📚 课程目录第4章 Conda环境管理与软件安装

第4章 Conda环境管理与软件安装

生物信息学最让人头疼的事，我猜就是装软件了。

你想想看，一个项目下来，BWA要某个版本，GATK要Java 8，Python脚本又要3.7，系统自带的Python可能是3.10。手动搞？我试过一两次，光解决依赖冲突就能耗掉半天。后来我彻底转向Conda，一个命令建一个独立环境，干干净净。

4.1 为什么选Conda？

Conda不是唯一的选择，但我个人觉得它最省心。尤其当你需要同时管理R、Python、C++编译的二进制工具时，Conda的包管理器能把它们都捏到一起。

特性	Conda	pip + virtualenv	手动编译
跨语言包	支持（Python/R/C/Java）	仅Python	需要自己折腾
二进制分发	预编译，即装即用	需要编译工具链	手动编译
环境隔离	完整隔离	隔离但依赖系统库	全局安装
版本回退	轻松	麻烦	重装

说白了，Conda就是给生物信息学量身定做的。我早期项目里用pip装htslib，结果系统缺zlib，排错排了两天……后来全换成Conda，五分钟搞定。

4.2 安装Miniconda

不建议装完整的Anaconda，太大。Miniconda就够用。

# Linux x86_64
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b -p ~/miniconda3
~/miniconda3/bin/conda init

注意：-b 是无交互安装，-p 指定路径。安装完成后重新登录shell，或者 source ~/.bashrc。

小经验：我个人习惯把Conda装在/opt/conda或者/tools下，方便多用户共享。但如果你只有一个人用，放home目录最省事。

4.3 配置国内镜像源

不配镜像？下载速度会让你怀疑人生。我曾经等一个GATK安装包等了半小时，后来换成清华源，十几秒就完事。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

4.4 创建独立环境

每个项目一个环境，这是铁律。我见过太多人所有包塞在base里，升级一个包崩掉另一个，最后只能重装。

# 创建名为bwa_gatk的环境，指定Python 3.9
conda create -n bwa_gatk python=3.9

# 激活环境
conda activate bwa_gatk

# 退出环境
conda deactivate

4.5 安装BWA和GATK

BWA可以直接从conda-forge装。GATK有点特殊，它需要Java 8，且官方推荐用bioconda渠道。

conda activate bwa_gatk

# 安装BWA（版本0.7.17）
conda install -c bioconda bwa=0.7.17

# 安装GATK4（版本4.2.6.1）
conda install -c bioconda gatk4=4.2.6.1

# 验证安装
bwa 2>&1 | head -5
gatk --version

为什么指定版本？ 我在生产环境吃过亏：默认装最新版，结果BWA新版改了索引格式，旧版bwakit不兼容，跑了一半报错。所以，锁定版本号是保命操作。

曾经踩过的坑：GATK4依赖Java 8，如果系统默认Java版本太高（比如Java 11），会报Unsupported major.minor version。我那时花了一小时排查，最后发现Conda其实会自动拉Java 8的依赖，但如果你在激活环境之前已经设了JAVA_HOME，环境变量会冲突。解决方案：在激活环境后重新设置JAVA_HOME指向Conda内的Java：

export JAVA_HOME=$(dirname $(dirname $(which java)))

4.6 环境清单与导出

项目交付或换机器时，环境复现是关键。我会把环境导出为YAML文件，放在项目根目录。

# 导出当前环境的所有包（含版本）
conda env export -n bwa_gatk > environment.yaml

# 从YAML重建一模一样的环境
conda env create -f environment.yaml

但要注意：conda env export会带上系统特定的依赖（比如linux-64的包），跨平台可能不兼容。我建议用--from-history参数，只记录你手动安装的包：

conda env export -n bwa_gatk --from-history > environment_minimal.yaml

这样别人在macOS或Windows上也能直接建环境。

4.7 常用管理命令速查

操作	命令
列出所有环境	`conda env list`
删除环境	`conda remove -n bwa_gatk --all`
克隆环境	`conda create -n bwa_gatk_v2 --clone bwa_gatk`
更新某个包	`conda update gatk4`
搜索可用版本	`conda search bwa`
清理缓存	`conda clean -a`

# 快速清理，释放空间（Conda缓存经常占几个G）
conda clean -afy

4.8 环境结构可视化

下面这个图是我自己画的环境管理流程，每次带新人我都贴出来。

4.9 常见问题与避坑

安装包失败：先检查网络，再检查渠道顺序。我遇到过bioconda和conda-forge顺序反了，导致旧版包被覆盖。建议bioconda放在最前面。
环境创建卡住：用conda clean -i清理索引缓存再试。如果仍然慢，手动指定--no-channel-priority跳过解析。
解压错误：磁盘空间不足。用df -h检查，Conda临时目录默认在/tmp，如果/tmp空间小，可以设置TMPDIR到有足够空间的目录。

# 设置临时目录到大数据盘
export TMPDIR=/data/tmp
conda install -c bioconda bwa

我的实战建议：
每个项目建立一个独立的 project_root/environment.yaml，连带README写清楚创建命令。
使用 conda list --revisions 可以查看历史操作，万一手残删了包，可以 conda install --revision N 回退。
Conda 环境可以放在项目目录下：conda create -p ./env，这样环境跟项目走，换机器直接删掉重建。