什么是Galaxy
很多公司開(kāi)始推廣他們的可視化生信分析工具，有人說(shuō)未來(lái)的趨勢(shì)是無(wú)代碼，分析只要拖拖點(diǎn)點(diǎn)就行了。無(wú)代碼只能說(shuō)是一個(gè)噱頭，畢竟人人都會(huì)“用"excel，也不是人人都是數(shù)據(jù)分析師。
但是一個(gè)數(shù)據(jù)分析師肯定知道如何正確的使用excel，所以一個(gè)真正的生信媛/猿也不會(huì)嫌棄那些可視化的工具。畢竟寫代碼累了，沒(méi)事拖拖點(diǎn)點(diǎn)也是別樣的樂(lè)趣。
Galaxy就是很多年前在云計(jì)算背景下誕生的開(kāi)源項(xiàng)目, 目前在GitHub上有362個(gè)star，165個(gè)貢獻(xiàn)者。
官方站點(diǎn)： https://usegalaxy.org/，如果感興趣的話可以在云端玩耍下。
然后，將有一波galaxy學(xué)習(xí)筆記更新而來(lái)。
安裝
在正式安裝之前，確保自己使用的是Unix/Linux系統(tǒng)，并且安裝了Python，且版本是2.7.（最好還有Git）。
galaxy的安裝非常簡(jiǎn)單，就是從github上克隆一份到本地，然后運(yùn)行部署腳本，然后等著。
# 我習(xí)慣把軟件安裝在biosoft下
cd ~/biosoft
# 克隆到本地
git clone -b release_17.09 https://github.com/galaxyproject/galaxy.git
cd galaxy
# 修改配置文件
cp config/galaxy.ini.sample config/galaxy.ini
# The port on which to listen.
port = 1024
# The address on which to listen. By default, only listen to localhost (Galaxy
# will not be accessible over the network). Use '0.0.0.0' to listen on all
# available network interfaces.
host = 0.0.0.0
# 運(yùn)行
sh run.sh
我這里簡(jiǎn)單的修改了配置文件, 使其可以被內(nèi)網(wǎng)的其他用戶通過(guò)“IP:1024"的方式訪問(wèn)。
配置
管理員賬號(hào)
Galaxy后續(xù)如果要進(jìn)行軟件安裝，管理用戶等操作，就必須要先要成為管理員。
第一步： 在galaxy進(jìn)行注冊(cè)
第二步: 修改配置文件config/galaxy.ini，更改其中的admin_users.
# this should be a comma-separated list of valid Galaxy users
admin_users = user1@example.com,user2@example.com
第三步： 重啟run.sh或者重新登陸賬號(hào)，就會(huì)發(fā)現(xiàn)在工作欄上多了Admin這一部分。
安裝軟件
安裝工具OR下載數(shù)據(jù)有三種方法：
- 從Tool Shed安裝
- 手動(dòng)添加到Galaxy中
- 腳本自動(dòng)化完成
其中從Tool shed安裝最方便，官方教程介紹的非常詳細(xì)，跟從APP Store下載軟件沒(méi)有啥太大區(qū)別。
如下演示BWA軟件如何安裝。
小技巧: galaxy同樣利用bioconda進(jìn)行生信軟件管理，因此修改galaxy/config/galaxy.ini中如下行
# conda_ensure_channels = iuc,bioconda,conda-forge,defaults,r
conda_ensure_channels = iuc,https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/,https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/,defaults,r
這行代碼僅針對(duì)國(guó)內(nèi)用戶，感謝清華鏡像源。
可視化數(shù)據(jù)管理
數(shù)據(jù)管理是一件非?，嵥椋浅；A(chǔ)，但是卻非常重要的事情。你不能直接把數(shù)據(jù)丟在一邊，假裝他已經(jīng)被你整理了。你必須面對(duì)這只”灰犀牛“，知道如何正確的對(duì)數(shù)據(jù)進(jìn)行管理。
生信分析的數(shù)據(jù)可以分為以下幾類：
- 參考序列，注釋文件，索引文件
- 用戶上傳數(shù)據(jù)
- 分析過(guò)程中所產(chǎn)生的數(shù)據(jù)
Galaxy建立了專門的數(shù)據(jù)管理體系，用于記錄這幾類數(shù)據(jù)，便于不同工具間的交互。
Part I：準(zhǔn)備參考基因序列并建立索引。
和這部分相關(guān)的工具位于Data Managers和Data source兩個(gè)工具分類下。
這一部分需要安裝的工具如下，請(qǐng)參考安裝軟件一節(jié)完成安裝。
- data_manager_fetch_genome_dbkeys_all_fasta
- data_manager_bwa_mem_index_builde
- data_manager_bowtie2_index_builder
- data_manager_fetch_gene_annotation
- data_manager_hisat2_index_builder
安裝完成之后，點(diǎn)擊admin的local data會(huì)出現(xiàn)如下內(nèi)容。
hu
以擬南芥為例, 我事先在TAIR上復(fù)制了其參考基因組的下載地址， 隨后在admin的local data中選擇"ata_manager_fetch_genome_dbkeys_all_fasta"進(jìn)行下載。
hua
隨后就能在如下的"Data Manager Jobs"查看運(yùn)行進(jìn)程。
不難發(fā)現(xiàn)，其實(shí)我也是在2次失敗的嘗試后，才找到的正確地使用方式。但是由于我重復(fù)添加同一個(gè)物種，結(jié)果后面各種報(bào)錯(cuò)，于是我就只能使用了最后的絕招--重裝Galaxy。
后續(xù)需要對(duì)參考基因組建立索引，過(guò)程和上面的一致，只不過(guò)你需要選擇BWA-MEM index，之后就是點(diǎn)點(diǎn)然后等幾分鐘就行了。
如果是人類的參考基因組，可以考慮下載已有的索引，然后修改galaxy的配置文件。
Part II: 用戶上傳數(shù)據(jù)
用戶上傳數(shù)據(jù)這一塊比較簡(jiǎn)單，如下圖選擇Upload File, 然后從本地選擇需要的數(shù)據(jù)進(jìn)行上傳即可。
Part III: 中間數(shù)據(jù)。 這個(gè)部分目前不需要擔(dān)心，你可以將分析結(jié)果下載到本地，然后在本地用IGV進(jìn)行查看。這個(gè)部分在workflow會(huì)繼續(xù)再介紹。
下一講
如何自動(dòng)化安裝軟件？如何配置galaxy項(xiàng)目還沒(méi)有的工具？大規(guī)模數(shù)據(jù)應(yīng)該如何上傳？
這些內(nèi)容見(jiàn)下一講吧。
