在本文中，需要用到很多生信软件、各种数据库文件、编程环境等，可以在最开始的时候先把这些工作做好，当然有一些软件或者数据我们用到的时候再下载。

为了做好文件的目录整理，我们可以先创建文件夹，以存放各种软件包、数据库文件，以及我们分析过程中的产生的结果。

  1. ## 首先在用户的主目录下创建 wes_cancer 文件夹作为工作目录
  2. mkdir ~/wes_cancer
  3. cd ~/wes_cancer
  4. ## 在 ~/wes_cancer 中创建 biosoft project data 三个文件夹
  5. ## biosoft 存放软件安装包
  6. ## project 存放分析过程产生的文件
  7. ## data 存放数据库文件
  8. mkdir biosoft project data
  9. cd project
  10. ## 在 project 文件夹中创建若干个文件夹，分别存放每一步产生的文件
  11. mkdir -p 0.sra 1.raw_fq 2.clean_fq 3.qc/{raw_qc,clean_qc} 4.align/{qualimap,flagstat,stats} 5.gatk/gvcf 6.mutect 7.annotation/{vep,annovar,funcotator,snpeff} 8.cnv/{gatk,cnvkit,gistic,facet} 9.pyclone 10.signature

编程环境

首先是服务器，我用的服务器是 Linux Ubuntu 系统，16 核 32 线程，内存为 64 G。已经安装好了 Java8、Python3 的编程环境，R 语言我一般是用自己电脑分析，版本为 3.6.0，当然我在服务器上也安装了同样版本的 R 语言。

安装软件

推荐用 conda 安装大部分软件，对于新手比较友好，可以解决大部分的环境依赖问题，部分软件用 conda 安装比较麻烦或者安装不了，我们再用其他安装方式

安装 conda

安装 conda 比较简单，浏览器搜索 “conda 清华源” 进入以下链接：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

2 搭建分析环境 - 图1

进入 Miniconda （迷你版的 conda ）的下载链接 https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/，找到要下载的版本，右键，复制链接地址

2 搭建分析环境 - 图2

然后去到 Linux 命令行，用 wget 命令 + 粘贴地址的方法下载 Miniconda

  1. cd ~/wes_cancer/biosoft
  2. wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

下载好了之后就安装

  1. bash Miniconda3-latest-Linux-x86_64.sh
  2. ## 安装过程中如果提示要输入 yes/no，就选 yes；如果有提示要按 Enter，那就按 Enter 回车键

安装好了 conda 之后，在用户的主目录会生成 miniconda3 的文件夹，同时在用户的配置文件 ~/.bashrc 中写入一些配置，需要重新激活环境，运行下面命令即可

  1. source ~/.bashrc

接下来，墙内的朋友可以添加清华源的镜像，这样我们用 conda 下载软件的速度会更快（墙外朋友可以使用官方镜像）

  1. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  2. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  3. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  4. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  5. conda config --set show_channel_urls yes

到这里就算是把 conda 安装好了

用 conda 安装软件

首先新建一个小分析环境，命名为 wes ，并激活，然后在 wes 小环境中安装生信软件，然后安装必要的软件

  1. ## 新建小环境 wes
  2. conda create -n wes python=3
  3. ## 激活 wes 小环境
  4. conda activate wes
  5. ## 安装必要的生信软件
  6. conda install -y sra-tools fastqc trim-galore multiqc bwa samtools gnuplot qualimap subread vcftools bedtools cnvkit 
  7. conda install -y -c hcc aspera-cli=3.7.7

安装 GATK

上面常用的软件用 conda 安装 ok 了之后，我们还要安装一些其他的软件，比如 GATK，这里下载的版本为最新版本 4.1.4.1（截止时间 2019年 12月 31日），方法是：

先进入 gatk 的官网 https://software.broadinstitute.org/gatk/，点击 Download
(注：由于 GATK 官网界面的更新，新版本的界面已经不再如本文描述一样，且 ftp 链接也于 2020年6月1日关闭，所有数据库文件都迁移至谷歌云存储)

2 搭建分析环境 - 图3

然后在 GATK-4..1.4.1 处右键，复制链接地址

2 搭建分析环境 - 图4

去到 Linux 命令行，用 wget 命令加上复制的地址下载 gatk 软件的压缩包，然后解压。

  1. cd ~/wes_cancer/biosoft
  2. wget -c https://github.com/broadinstitute/gatk/releases/download/4.1.4.1/gatk-4.1.4.1.zip
  3. unzip gatk-4.1.4.1.zip

后面还需要用到很多软件，我们等用到了再补充，这样大家好理解一些。

下载数据库文件

我们分析过程中需要用到很多数据库文件，比如人类参考基因组及其注释文件，1000genome 数据库、dbsnp 数据库等。

人类参考基因组 hg38

测序之后拿到的数据是 fastq 文件，是记录了 reads 及测序的质量值，我们需要比对到参考基因组上才能让这些数据有意义，因此我们需要下载参考基因组文件，用到的是 hg38 版本。因为我们后面要用到 gatk ，而 gatk 对参考基因组有一定的要求，需要下载 gatk 指定的参考基因组，同样也是进入gatk 官网，点击 download

2 搭建分析环境 - 图5

在下面的网页左边点击 Resource Bundle

2 搭建分析环境 - 图6

找到 ftp 服务器的地址: ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/ ，有时候进入需要填写用户名: gsapubftp-anonymous

2 搭建分析环境 - 图7

选择 hg38 ，找到我们要下载的文件，然后右键，复制链接地址

2 搭建分析环境 - 图8

2019-12-30 (3)-1577639840957.png

再去到 Linux 命令行用 wget 命令下载，下载后的文件大小为 800 多M，解压开就是 3 G左右

  1. cd ~/wes_cancer/data/
  2. wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/hg38/Homo_sapiens_assembly38.fasta.gz

gatk 需要用到的其他文件

其实 gatk 要下载的文件有很多，所以我们可以使用 nohup….& 的形式将下载的命令都提交到后台（如果网络不好，可能会下载失败，所以下载后请自行检查）。

  1. ## gatk
  2. nohup wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/hg38/dbsnp_146.hg38.vcf.gz & 
  3. nohup wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/hg38/dbsnp_146.hg38.vcf.gz.tbi & 
  4. nohup wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/hg38/Mills_and_1000G_gold_standard.indels.hg38.vcf.gz & 
  5. nohup wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/hg38/Mills_and_1000G_gold_standard.indels.hg38.vcf.gz.tbi & 
  6. nohup wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/hg38/Homo_sapiens_assembly38.fasta.gz & 
  7. nohup wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/hg38/Homo_sapiens_assembly38.fasta.fai & 
  8. nohup wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/hg38/Homo_sapiens_assembly38.dict & 
  9. nohup wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/hg38/1000G_phase1.snps.high_confidence.hg38.vcf.gz & 
  10. nohup wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/hg38/1000G_phase1.snps.high_confidence.hg38.vcf.gz.tbi & 
  11. nohup wget -c ftp://gsapubftp-anonymous@ftp.broadinstitute.org/bundle/funcotator/funcotator_dataSources.v1.6.20190124s.tar.gz &

其他数据库文件

除了 GATK 流程分析所需的数据，我们还需要下载参考基因组的注释文件，通常是 gtf 格式，可以到 ensemble 或者 genecode 数据库下载

  1. ## bed
  2. wget ftp://ftp.ncbi.nlm.nih.gov/pub/CCDS/current_human/CCDS.current.txt
  3. cat CCDS.current.txt | grep  "Public" | perl -alne '{/\[(.*?)\]/;next unless $1;$gene=$F[2];$exons=$1;$exons=~s/\s//g;$exons=~s/-/\t/g;print "$F[0]\t$_\t$gene" foreach split/,/,$exons;}'|sort -u |bedtools sort -i |awk '{if($3>$2) print "chr"$0"\t0\t+"}'  > hg38.exon.bed