📚 课程目录第2章环境搭建

第2章：环境搭建——装对工具，少走半年弯路

做物种丰度检测，最怕什么？不是算法选错，也不是参数调崩。我见过太多人，论文都读透了，结果卡在环境搭建上——一装就是两三天，最后还跑不起来。

说白了，工具装不对，后面全是白费劲。今天我就把这几年踩过的坑、试出来的靠谱流程，一次性讲清楚。

2.1 准备工作：先看看你的机器够不够“硬”

别急着敲命令。先搞清楚你的电脑什么配置。我当初刚入行时，用一台8GB内存的笔记本跑Kraken2，等了四个小时还没出结果——后来才发现，人家官方建议至少32GB。

工具	最低内存	推荐内存	存储空间	备注
QIIME 2	8 GB	16 GB+	50 GB+	依赖较多，建议用conda
MetaPhlAn 4	8 GB	16 GB+	30 GB+	需要下载marker数据库
Kraken 2	16 GB	32 GB+	100 GB+	数据库构建非常吃内存

个人建议：如果你做16S扩增子，16GB勉强够用。但做宏基因组，尤其要建Kraken2数据库，至少准备64GB。不想折腾服务器？云主机按需付费也是个办法，跑完就释放，成本可控。

2.2 Conda：环境隔离的“防护罩”

我见过最惨的案例，是有人直接在base环境下一股脑装了几十个包，最后升级个numpy，整个QIIME 2崩溃了。你想想看，不同工具依赖的Python版本、库版本可能完全冲突——这时候就需要conda环境隔离。

装miniconda还是anaconda？我习惯用miniconda，轻量，够用。

# 下载并安装Miniconda（Linux为例）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# 配置镜像源（国内用户强烈建议）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

小技巧：我习惯给每个大工具建独立环境。比如qiime2-2024.02、metaphlan4、kraken2各一个。互不干扰，哪天出问题了，删掉重来也不心疼。

2.3 QIIME 2：扩增子分析的“瑞士军刀”

QIIME 2现在迭代很快，每个版本都有不同的依赖。我的经验是：尽量用最新稳定版，但别追“抢先版”。

为什么我会这么说？ 有一回我追了个rc版，结果有个插件死活装不上，查了两天issue才发现是Python版本锁死了。从那以后，我只用正式release。

# 创建QIIME 2环境（以2024.2版本为例）
conda create -n qiime2-2024.2 --file https://data.qiime2.org/distro/core/qiime2-2024.2-py38-linux-conda.yml

# 激活环境
conda activate qiime2-2024.2

# 验证安装
qiime --help

# 安装常用插件（按需选择）
conda install -c conda-forge -c bioconda q2-feature-classifier q2-phylogeny

注意：QIIME 2的插件生态很庞大。别一股脑全装。我建议先用官方“core distribution”，需要什么功能再加。否则环境容易变成“一锅粥”——我曾经一个环境装了50多个插件，后来想升级一个，整个都炸了。

2.4 MetaPhlAn 4：宏基因组物种注释的“快枪手”

MetaPhlAn靠的是它那个精选的marker基因数据库。装起来不算复杂，但数据库下载是个体力活。我第一次装的时候，没留意网络状况，下载到99%断了……嗯，从那以后我都会先检查网速和磁盘空间。

个人习惯：先单独下载数据库压缩包，解压到指定目录，再配置环境变量。不依赖安装脚本自动下载——这样即使一次没成功，下次也能续传。

# 创建并激活环境
conda create -n metaphlan4 python=3.9
conda activate metaphlan4

# 安装MetaPhlAn（直接通过pip或conda均可）
conda install -c bioconda metaphlan

# 手动下载数据库（推荐）
# 先去官网找到最新版数据库链接，再用wget下载
wget https://zenodo.org/record/.../metaphlan_database_v31.tar.gz
tar -xzf metaphlan_database_v31.tar.gz -C /path/to/db/

# 设置数据库路径
export METAPHLAN_DB=/path/to/db/metaphlan_database

# 验证安装
metaphlan --version
metaphlan --help | head -20

避坑指南：我曾经因为数据库路径配置错了，跑出来的结果全是“unclassified”。查了两天才发现是环境变量没生效。后来我把这个配置写进了~/.bashrc，省心多了。

关键配置：MetaPhlAn的--stat_avg参数决定丰度估计方式。默认用“tpm”，但我做临床样本时习惯配合“wgeom_mean”做加权几何平均，对低丰度物种更敏感。这个在参数优化章节会细讲。

2.5 Kraken 2：宏基因组物种分类的“重武器”

Kraken 2跑起来其实不算慢，但构建它的数据库……真是个“硬骨头”。默认的PlusPF数据库将近100GB，解压后更大。你别想着一次性搞定，分步走会轻松很多。

# 创建环境
conda create -n kraken2
conda activate kraken2

# 安装
conda install -c bioconda kraken2

# 构建数据库（以PlusPF为例，耗时久，内存要求高）
# 标准库构建方法（只包含细菌、古菌、病毒）
kraken2-build --standard --threads 8 --db /path/to/kraken2_db

# 如果你只想快速测试，可以下载预构建的微型库
wget https://genome-idx.s3.amazonaws.com/kraken/k2_minusb_20220926.tar.gz
tar -xzf k2_minusb_20220926.tar.gz -C /path/to/kraken2_db

# 验证
kraken2 --version
kraken2-build --version

内存警告：构建标准数据库时，一定要提前确认内存够。我有个同事用16GB内存硬跑，结果系统直接OOM（内存溢出）了。建议至少64GB。如果本地资源不够，可以考虑用预构建数据库，或者用aws、阿里云的云服务器临时开一台高配机器。

2.6 避坑总结：我这些年遇到的“环境杀手”

Python版本冲突：QIIME 2特定版本只支持3.8，MetaPhlAn可能需要3.9，别混在同一个环境里。
数据库路径混乱：MetaPhlAn和Kraken2都依赖外部数据库。我建议统一用软链接或环境变量管理，不要散落在各个目录。
磁盘空间不足：Kraken2数据库快100GB了，QIIME 2的参考序列也不小。装之前先看看你的home目录还有多少空间。
网络中断：下载大文件时，我习惯用screen或tmux挂后台，再配合断点续传工具（如aria2c）。
环境变量不持久化：我把常用的数据库路径都写进了~/.bashrc或~/.condarc，避免每次都要手动export。

2.7 环境搭建验证：一张“体检单”

装完了别急着跑数据。我先跑个简单命令，确认每个工具都能正常工作：

# 快速验证三件套
conda activate qiime2-2024.2
qiime info --version

conda activate metaphlan4
metaphlan --version

conda activate kraken2
kraken2 --version

验证清单（核对完再往前走）：

每个工具都能正常打印版本号或帮助信息
数据库路径配置正确，不存在“找不到数据库”的报错
用官方示例数据跑一次测试流程（比如QIIME 2的“moving pictures”教程）
确认内存和磁盘余量充足（至少还有30%的富余）

环境搭建这块，一开始确实有点繁琐。但你别急，慢慢来。我当初也是一遍遍装、一遍遍调试，才找到这套最稳的流程。以后你跑熟了，半小时就能搞定全部配置。