📚 课程目录第2章安装与配置

2. 安装与配置：Snakemake的安装与起步

好了，咱们正式开始动手。这一章我们先把 Snakemake 跑起来。

很多新手问我：“装个生信工具而已，有啥好讲的？” 嗯，这里面的坑其实不少。我最初就因为在错误的环境里装了旧版本，折腾了一整天。所以咱们先把环境搭好，后面才能走得顺。

2.1 安装方式的选择：conda vs pip

Snakemake 的安装路径主要有两条：conda 和 pip。我个人更推荐 conda 方式。为什么？因为 Snakemake 依赖的很多底层库（比如 graphviz、pandas、networkx），用 pip 装有时候会缺系统级的库文件，报一些奇奇怪怪的错误。

你可以根据你的实际情况来选择：

特点	conda 方式	pip 方式
依赖管理	自动处理系统级库	只处理 Python 依赖
环境隔离	原生支持，推荐	依赖 virtualenv
生信生态	bioconda 里有大量现成包	需要自己编译
适用场景	新手首选，团队协作	已有纯 Python 环境

2.2 conda 环境安装（推荐）

先说重点：永远不要在 base 环境里直接装。你想想看，每个项目对 Snakemake 的版本要求不一样，混在一起迟早出事。我见过同事把 base 环境搞崩，最后不得不重装 Miniconda 的血泪教训。

正确做法是创建一个独立环境：

conda create -n snake_env python=3.9
conda activate snake_env

环境激活后，再装 Snakemake：

conda install -c conda-forge -c bioconda snakemake

这里有两个频道：conda-forge 和 bioconda。bioconda 是生信软件的主战场，Snakemake 本身属于通用工具，所以也要从 conda-forge 获取一些基础依赖。

小技巧： 如果网速慢，可以换个国内镜像。我个人习惯用清华源，在 ~/.condarc 里配置一下，下载速度能快好几倍。

2.3 pip 安装方式

如果你确实只想要一个轻量级的安装，pip 也能搞定。但你要自己保证前置的系统库齐全。

pip install snakemake

嗯，就这么一行。但实际跑起来之后，你可能会遇到 graphviz 未安装的报错。这时候需要额外装：

# Ubuntu/Debian
sudo apt-get install graphviz

# macOS
brew install graphviz

然后是 Python 的绑定库：

pip install graphviz

我曾经碰到过： 用 pip 装完后，敲蛇 make 命令直接报 ModuleNotFoundError: No module named 'snakemake'。后来发现是因为系统里同时有 Python 2 和 Python 3，pip 默认装到了 2 下面。所以安装前一定确认一下你的 pip 绑定了哪个 Python。

2.4 Python 环境要求

Snakemake 对 Python 版本有要求。目前主流的版本是 Python 3.7 到 3.11 都支持。我个人建议用 Python 3.9 或 3.10，这两个版本稳定，而且社区支持最好。

为什么不能太老或太新？太老了（比如 Python 3.6）有些新特性用不了；太新了（比如 Python 3.12）有些依赖库还没适配。你想想看，生信工具链的更新速度通常比 Python 官方慢半拍，稳妥点没坏处。

确认版本的方法很简单：

python --version
conda info --envs  # 看看有没有冲突的环境

2.5 验证安装

装完之后，咱们跑一个最简单的命令来验证一下：

snakemake --version
snakemake --help

如果能看到版本号，说明安装成功了。我一般还会跑一下 snakemake --help，看看命令列表是不是正常显示。如果这里报错，大概率是依赖有问题，需要回头再检查一下。

快速验证：
创建一个空目录，然后运行：

snakemake -n snake_env

应该会输出 “Nothing to be done.” 这样的信息。这表示 Snakemake 能正常启动，只是没有 Snakefile 让它干活。

2.6 配置文件初探

Snakemake 的配置主要分两种：流程内配置和外部配置文件。

先说流程内配置。它写在 Snakefile 里，用 Python 字典的格式：

# Snakefile 片段
config = {
    "input_dir": "data/raw",
    "output_dir": "results",
    "threads": 8,
    "memory": "16GB"
}

然后在规则里通过 config["input_dir"] 来引用。这种方式的优点是简单直接，小流程用起来很方便。

外部配置文件则更灵活。它通常是一个 YAML 文件，比如 config.yaml：

# config.yaml
samples: ["sample_A", "sample_B", "sample_C"]
fastq_dir: /data/fastq
reference: /data/reference/genome.fasta
trim_params:
    min_length: 36
    max_length: 150

然后在 Snakefile 里加载它：

configfile: "config.yaml"

我个人更推荐用外部配置文件。为什么？因为等你把流程分享给同事的时候，他们只需要改这个 YAML 文件，不用动 Snakefile 本身。你想想看，是不是既安全又省事？

配置方式	优点	缺点
流程内配置	简单，小流程首选	修改需要编辑 Snakefile
外部 YAML	配置与代码分离，便于共享	多了一个文件管理
命令行传参	临时覆盖，灵活性最高	参数多了记不住

我的习惯： 先在 Snakefile 里用 configfile: "config.yaml" 加载默认配置。对于需要临时调整的参数，通过命令行 snakemake --config threads=4 覆盖。这样既保留默认值，又有灵活的调整空间。

2.7 本章小结：安装配置实操路线图

下面这张图可以帮你理清整个安装配置的流程。每次我教新人的时候，都会拿这张图让他们先看一遍，再动手操作。

照着这张图一步步走，基本上不会出大错。如果某个环节卡住了，回头看看那些红色或橙色的提示框，那都是我踩过的坑。