企业官网建设流程全解析

Snippy 变异检测工具安装全攻略：四步跑通你的第一个 SNP 检出

【免费下载链接】snippy:scissors: :zap: Rapid haploid variant calling and core genome alignment项目地址: https://gitcode.com/gh_mirrors/sn/snippy

Snippy 是一款面向单倍体基因组（细菌、病毒、质粒等）的快速变异检测工具，它能把测序 reads 与参考基因组逐位比对，一次性找出 SNP、插入缺失（indel），还能对多个样本做核心基因组比对。本文不打算干巴巴地罗列安装命令，而是带你沿着"搞清工具 → 选对路线 → 体检确认 → 跑通案例"这条思路走一遍，每一步都附上可对照的预期结果，让新手也能稳稳落地。

安装前先避开三个误区：Snippy 不是你想的那样

在动手敲命令之前，先花两分钟校正三个常见的错误认知，能帮你省下后面排错的大量时间。

误区一：以为 Snippy 只能处理细菌。实际上，只要基因组是单倍体（每个位置只有一份拷贝），Snippy 都能处理——细菌、病毒、质粒、线粒体都没问题。反而是人类这种二倍体样本不适合它，因为二倍体需要区分杂合位点，那不是 Snippy 的定位。

误区二：以为必须有双端测序数据。Snippy 默认接收--R1/--R2双端 FASTQ，但单端 reads 照样能跑；更贴心的是，如果你手里只有拼装好的 contigs、原始 reads 已经丢了，它也能用--ctgs选项把 contigs 撕成虚拟 reads 来比对。

误区三：以为"装好 Snippy 就万事大吉"。这是最大的坑。Snippy 本身更像一个调度员，真正干重活的是 bwa（比对）、freebayes（变异识别）、samtools/bcftools（BAM/VCF 处理）、snpEff（注释）等一大串外部工具。任何一个缺失，运行都会中途卡住。

把这三点记在心里，接下来选安装方式时你就知道该关注什么了——依赖能不能被一并解决，比 Snippy 本身装没装上更重要。

三条安装路线怎么选：Conda、Homebrew 还是源码

先看一张对比表，再按自己的情况对号入座：

想省心就选 Conda 一键安装

只要你的机器上已经有 Bioconda，一条命令就能把所有依赖一起装齐：

conda install -c conda-forge -c bioconda -c defaults snippy

预期结果：conda 会打印一串待安装的包列表，其中除了 snippy 本身，还会看到 bwa、freebayes、samtools 等依赖包，全部装完后回到命令行提示符。

macOS 用户优先考虑 Homebrew

brew install brewsci/bio/snippy

这条命令会自动解决依赖，适合平时习惯用 brew 管理软件的用户。

想追最新版就走源码安装

源码方式获取的是当前仓库里的最新代码，适合等不及 conda 包更新的场景：

# 克隆仓库到当前目录 git clone https://gitcode.com/gh_mirrors/sn/snippy.git # 把 bin 目录加入 PATH（注意：用的是 PWD 里的实际路径） export PATH=$PWD/snippy/bin:$PATH

预期结果：此时敲snippy --help应该能弹出完整的参数说明，而不是 "command not found"。

这里要提醒一句：源码路线只是把 Snippy 本体拿到手，bwa、samtools、freebayes、snpEff 这些依赖需要你另外装好（例如用conda install -c bioconda bwa samtools bcftools freebayes snpeff）。嫌麻烦的话，回去选第一条路线会更舒服。

安装后两分钟体检：--version 与 --check 一条不能少

装完别急着上真实数据，先用两条命令给环境做个"体检"。

第一步，确认版本号：

snippy --version

预期结果：终端打印出版本字符串，类似snippy 5.0.0-dev。如果这里报错，说明 Snippy 本体就没装好，回到上一步检查 PATH。

第二步，检查全部依赖：

snippy --check

预期结果：工具会逐个探测 bwa、minimap2、samtools、bcftools、bedtools、freebayes、snpEff 等组件，每个可用项旁边显示 OK 或对应的版本信息。

如果看到某个组件标记为缺失或找不到，就针对它单独补装。用 conda 环境的话最省事：

conda install -c bioconda samtools bcftools bwa freebayes snpeff samclip seqtk

补装完成后重新跑一遍snippy --check，直到全部通过为止。这一步值得认真对待——体检合格再开工，能避免在正式数据上跑到一半才发现缺工具。

第一个实战案例：用项目自带测试数据跑通 SNP 检出

仓库的test目录里放着一套现成的测试材料：example.gbk（带注释的参考基因组）、example.fna（参考序列）、example.bed（区域文件）。我们的第一个案例就用它们来完成。

由于真实测序 reads 文件比较大，这里先用 wgsim 根据参考序列模拟一对双端 reads（test/Makefile里的官方测试流程也是这么做的）：

# 1. 生成模拟双端 reads（约 12000 对，含 0.5% 的随机变异） wgsim -S 1 -h -r 0.005 -N 12000 -1 100 -2 100 -d 200 example.fna R1.fq R2.fq # 2. 正式跑变异检测，--outdir 指定结果文件夹 snippy --cpus 4 --outdir my_first_run --ref example.fna --R1 R1.fq --R2 R2.fq

预期结果：运行过程中会依次看到 bwa 比对、freebayes 变异识别等日志，最后打印类似下面的收尾信息：

Walltime used: 3 min, 42 sec Results folder: my_first_run Done.

跑完后进结果目录看一眼：

ls my_first_run

你会看到snps.vcf（标准 VCF 变异文件）、snps.tab（易读的表格汇总）、snps.bam（比对文件）、snps.consensus.fa（把变异回贴到参考上得到的"修正版基因组"）等一整套产物。用下面命令打开表格看前几行：

head -5 my_first_run/snps.tab

每列的含义如下：CHROM是变异所在的序列名，POS是位置，TYPE是变异类型（snp/mnp/ins/del/complex），REF和ALT分别是参考碱基和样本碱基，EVIDENCE给出支持各碱基的 reads 计数。如果你的参考用的是example.gbk这类带注释的文件，表格里还会多出基因名、产物描述和 snpEff 预测的影响效应列——这也是 Snippy 一个很贴心的设计，直接告诉你变异落在哪个基因、会不会改变氨基酸。

到这里，你的第一个 SNP 检出案例已经跑通了。

从单样本到批量：snippy-multi 与核心基因组比对

单个样本跑通后，你大概率会遇到这个真实场景：手里有十几个样本，都要跟同一个参考基因组比对，还想知道它们之间的亲缘关系。一个个手敲snippy命令显然太低效。

Snippy 为此准备了批量入口snippy-multi。你只需要准备一个制表符分隔的清单文件input.tab，每行一个样本，格式为"样本ID 双端reads 或 单端reads 或 contigs"：

Isolate1 /path/to/R1.fq.gz /path/to/R2.fq.gz Isolate2 /path/to/SE.fq.gz Isolate3 /path/to/contigs.fa

然后执行：

snippy-multi input.tab --ref Reference.gbk --cpus 16 > runme.sh # 先检查生成的脚本内容是否符合预期 less runme.sh # 确认无误后再放行，让它跑完所有样本 sh runme.sh

批跑结束后，Snippy 会自动调用snippy-core，把所有样本中都有覆盖的基因组位置挑出来，形成核心 SNP 比对，产物是core.aln（多序列比对）、core.vcf（多样本 VCF）等文件。你可以把core.aln直接丢给 FastTree 等建树工具画系统发育树。

预期结果：脚本执行时会按样本逐个输出结果文件夹；最后你会看到类似Found 2814 core SNPs from 96615 SNPs.的汇总行，意思是总共有 96615 个变异位点，其中 2814 个是全体样本共有的核心 SNP。

高频报错自救手册：跑不起来时先查这四处

工具装好了，案例跑通了，但真实数据往往没那么听话。下面四个问题按出现频率排序，遇到时直接对照处理。

问题一：提示command not found。多半是 PATH 没配好。用which snippy或which bwa逐个排查，找到缺失的那个工具，把它的目录加进 PATH，或者干脆改用绝对路径调用。

问题二：数据深度太高，跑得特别慢。有时候一个样本的测序深度高达上千倍，而绝大多数变异在 50~100 倍深度下就已经能可靠检出。此时可以用--subsample参数按比例随机抽读，例如深度约 1000x、只需要 100x 时：

snippy --subsample 0.1 --outdir out --ref ref.fna --R1 R1.fq.gz --R2 R2.fq.gz

运行日志里会出现 "Sub-sampling reads at rate 0.1" 的提示，速度提升立竿见影。

问题三：只想关注特定基因区域，不想全基因组筛。比如只关心耐药基因上的突变，那就把感兴趣的区域写进一个 BED 文件，用--targets限定范围，能省下大量计算时间：

snippy --targets sites.bed --outdir out --ref ref.fna --R1 R1.fq.gz --R2 R2.fq.gz

问题四：只有 contigs 没有原始 reads。直接改用--ctgs传入 contigs 文件即可，Snippy 会把它撕成 250 bp 的伪 reads 再做比对，输出目录与 reads 样本完全兼容，可以混在一起参与snippy-core分析。

收尾：装好之后接下来该做什么

回顾一下整条路线：先避开"依赖不重要"的认知坑，再按自己的环境从 Conda、Homebrew、源码三条路线里选一条；装完后用--version和--check给环境做体检；然后用test目录的测试材料跑通第一个案例，学会看snps.tab的输出列；最后通过snippy-multi把流程扩展到批量样本和核心基因组比对。

接下来建议你做三件事：

1. 先用测试数据完整走一遍snippy --check → 单个样本 → 批量的流程，把每一步的预期输出都记在脑子里，再碰真实数据。
2. 真实样本跑之前备份好原始 reads，并给每个样本取一个清晰的 ID，方便日后追溯。
3. 把版本号和关键参数记下来。变异检测结果跟版本强相关，写文章或汇报时注明snippy --version的输出，能让你的结果更可信、可复现。

Snippy 的价值在于把"比对—变异识别—注释—比对输出"这条长流水线封装成了一条命令。当你能熟练地把第一份 reads 变成一张清晰的变异表格时，后面的群体分析和系统发育研究也就有了可靠的数据地基。

【免费下载链接】snippy:scissors: :zap: Rapid haploid variant calling and core genome alignment项目地址: https://gitcode.com/gh_mirrors/sn/snippy