环境搭建与依赖管理

说到 RNA-seq 流程搭建，环境管理是绕不开的第一关。我自己刚入行那会儿，装软件全靠网上的零散教程，conda 环境都没听说过，结果版本冲突折腾了整整两天。后来我养成了一个习惯 —— 每个项目单独建一个干净环境，再配合集群的模块加载，基本没出过大毛病。下面我就把这几年的经验梳理出来，你照着做能少踩不少坑。

为什么环境管理这么重要？

一个典型的 RNA-seq 流程会涉及 10–20 个工具：质量控制用 FastQC、Trimmomatic，比对用 STAR、HISAT2，定量用 featureCounts、salmon，差异表达用 DESeq2、edgeR……每个工具又有自己的依赖库，比如 STAR 依赖 GCC、zlib，DESeq2 依赖 R 的特定版本和 Bioconductor 包。这些依赖就像连锁积木，抽掉一块就全塌了。

说白了，环境管理的核心就是两个目标：隔离 和 可复现。隔离让不同项目互不干扰；可复现保证你下周、下个月、换台机器还能跑出同样的结果。

Conda 环境 —— 你的第一个沙盒

Conda 是我最常用的包管理器。它不光管 Python 包，还能管 R、C 工具链、生物信息软件，跨平台支持特别好。

创建和激活环境

conda create -n rnaseq_pipeline python=3.8
conda activate rnaseq_pipeline

环境名我习惯用项目名+功能缩写，比如 atacseq_qc、rnaseq_quant。别用太笼统的名字如 test，过几天你自己都忘它是干嘛的。

安装核心工具

conda install -c bioconda -c conda-forge \
  fastqc=0.11.9 \
  trimmomatic=0.39 \
  star=2.7.10a \
  subread=2.0.3 \
  salmon=1.9.0

注意我加了版本号 =0.11.9。为什么不装最新版？因为我遇到过某个新版兼容性问题，导致比对率下降，最后用老版本才解决问题。锁定版本能让流程更稳定。

导出和恢复环境

conda env export > environment.yml
# 以后重建：
conda env create -f environment.yml

不过 conda env export 会列出所有包的具体版本和来源，跨平台可能失败。我一般手动写精简版 environment.yml，只写关键依赖。

name: rnaseq_pipeline
channels:
  - bioconda
  - conda-forge
  - defaults
dependencies:
  - python=3.8
  - fastqc=0.11.9
  - star=2.7.10a
  - subread=2.0.3
  - r-base=4.2
  - r-decisiontree  # 通过 conda 装的 R 包

模块加载 —— HPC 集群的玩法

在超算或实验室集群上，管理员通常用 module 管理系统软件。你不会在每个用户目录下装一遍 GCC 或 CUDA，而是通过 module load 加载共享版本。

module load gcc/9.3.0
module load cuda/11.0
module load samtools/1.15

模块环境和 Conda 环境能共存吗？能，但是有顺序讲究。我的做法是：先加载模块，再激活 conda 环境。因为 Conda 有时会覆盖系统路径，先加载模块能避免冲突。

# 在 SLURM 提交脚本中的推荐写法：
module purge
module load gcc/9.3.0
module load samtools/1.15
conda activate rnaseq_pipeline

版本冲突排查 —— 最头疼的事

你可能会遇到这样的报错：

ImportError: libstdc++.so.6: version `GLIBCXX_3.4.29' not found

或者：

Error: package ‘dplyr’ was installed before R 4.0.0: please re-install it

这些基本是依赖版本不匹配导致的。怎么定位？我一般按以下步骤来。

第一步：列出当前环境的所有包

conda list
# 或者只看某个包：
conda list | grep star

如果是 R 包，在 conda 环境里跑 R 然后 installed.packages()。

第二步：检查冲突

conda activate rnaseq_pipeline
conda install --dry-run star=2.7.10a
# 如果提示 “unsatisfiable constraints”，就是版本冲突了

Conda 有时很慢。我强烈推荐它的好兄弟 Mamba，用 C++ 重写了依赖解析，快得多。

conda install mamba -c conda-forge
mamba install -c bioconda star=2.7.10a

第三步：隔离排查

如果你实在查不出原因，干脆新建一个干净环境，只装当前流程必须的最少工具。然后逐个加入其他包，观察哪一步报错。这方法笨但有效。我去年排查一个 sortmerna 和 bowtie2 的冲突，就是在第五次重装时才定位到它们都依赖了不同版本的 libhts。

实战：搭建一个稳定的 RNA-seq 环境

下面是我经常用的版本组合，已经经过多个项目验证，兼容性较好。

图上这条虚线就是从冲突排查跳回到 Conda 环境的回路。实际排查时你可能要循环跑好几轮才能把环境调稳。但相信我，前期花半天把环境锁定好，后续跑几百个样品都不会出幺蛾子。

常见报错与应对速查