第二章 环境搭建：安装GATK、Java及相关工具
工欲善其事，必先利其器。做变异检测质控，第一步就是把环境搭利索了。
我记得刚开始带项目时，组里有个同事装GATK装了三天没跑通，后来发现是Java版本不对。这种坑，咱们今天一次性填平。
2.1 整明白我们需要什么
别急着下载。先搞清楚我们的工具链长什么样。我习惯画个简单的依赖关系图，这样脑子清楚。
下面这张图，概括了环境搭建的核心组件和它们之间的关系：
说白了，GATK 是用 Java 写的。Java 版本不对，GATK 直接罢工。我见过有人拿 Java 8 硬跑 GATK4，怪得很，有些工具能跑，有些就报错。所以，先把 Java 搞稳。
2.2 安装 Java
GATK 4.x 官方推荐 Java 8 或 Java 11。我个人建议用 Java 11，性能更好，而且未来兼容性也强。
检查系统是否已安装 Java：
java -version如果显示「command not found」，那就是没装。如果版本太低，比如 Java 7 或更老，建议卸载重装。
安装步骤（以 Ubuntu 20.04 为例）：
- 更新包索引：
sudo apt update - 安装 OpenJDK 11：
sudo apt install openjdk-11-jdk -y - 验证安装：
正确输出应包含类似java -versionopenjdk version "11.0.18"的信息。 - 设置 JAVA_HOME 环境变量（重要！）：
很多工具会读取
JAVA_HOME。不设的话，GATK 可能找不到 Java。编辑~/.bashrc或~/.zshrc，添加：
然后执行export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64 export PATH=$JAVA_HOME/bin:$PATHsource ~/.bashrc使其生效。
sudo update-alternatives --config java 切换默认版本。
2.3 下载与配置 GATK
GATK 的官方发布页面在 Broad Institute 的 GitHub 上。下载方式有两种：
- 方式一：直接下载预编译 jar 包（推荐）
- 方式二：从源码编译（不推荐，耗时且容易出依赖问题）
我每次都是直接下载 jar。方法如下：
- 获取下载链接：
访问 GATK 官方 GitHub Releases 页面，找到最新稳定版（比如 4.4.0.0）。复制
gatk-4.4.0.0.zip的链接。 - 用 wget 下载到服务器：
wget https://github.com/broadinstitute/gatk/releases/download/4.4.0.0/gatk-4.4.0.0.zip - 解压：
unzip gatk-4.4.0.0.zip cd gatk-4.4.0.0 - 验证安装：
应该能看到各个模块的列表。./gatk --help
gatk 可执行脚本，它会自动调用 Java 并设置类路径。所以后续运行，只需要 ./gatk 工具名 就行。
2.4 安装辅助工具
GATK 不是孤岛。处理 BAM/SAM/CRAM 文件，需要 samtools；处理 VCF 文件，需要 bcftools。我建议一次性装齐。
安装 samtools 和 bcftools：
# Ubuntu / Debian
sudo apt install samtools bcftools -y
# macOS (Homebrew)
brew install samtools bcftools验证：
samtools --version
bcftools --version另外，Picard 工具集现在大部分功能已经集成到 GATK 里了，但如果你需要单独的 Picard（比如处理标记重复的旧版本流程），可以单独下载：
wget https://github.com/broadinstitute/picard/releases/download/2.27.5/picard.jar
java -jar picard.jar -hPATH 环境变量里，或者在 ~/.local/bin 下做个软链接。这样后续写脚本时，直接输工具名就行，不用带全路径。
2.5 环境验证与常见问题
搭完环境，别急着跑数据。先跑个最小的测试，确认所有组件能正常协作。
我一般用 GATK 自带的测试数据：
# 运行一个简单的 PrintReads 测试
./gatk PrintReads \
-I src/test/resources/NA12878.chr17_69k_70k.dictFix.bam \
-O test_output.bam
# 如果没报错，说明 GATK 和 Java 都正常
# 再用 samtools 看看输出文件
samtools view test_output.bam | head -5常见错误及对策：
| 错误信息 | 原因 | 解决办法 |
|---|---|---|
Exception in thread "main" java.lang.UnsupportedClassVersionError |
Java 版本太低 | 升级到 Java 11 |
Cannot run program "java" |
JAVA_HOME 未设置或设置错误 | 检查 echo $JAVA_HOME，重新设置环境变量 |
samtools: command not found |
samtools 未安装或不在 PATH 中 | 用 which samtools 检查，重新安装或添加路径 |
OutOfMemoryError |
分配给 Java 堆内存不足 | 增大内存：设置 export GATK_JAVA_OPTS="-Xmx16g" |
GATK_JAVA_OPTS="-Xmx16g" 来控制。不要设得超过物理内存的 80%，否则容易导致系统使用交换空间，反而更慢。
2.6 快速检查清单
环境搭好后，我习惯用这个清单快速过一遍：
- Java 版本：
java -version→ 显示 11.x 或 8.x - JAVA_HOME：
echo $JAVA_HOME→ 指向正确的 JDK 路径 - GATK 可执行：
./gatk --list→ 显示工具列表 - samtools：
samtools --version→ 正常显示版本 - bcftools：
bcftools --version→ 正常显示版本 - 磁盘空间：
df -h→ 确保有足够空间处理 BAM/VCF 文件（每个样本至少预留 50G）
嗯，整个环境搭建流程就是这样。别嫌麻烦，这一步做扎实了，后面几十章的实战才能跑得顺。我见过太多人花两天装环境，结果因为 Java 版本不对，所有分析都得重来。所以，稳一点，不亏。