Snakemake 工作流入门：安装、语法与第一个 Snakefile

好，咱们正式开始动手了。这一章，我带你从零搭建 Snakemake 环境，并写出第一个能跑的工作流。说实话，Snakemake 的语法非常直观，你只要理解了一个核心逻辑——规则（rule）就是一个小任务——剩下的全是细节。

2.1 安装 Snakemake：两种方式，我推荐第二种

安装这件事，不同人有不同习惯。我个人偏好 conda/mamba 来管理环境，因为后面做 ADMET 预处理时，依赖的第三方工具（比如 OpenBabel、RDKit）版本冲突真的让人头大。

方式一：pip 直接安装

pip install snakemake

这种方式最快，但我踩过坑：如果系统里已经装了其他 bioinfo 工具，pip 可能会把依赖搞乱。适合你只是想快速试试语法的场景。

方式二：conda/mamba 创建干净环境（我推荐）

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

或者用 mamba（更快）：

mamba create -n snakemake_env snakemake
mamba activate snakemake_env

验证安装

安装完后，在终端跑一下这个命令：

snakemake --version

如果看到类似 7.32.4 的版本号，那就成了。

2.2 Snakefile 的核心语法：规则（Rule）

Snakemake 的构建块就是 规则。一个规则定义了三样东西：输入（input）、输出（output） 和 要运行的命令（shell 或 run）。

你看，这就是一个最简规则：

rule say_hello:
    output:
        "hello.txt"
    shell:
        "echo 'Hello, Snakemake!' > {output}"

这里面有几个关键点：

• rule 名字（这里是 say_hello）就像给任务起的标签，不能重复。
• output 定义了规则会生成什么文件。
• shell 里写的命令会被 Snakemake 执行，{output} 会自动替换成输出文件的路径。

说白了，Snakemake 就是根据文件的存在与否来决定要不要跑某个规则。如果 hello.txt 已经存在，它就会跳过。

2.3 第一个 Snakefile：从零到一

好，咱们写个真正能跑的。假设我们要从 raw_data.smi 这个 SMILES 文件，通过 OpenBabel 转换成 mol2 格式。我们把这个工作流写进 Snakefile：

rule convert_to_mol2:
    input:
        "data/raw_data.smi"
    output:
        "data/processed/raw_data.mol2"
    shell:
        "obabel {input} -O {output} --gen3D"

在终端里，cd 到 Snakefile 所在目录，然后执行：

snakemake -j 1

-j 1 表示用 1 个 CPU 核心来跑。如果一切顺利，你会在 data/processed/ 下看到生成的 mol2 文件。

2.4 Snakemake 的基本概念：规则、目标和执行

为了让理解更扎实，我把 Snakemake 的核心元素整理成了一张表：

概念	说明	示例
规则 (rule)	定义一个任务单元	rule convert: ...
输入 (input)	该规则依赖的文件	input: "raw.smi"
输出 (output)	该规则要生成的文件	output: "processed.mol2"
shell 命令	实际运行的命令行	shell: "obabel {input} -O {output}"
目标 (target)	Snakemake 决定先构建哪个文件	默认第一个规则的输出
执行 (execution)	Snakemake 自动推导依赖关系并运行	snakemake -j 4

你想想看，Snakemake 本质上就是一个智能调度器。你告诉它想要什么文件，它自己会去找需要的输入文件在哪里，按顺序执行规则。我最初用的时候觉得最神奇的是，如果中间某一步的输入文件没生成，它不会傻等，而是直接报错告诉你“少了啥”。

2.5 多规则工作流：搭建简单处理链

实际项目中，很少只有一个规则。比如 ADMET 预处理常常需要：读取 SMILES → 生成 3D 结构 → 计算分子描述符。我们写个三步骤的工作流：

rule generate_3d:
    input:
        "data/mol.smi"
    output:
        "data/mol_3d.sdf"
    shell:
        "obabel {input} -O {output} --gen3D"

rule calculate_descriptors:
    input:
        "data/mol_3d.sdf"
    output:
        "data/descriptors.csv"
    shell:
        "obabel {input} -O {output} --append descriptors"

当你执行：

snakemake -j 1

Snakemake 会做以下事情：

1. 发现 calculate_descriptors 需要 data/mol_3d.sdf。
2. 检查这个文件是否存在——不存在，于是去找生成它的规则 generate_3d。
3. 按顺序依次执行。

2.6 本章核心流程：Snakemake 工作流逻辑图

我把刚才讲的核心逻辑——输入 → 规则执行 → 输出 → 依赖追踪——画成了一张图，方便你直观理解：

2.7 常见错误与调试技巧

我在第一次带学生搭建 Snakemake 环境时，大家犯的错误基本集中在这几个地方：

• 路径不对：Snakemake 的工作目录是运行命令的目录，不是 Snakefile 所在的目录。我建议用绝对路径或基于项目根目录的相对路径。
• 输出文件格式不匹配：比如你在 shell 里用 obabel 生成 .sdf，但 output 写的是 .xyz，Snakemake 不会检查内容格式——它只认文件名。我就遇到过生成了错误格式然后下游报错，排查了好久才发现是名字写错了。
• 忘记激活 conda 环境：Snakemake 本身可以激活 conda 环境，但如果你直接裸跑命令，系统会找全局的 obabel。很多人因此莫名其妙的报“command not found”。

小结