Snakemake 安装与环境配置

好了，咱们开始动手吧。Snakemake 说到底是个 Python 工具，所以它的安装其实挺简单的。但简单归简单，环境配不好，后面哭都来不及。

我个人习惯在项目开始前，先把 Python 版本和包管理器定下来。你想想看，Python 版本不对，后面工具链怎么跑得起来？

1. Python 环境要求

Snakemake 官方支持 Python 3.7 及以上版本。但我建议你直接用 Python 3.9 或 3.10，别问为什么，问就是我在项目中遇到过 3.7 下某些依赖库不兼容的坑。

Python 版本	Snakemake 兼容性	个人建议
3.7	可用，但部分新特性不支持	不推荐，除非有历史包袱
3.8	兼容良好	可以，但别用太久
3.9	最佳选择	强烈推荐
3.10+	兼容性好	也很推荐，但注意个别库的兼容性

那怎么方便地管理 Python 版本呢？我建议用 Conda。它不仅能管理 Python，还能隔离开不同的项目环境，避免依赖冲突。

2. 使用 Conda 安装 Snakemake

Conda 是我在生物信息学项目里的首选。说白了，Conda 能帮你把各种乱七八糟的依赖一次性搞定。

2.1 安装 Conda 本身（如果没有的话）

如果你已经装了 Anaconda 或 Miniconda，直接跳过这步。如果没有，去官网下载 Miniconda 就行，轻量够用。

# 下载 Miniconda（Linux 示例）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 安装
bash Miniconda3-latest-Linux-x86_64.sh

# 按提示操作，最后记得 source ~/.bashrc 或者重新登录终端

2.2 创建并激活隔离环境

我建议给每个项目建一个独立的环境。这样就算 A 项目用的是旧版 Snakemake，B 项目用新版，也不会打架。

# 创建一个名叫 snakemake_env 的环境，指定 Python 3.9
conda create -n snakemake_env python=3.9

# 激活环境
conda activate snakemake_env

2.3 安装 Snakemake

环境建好了，直接安装。Conda 会自动处理依赖，省心。

conda install -c bioconda -c conda-forge snakemake

这里加了 -c bioconda 和 -c conda-forge 两个频道。bioconda 是生物信息学专用频道，Snakemake 的主场。conda-forge 是补充，有时能提供更新的版本。

3. 使用 Pip 安装 Snakemake

如果你不想用 Conda，或者项目对轻量化有要求，Pip 也是个选择。不过，我提前说一句：Pip 安装有时会遇到依赖冲突，尤其是涉及到生物信息学底层 C 库的时候。

3.1 创建虚拟环境（推荐）

用 Pip 安装时，我更推荐先用 Python 自带的 venv 隔离环境。

# 创建虚拟环境
python3 -m venv snakemake_venv

# 激活（Linux/Mac）
source snakemake_venv/bin/activate

# 激活（Windows）
# snakemake_venv\Scripts\activate

3.2 安装 Snakemake

pip install snakemake

这就完了？对，就一行。但别高兴太早，我曾经在某个老旧服务器上跑这条命令，结果因为 GCC 版本太低，编译某些依赖包时直接报错。那叫一个崩溃。

所以，如果条件允许，我还是推荐 Conda 路线。省心，真的省心。

4. Snakemake vs Conda vs Pip：怎么选？

安装方式	优点	缺点	适合场景
Conda	依赖管理好，环境隔离强	安装包较大，首次下载稍慢	生物信息学 / 多工具链项目
Pip	轻量，安装快	依赖冲突时有发生	简单项目 / 快速验证
源码编译	能拿到最新开发版	麻烦，依赖手动解决	做 Snakemake 开发或贡献

5. 验证安装是否成功

装完了，怎么知道它行不行？别急，来两步验证。

5.1 检查版本号

snakemake --version

如果看到类似 7.32.4 这样的输出，说明安装成功了。如果报 command not found，嗯，别慌。检查两件事：

• 环境是否激活了？ 看看终端开头有没有 (snakemake_env) 这样的字样。
• 安装是否真完成了？ 重新跑一遍安装命令，看有没有报错。

5.2 运行 Snakemake 自带的测试

我个人喜欢直接跑一个最小工作流来验证。新建一个文件 test.smk，内容如下：

rule all:
    input:
        "test.txt"

rule create_test:
    output:
        "test.txt"
    shell:
        "echo 'Hello Snakemake' > {output}"

然后运行：

snakemake -s test.smk -c1

如果一切正常，你会看到 Snakemake 新建了一个 test.txt，里面写着 "Hello Snakemake"。至此，环境配置完美收官。

安装流程一览

下面这张图总结了整个安装和验证的流程，你可以把它当做速查表。

嗯，图里已经走了一遍完整的流程。从 Python 环境到安装方式选择，再到最后的验证，每一步都很清楚。

安装和环境配置这块儿，其实最怕的是一上来就卡住。当初我有个同事，装完 Snakemake 后直接 --version 显示正确，但一跑工作流就报 ModuleNotFoundError。查了半天，原来是虚拟环境没激活，Snakemake 调用的系统 Python 里根本没有装依赖包。你说冤不冤？

所以，我这里再啰嗦一句：每次运行 Snakemake 前，确认一下当前所在的环境。养成习惯，能省不少 debug 时间。