2. 安装与配置：Snakemake安装、Python环境设置、验证安装

好，咱们开始动手吧。

Snakemake 这玩意，说到底是跑在 Python 上的。所以你要做的第一件事，不是装 Snakemake 本身，而是先把 Python 环境理清楚。我个人习惯，所有生物信息相关的项目，全都用 conda 管理。为什么呢？

因为干净、隔离、不打架。

我见过太多人，系统 Python 里装了一堆包，pip install 一个东西，版本冲突了，然后整个环境崩掉。你想想看，一个生信流程往往要跑几个月，中间环境出问题，那可不是闹着玩的。

2.1 Python 环境管理

先说个最简单的方案——如果你不想折腾，直接用 Miniconda。

安装 Miniconda 之后，创建一个干净的 Python 3.10 环境。我个人偏好 3.10，因为兼容性最好。如果你用 3.12 或 3.13，某些旧版 Snakemake 插件可能会有兼容问题。

conda create -n snakemake_env python=3.10
conda activate snakemake_env

嗯，这里要注意。我习惯把环境名写成 snakemake_env，但你可以随便取。关键是要记住每次跑流程前，先激活这个环境。

装好 conda 后，确认 Python 版本。

python --version
# 输出示例
Python 3.10.12

如果版本对了，我们就继续往下走。

2.2 安装 Snakemake

Snakemake 的安装方式有好几种。最常见的是 pip 和 conda 两种。我个人建议用 pip，因为 pip 的版本更新更快。

但如果你在集群上操作，有时 conda 更方便——它会把一些底层依赖（比如 numpy、scipy）一并管理好。

方法一：pip 安装（推荐）

pip install snakemake

装完之后，你可以加一个参数验证一下版本。

snakemake --version

如果你看到类似 7.32.4 这样的数字，那就对了。

方法二：conda 安装

conda install -c bioconda -c conda-forge snakemake

这个方法的好处是，bioconda 频道会帮你处理很多生信工具依赖。但有个小问题——conda 的依赖解析有时候会很慢，尤其是你的环境已经很大了。

conda install mamba -c conda-forge
mamba install snakemake -c bioconda -c conda-forge

方法三：通过 Bioconda 直接安装

这是最常出现在服务器上的方式。

conda install -c bioconda snakemake=7.32.4

指定版本号是个好习惯。我一般会锁定一个稳定版本，避免团队里其他人装的时候版本不一致导致问题。

下面我整理了一个安装方式对比表，方便你决策。

安装方式	优点	缺点	适用场景
pip install snakemake	安装快，版本新	需手动管理底层依赖	个人电脑、开发环境
conda (bioconda)	依赖全，适合生信	安装慢，解析复杂	服务器、共享环境
mamba + conda	速度快，依赖全	多装一个工具	所有场景（强烈推荐）

2.3 验证安装是否成功

装完别急着关终端。我们先跑几个命令，确认 Snakemake 能正常工作。

第一步，看版本。

snakemake --version

我的输出是 7.32.4。只要你看到数字，说明 pip/conda 安装成功了。

第二步，看帮助文档。

snakemake --help

这个命令会列出一大堆参数。你不用全看完，只要看到输出内容没有报错，就说明主程序能跑起来。

第三步，跑一个最简 Snakefile 来测试。

我一般会在一个临时目录里创建这个文件。

touch Snakefile

然后写入下面内容：

rule all:
    input:
        "test.txt"

rule generate_test:
    output:
        "test.txt"
    shell:
        "echo 'Snakemake is working!' > test.txt"

保存后，在终端执行：

snakemake -j 1

你应该会看到类似下面的输出日志：

Building DAG of jobs...
Using shell: /bin/bash
Provided cores: 1
Rules claiming more threads will be scaled down.
Job stats:
rule               count
all                    1
generate_test          1
total                  2

Select jobs to execute...
[Mon Jan 20 10:00:00 2025]
rule generate_test:
    output: test.txt
    jobid: 1
    reason: Missing output files: test.txt
    wildcards: var1=

[Mon Jan 20 10:00:01 2025]
Finished job 1.
1 of 2 steps (50%) done
Select jobs to execute...
[Mon Jan 20 10:00:01 2025]
localrule all:
    input: test.txt
    jobid: 0
    reason: Input files updated by another job: test.txt
[Mon Jan 20 10:00:01 2025]
Finished job 0.
2 of 2 steps (100%) done

看到 100% done 了吗？那就对了。Snakemake 已经可以正常执行流程了。

最后检查一下生成的文件。

cat test.txt
# 输出
Snakemake is working!

2.4 常见问题与踩坑记录

这里我整理了几个我实际遇到过的问题，提前给你打个预防针。

• 问题 1：snakemake: command not found
  原因：环境没激活，或者 pip 安装到了全局路径但不在 PATH 里。
  解决：先 conda activate snakemake_env，再试一次。
• 问题 2：安装时提示 ERROR: Failed building wheel for xx
  原因：底层 C 扩展编译失败，常见于 numpy、cython。解决方案很简单：pip install numpy cython 先装好这两个，再装 snakemake。
• 问题 3：conda 安装速度极慢
  原因：conda 的依赖解析算法太慢。解决方案：用 mamba 替代 conda。或者换国内镜像源。
• 问题 4：执行 Snakefile 时报 NameError: name 'rule' is not defined
  原因：你写了一个 Python 脚本，但 Snakemake 不认识。Snakefile 必须用 Snakemake 语法，不要在里面写 print() 之类的纯 Python 语句。

下面我用一张图，总结一下安装验证的完整流程。

图里分成了五个阶段：从环境准备，到安装，到版本验证，到用 Snakefile 做干跑测试，最后才是正式的流程执行。每一步都踩稳了，后面才不会出问题。

2.5 小测验：你真的装好了吗？

我自己带新人时，常会让他们做一个小检查。你也可以自己测一下。

1. which snakemake 返回了路径吗？
2. snakemake --version 版本号大于 7.0 吗？
3. 能不能执行一个最简单的 rule all 而不报错？

如果三个问题你都答“是”，那恭喜你，安装配置这一步你已经过关了。