1. Snakemake 简介与安装

1.1 Snakemake 是什么？

简单来说，Snakemake 是一个基于 Python 的工作流管理工具。它专门用来处理那些步骤多、依赖乱、数据量大的分析流程。在药物分子数据预处理里，我们经常要搞“下载→清洗→标准化→特征提取→格式转换”这一套，每一环都可能有几十个文件，人工一个一个跑，既累又容易出错。Snakemake 就是替你把这一切自动串起来的那个“导演”。

我个人觉得，Snakemake 最大的魅力在于“声明式”规则。你不需要写一坨脚本去判断哪个文件是否生成、什么时候该跑下一步；你只需要定义好 规则，告诉它输入是什么、输出是什么、用哪个 shell 命令或 Python 脚本来干活，剩下的依赖解析、并行调度、失败重试，Snakemake 全帮你搞定。说白了，它就是把你脑袋里的“流程图”变成可执行代码的神器。

Snakemake 的核心理念其实非常直白：基于规则（rule）的有向无环图（DAG）执行。你定义一堆规则，每个规则声明输入文件和输出文件，Snakemake 自动分析各个规则之间的数据依赖关系，构建出 DAG，然后从最下游的输出一路回溯，按需执行所有上游规则。它会自动跳过那些已经生成且未过期的文件，大大节省重复计算的时间。

下面这张图能帮你快速建立整体印象：

1.2 安装 Snakemake

安装方式有好几种，我推荐你用 Conda 或 pip 安装，因为这两者都能自动处理好 Python 依赖。如果你搞药物分子数据，很可能已经在用 Conda 管理环境了。

1.2.1 通过 Conda 安装（推荐）

Conda 安装最稳妥。我个人习惯给每个项目建独立环境，避免包冲突。

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

解释一下： -c conda-forge -c bioconda 指定两个渠道，conda-forge 是通用包仓库，bioconda 是生物信息学的仓库，Snakemake 的两个源都有，但 bioconda 版本通常更新更快。如果你只需要基础功能，conda-forge 就够了。

1.2.2 通过 pip 安装

如果你已经有一个 Python 环境且不想装 Conda，pip 也能装。不过要注意，Snakemake 有些底层依赖（比如 graphviz 绘图）可能需要系统库。

pip install snakemake

嗯，这里要提醒一下：如果只用 pip，建议先装好 graphviz 和 libcurl。不然跑 snakemake --dag 可视化的时候会报错。不过大部分情况下，pip 装的也能正常干活。

1.2.3 其他安装方式

除了上面两种，还有 Linux 系统包管理器（如 apt install snakemake），但版本通常比较老。还有直接从 GitHub 源码安装的方式，但那更适合开发者。对于咱们做药物分子预处理的，个人觉得 conda 或 pip 就足够了。

1.3 验证安装

装好后，第一件事就是确认它能跑。打开终端，激活环境（如果用 conda 的话），执行：

snakemake --version

能看到类似 7.32.4 的输出，就说明安装成功了。

接下来做个最简单的测试。创建一个空目录，在里面放一个 Snakefile 文件，内容就写一个空规则：

# Snakefile
rule all:
    input:
        "dummy.txt"

然后运行：

snakemake -n

-n 是 dry-run 模式，只打印计划不真执行。如果它没有报错，并且显示了类似 Job stats: count (1) 的信息，说明 Snakemake 能正确解析 Snakefile。这就代表你的基本环境是没问题的。

为什么非要跑一个 dry-run？嗯，因为我遇到过有人装完 snakemake 后 ——version 能出来，但一跑真实工作流就报错，最后发现是 graphviz 没装。所以建议你 至少做一次 dry-run，确认解析功能正常。

1.4 安装后快速上手建议

到这里，Snakemake 已经能用了。但我个人经验是，先别急着写复杂流程，用几个小规则找找手感。比如写一个“把 CSV 转成 TSV”的规则，再用 snakemake --dag 看一下依赖图——你会直观感受到“声明式”的美妙。

snakemake --dag | dot -Tpdf > dag.pdf