第一篇已经建立 conda-lab 环境,并跑通了只依赖 Python 自带功能的序列统计脚本。接下来,我们把手写字符串升级为真正的 FASTA 文件,并安装 Biopython 读取它。这个小变化会引出新手最容易混淆的三个问题:软件包从哪里来,版本要指定到多细,为什么 Conda 与 pip 不能随意交替使用。
本文仍然使用同一个环境和项目目录。未读第一篇也可以跟着做,但请先确认 conda --version 有输出,并创建一个包含 Python 3.11 的独立环境。我们只做两条人工序列的统计,不涉及真实样本结论;示例规模很小,目的是把安装和验证的步骤看清楚。

一、渠道像软件仓库,环境像收货地址
安装软件时,环境决定“装到哪里”,渠道决定“从哪里取”。包名与版本决定“要什么”。三个维度缺一不可。只记住一句 conda install,却没有确认当前环境和来源,容易在机器上留下多套不同软件,等到运行报错时又不知道该检查哪一套。
先检查现状,再做变更。下面几行都用于查看,不会安装新软件。配置输出中可能包含组织内部地址,向他人求助时应先清理不适合公开的内容。
conda info --envs
conda config --show channels
conda config --show channel_priority
conda list -n conda-lab --show-channel-urls
conda-forge 是社区维护的渠道;Bioconda 面向生物信息学软件。渠道并不是越多越好,同名包可能有不同构建方式和依赖约束。混合来源会增加排查成本。可以先为一个小项目明确渠道策略,再按工具官方要求增加必要来源,不要遇到安装失败就不断往配置里追加地址。
这里使用命令级的 --override-channels,让本次求解只考虑命令中指定的渠道;它不会把你的全局配置永久改成这套设置。-c 的先后顺序也有意义,结合严格优先级可以避免低优先级渠道的同名包随意参与选择。具体解释见 Conda 渠道管理文档。
二、先看安装计划,再真正执行
本系列用 Biopython 1.85 作为教学依赖,选择固定版本是为了让操作更可追踪,不是在宣称它是今天的最新版。若你的平台没有相应构建,应先核对平台与可用版本,再决定调整,不能把所有问题都归咎于网络慢。
conda search --override-channels -c conda-forge "biopython=1.85"
conda install -n conda-lab --override-channels -c conda-forge --strict-channel-priority biopython=1.85 --dry-run
conda install -n conda-lab --override-channels -c conda-forge --strict-channel-priority biopython=1.85
第二行是预演,会列出计划但不执行安装事务;第三行才是真正安装。阅读计划时重点看三件事:是否指向目标环境,除了 Biopython 还准备添加哪些依赖,是否要升级或降级已有软件。一个包带来多个依赖很正常,但如果连项目核心版本都要改,就应该先停下来理解原因。选项定义可查 conda install 文档。
在已有项目上试装新工具,最好先保留环境清单;若只是探索,还可以新建一个试验环境。不要把工作环境当作无限试错的容器。对于初学者,少量相互独立、用途明确的环境,通常比一个积累了几十种用途的大环境更好理解。
安装结束后,不要急着运行正式数据,先检查导入路径和版本。下面的 Bio 是 Python 导入模块名称,biopython 是安装包名,二者并不相同。这也是看到导入错误后不能机械地把模块名复制到安装命令里的原因。
conda run -n conda-lab python -c "import Bio; print(Bio.__version__); print(Bio.__file__)"
正常情况下应显示 1.85,以及目标环境内的模块路径。如果显示另一个版本,先调查解释器与模块位置,不要立即重复安装。读者如果主动换用了其他版本,版本输出当然也会变化,应把变化写进自己的项目说明。
三、用一个能手工核对的 FASTA 文件验收
在第一篇的 conda-lab-project 目录中,新建 demo.fa,把下面内容原样保存。第一列的 > 表示序列标题,每条标题后面紧跟对应的序列。两条序列都只含 A、C、G、T,因此本例不用讨论模糊碱基如何处理。
>seq_A
ACGTTGCA
>seq_B
GGCCAA
再创建 summarize_fasta.py。文件读取、异常处理和输出都在这一个脚本中,后面三篇继续使用它。脚本遇到空文件、空序列或非 ACGT 字符会停止,并给出错误;这是一条有意收窄的教学规则,不表示真实生物序列不能出现 N 等符号。真实项目应按明确的统计定义处理模糊碱基。
import argparse
from Bio import SeqIO
parser = argparse.ArgumentParser()
parser.add_argument("input_fasta")
args = parser.parse_args()
records = list(SeqIO.parse(args.input_fasta, "fasta"))
if not records:
raise ValueError("No FASTA records found")
rows = []
for record in records:
sequence = str(record.seq).upper()
if not sequence or set(sequence) - set("ACGT"):
raise ValueError(f"Invalid ACGT sequence: {record.id}")
gc = 100 * (sequence.count("G") + sequence.count("C")) / len(sequence)
rows.append((record.id, len(sequence), gc))
print("id\tlength\tgc_percent")
for name, length, gc in rows:
print(f"{name}\t{length}\t{gc:.2f}")
conda run -n conda-lab python summarize_fasta.py demo.fa
预期表头是序列名称、长度和 GC 百分比。两条记录依次为 seq_A / 8 / 50.00、seq_B / 6 / 66.67,列之间使用制表符分隔。第二条序列四个 GC 除以六个碱基,四舍五入到两位小数便得到后一个结果。Biopython 读取接口可参阅 SeqIO 官方教程。
本例把所有记录读入列表,便于初学者看清执行顺序,也便于先检查全部输入再输出。大型 FASTA 文件不宜直接套用这种内存策略,届时应改成流式处理并安排结果文件的完整性检查。一个示例能运行,只证明这个输入下的行为符合预期,不代表它已经适用于任意规模。

四、什么时候才考虑 pip
pip 主要安装 Python 软件包,Conda 还可以管理不少非 Python 依赖。两者能配合,但不能假设它们共享完全相同的依赖视图。实用的顺序是先安装能够通过 Conda 配齐的依赖,再对确实没有合适 Conda 包的部分使用 pip,并把额外安装记录下来。
使用 pip 时,python -m pip 比单独输入 pip 更容易明确它属于哪个解释器。本系列主流程不需要额外 pip 软件,因此下面仅检查目标环境的 pip 身份;如果它没有安装,再显式安装到该环境。不要因为系统里有一个 pip 命令就认定它属于当前项目。
conda install -n conda-lab --override-channels -c conda-forge pip
conda run -n conda-lab python -m pip --version
conda run -n conda-lab python -m pip check
pip check 可以检查 Python 包元数据层面的依赖关系,但不会代替真实运行测试,也不会证明底层库、外部命令或 GPU 驱动都没有问题。若后续又要大幅更换 Conda 依赖,重建一个清晰的新环境,通常比在已被多次交替修改的环境里继续修补更容易追踪。有关搭配原则见 Conda 软件包管理说明。
| 需求 | 建议动作 | 验证重点 |
|---|---|---|
| 本系列读取 FASTA | Conda 安装 Biopython | 版本、模块位置、两条输出 |
| 安装 Bioconda 命令行工具 | 按其官方渠道和平台要求建环境 | 命令版本与最小输入 |
| 只有 PyPI 提供所需包 | 目标环境内使用 python -m pip | 依赖检查和实际运行 |
| 探索一个用途不同的大工具 | 新建试验环境 | 是否影响现有工作环境 |
五、生信工具还有平台这一关
后续如果要安装 Bioconda 工具,应注意它当前面向 Linux 和 macOS 的受支持架构,不能把原生 Windows 当作同等的软件包平台。Windows 读者可在合适的 WSL Linux 环境或 Linux 服务器上操作,具体支持范围仍需检查工具自身说明。不要因为 Python 能在 Windows 运行,就认为所有生信二进制工具也都有 Windows 包。
例如在受支持的 Linux 或 macOS 上,可以先预演一个独立的 SeqKit 环境。该分支不是本系列必做步骤,不会改变用于 FASTA 练习的 conda-lab。渠道顺序与严格优先级依据 Bioconda 官方使用说明。
conda create -n seqkit-lab --override-channels -c conda-forge -c bioconda --strict-channel-priority seqkit --dry-run
最后再做一次小练习:退出当前环境,用显式指定环境的命令重新统计两条序列,然后打开项目目录,确认输入和脚本仍在原处。这个动作能够帮助你分清软件安装位置与项目文件位置。接着把本次安装命令和导入检查结果写进项目说明,尤其记录自己是否调整过版本。以后同事遇到不同结果,你们就能从具体差异开始比较,而不是凭印象讨论“应该装得差不多”。
今天最值得保留的习惯,是每次安装都说得清目标环境、来源和验证方法。下一篇会用同一个 FASTA 项目练习排错:当软件装好了却无法导入,或者求解失败时,应该从哪一步开始检查。若你准备把多个生信流程部署到服务器,可以先整理工具清单、版本约束与运行平台,再联系云生信咨询环境规划。
下载全系列练习代码、示例数据与环境文件(ZIP;含操作说明与预期输出)
