第1章 Snakemake 简介与安装

做生信分析的人，谁还没被脚本串烧折磨过？

我刚入行那会儿，手里攒了一堆 Python、R 和 Shell 脚本。每次跑一个批次质控，都得手动调顺序、改路径、检查日志。哪个步骤崩了，还得从头来过。说实话，那会儿我就想要是有个工具能自动管理这些依赖，就能光明正大摸鱼了。

后来遇到了 Snakemake——说白了，它就是专门干这事的工作流管理引擎。你只需要告诉它：输入是什么，输出是什么，中间跑什么命令。剩下的依赖解析、并行调度、失败重跑，它全包了。

Snakemake 是什么

Snakemake 是一个基于 Python 的流程管理工具，核心思想是“规则”（rule）。一条规则定义三样东西：

• 输入文件（input）——比如原始 fastq 数据
• 输出文件（output）——比如质控报告
• 执行命令（shell / run / script）——比如调用 FastQC

Snakemake 自动读取所有规则，构建一个有向无环图（DAG），然后按依赖顺序执行。它还会判断哪些输出已存在、需不需要重新跑。这在批次质控里特别省事：你只要把每个样本的规则写好，它会自动并行处理所有样本。

为什么需要 Snakemake

你可能觉得，Makefile 不也能做类似的事？对，但 Makefile 是给编译用的，处理起生信软件的无穷依赖和奇葩报错，简直灾难。Snakemake 专门为此设计的：

• 天然支持通配符——{sample} 代表样本名，一条规则就能匹配所有样本。
• 集成 Conda 环境——每条规则可以用不同的软件环境，互不干扰。
• 自动失败重试——网络波动导致的下载失败，Snakemake 能自动重跑。
• 可视化 DAG——运行前就能看到流程结构，哪里漏了哪里错了，一目了然。

当然，最爽的还是它所有规则都写在 Snakefile 里，天然可重现。我当年给组里搭了一个批次 RNA-seq 质控流程，换了三个人维护都没出过路径混乱的问题——这要归功于 Snakemake 的强约束。

安装 Snakemake

安装方式很简单，两种主流方法我都用过，各有利弊。

方法一：Conda 安装（推荐）

如果你已经有 Conda（Miniconda/Anaconda），这是最省心的方式：

conda install -c conda-forge -c bioconda snakemake

加上 -c conda-forge 和 -c bioconda 是为了避免版本冲突。我第一次装的时候只用了 bioconda，结果依赖库打了一架……从那以后我每次都用双 channel。

如果你想隔离一个干净的环境：

conda create -n snakemake_env -c conda-forge -c bioconda snakemake
conda activate snakemake_env

方法二：pip 安装

如果你习惯用 pip，也可以：

pip install snakemake

不过要注意，pip 安装不会自动处理系统级的依赖（比如某些 C 库）。我在 CentOS 7 上用 pip 装过一次，启动时就报缺失 libcrypto.so.1.1——最后还是切回了 Conda。所以你如果服务器环境比较干净，可以试试 pip；否则我建议你直接用 Conda。

安装方式	优点	缺点	我个人的选择
Conda	依赖全、环境隔离好	需要先装 Conda	生产环境首选
pip	轻量、不需要 Conda	可能缺系统依赖	快速尝鲜时用

验证安装

装好了？跑几行命令看看能不能正常工作。

snakemake --version

如果输出版本号，比如“7.32.4”，那就成功了一半。再试一个最简单的流程，创建 Snakefile：

rule all:
    output: "done.txt"
    shell:
        "touch done.txt"

然后执行：

snakemake -c1

-c1 表示只用一个核心。正常的话，你会看到 Snakemake 输出步骤日志，最后生成一个 done.txt。你可以检查一下文件是否真的出现了：

ls -l done.txt

如果看到文件，恭喜你——Snakemake 环境已经就绪。

好了，到这一步，你的 Snakemake 已经可以正常工作了。接下来你会用它搭建真正的批次质控流程。

这张图展示的是 Snakemake 管理批次质控的典型结构。左侧输入数据，中间几个规则按依赖关系串起来，最终输出结果。Snakemake 在这里做的事，就是自动推导出这个流程，然后乖乖执行。

好了，环境就绪，概念也清楚了。接下来我们就要动手写真正的 Snakefile，跑一个完整的质控流程。