些上游文件？再往前推，又需要哪些上游文件？直到把所有依赖都找全。

这个过程叫作「依赖图推导」——它是 Snakemake 最巧妙的设计之一。

3. 通配符与自动并行

假设我们有 100 个小分子需要处理，你不用写 100 条规则 Snakemake 会自动替你把 {mol} 展开成每个小分子的名字。而且，如果它们之间没有数据依赖，Snakemake 会并行执行。

---

典型应用场景：为什么用 Snakemake 做对接？

我做过的对接项目大致可以分为两类：

第一类：简单枚举对接。 比如虚拟筛选一个化合物库，几百几千个配体对同一个靶点。

第二类：复杂多步流程。 比如先做分子动力学模拟采构象 → 用聚类选代表 → 再做柔性对接 → 最后用 MM/GBSA 重新打分。流程有分有合，中间还要处理条件判断。

Snakemake 对两类都应付得不错。我总结过几个特别适合的场景：

• 高通量虚拟筛选：上百个配体 vs 多个靶点，规则可复用，通配符自动展开
• 参数扫描：对接算法有十几个参数组合，自动枚举所有组合并收集结果
• 集成多种对接软件：Autodock Vina、Glide、LeDock 等可以做成不同规则，最后统一打分
• 可重复性要求高的项目：用 Conda 锁定软件版本，用 Singularity 锁定操作系统，发论文时 Reviewer 可以直接复现
• 与生信流程对接：比如先做转录组分析找到靶标，再做分子对接验证，整个流程在同一个 Snakefile 里完成

---

Snakemake 工作流核心逻辑图

下面这张图可以帮你直观理解 Snakemake 的运转方式。它把输入文件、规则、通配符展开和目标推导放到一张图里：

你想想看，传统做法里，我们要手动写循环、手动检查每个小分子的执行状态、手动拼接结果文件…… 而在 Snakemake 里，这些都被自动化了。你写规则时只关注「一个分子应该怎么处理」，Snakemake 帮你处理「所有分子应该按什么顺序、怎么并行、怎么重试」。

---

安装与配置：五分钟上手

好了，理论说完了，我们来点实际的。怎么在你的机器上装上 Snakemake？

我个人推荐优先用 Conda/Mamba 的方式。为什么？因为 Snakemake 的很多高级功能（比如 Conda 环境隔离）需要 Conda 支持，直接用 pip 安装会错过这些特性。

方法一：Conda / Mamba 安装（推荐）

# 创建一个干净的环境，不要装在 base 里
conda create -n snakemake -c conda-forge -c bioconda snakemake

# 激活环境
conda activate snakemake

# 验证安装
snakemake --version

如果你机器上装的是 Mamba（Conda 的 C++ 替代品，快很多）：

mamba create -n snakemake -c conda-forge -c bioconda snakemake
mamba activate snakemake

方法二：pip 安装

如果你只是想快速体验，或者你的环境对 Conda 不友好（比如某些 Docker 容器），可以用 pip：

pip install snakemake

但注意，pip 版本不会自动帮你装 snakemake-executor-plugin-* 这些插件。如果你要在集群上跑，还得额外装：

pip install snakemake-executor-plugin-slurm

方法三：Singularity / Docker 镜像

对生产环境，我一般直接用官方提供的 Singularity 镜像，一次性解决操作系统、软件依赖和 Python 环境问题：

singularity pull docker://snakemake/snakemake:v7.25.0
./snakemake_v7.25.0.sif --version

安装后的快速验证

安装完第一件事，跑一下官方自带的测试：

conda activate snakemake
snakemake --help

如果看到一屏的选项列表，说明安装成功。这时你可以用 snakemake --list 查看内置示例？不，Snakemake 没有内置示例。但你可以随便写一个最简单的 Snakefile 来测试：

# 保存为 Snakefile
rule hello:
    output: "hello.txt"
    shell:
        "echo 'Hello, Snakemake!' > {output}"

然后运行：

snakemake -c1

你会看到 hello.txt 被创建出来，里面写着 "Hello, Snakemake!"。第一次跑通 Snakefile 的那种感觉，嗯，很微妙——从一个空目录到自动生成一个文件，整个过程只用了两行规则。这就是 Snakemake 的魅力所在：用最少的描述，完成最多的工作。

---