生信分析对计算机的开发环境有诸多要求，随之而来的自然就是很多麻烦。不说别的，要兼顾 Python 和 R 的问题就有够头疼。一边想着用 Python 搭流程处理文本和分析结果，另一边还想着用 R 来做统计分析和画图，而且大多数时候生信分析还得在服务器上完成。

Python 你用 Pycharm，R 用 Rstudio，一会这儿一会那儿的切来切去，还得设置服务器连接(Pycharm 如果不是付费版本，要连服务器还挺麻烦)。完了在 Windows 下你还得用 Xshell 连服务器开个命令行执行脚本和 Shell 命令 ；上传下载文件再开个 Filezila；数据表格结果用 Excel 查看；PDF 用 Adobe Reader ... 有人会说哪有这么麻烦，用 Vscode 加插件就能解决~ 确实是不错的选择，可要换了台电脑之前的环境不就全废了么。

有了 JupyterLab 之后，只要能连上服务器，一个窗口内完美实现所有这些功能，而你需要的就只有一个软件：浏览器(最好是 Chrome)

看看效果：

同时打开了 Python Notebook、CSV数据表、PDF 文献、命令行和文件管理

Markdown 文件预览和图片预览

强大到令人咋舌(感觉两张截图还是不足以体现 JupyterLab 的强大 *_* )。不仅能直接查看分析时常用的多种数据和文件格式，Jupyter 的 notebook 在运行之后即时返回结果，非常方便做数据分析和可视化。我原来也用 Atom + MobaXterm + Filezila 的组合来写代码加做分析，自从不久前试用了 JupyterLab 之后，于是渐渐抛弃“原配”，投入 JupyterLab 的怀抱。

安利完了进入正题，从头开始搭建一个以 JupyterLab 为核心的生物信息分析环境，特别适用于各种服务器和云，当然在本地计算机上使用也可以。

搭建环境：

硬件平台：易微升服务器

操作系统：Ubuntu 18.04 LTS

*** 此段可跳过，不影响后文阅读 ***

注：这里选用 Ubuntu 系统，是因为个人习惯。在安装软件和各种环境的时候，apt 非常方便，而且默认仓库的软件版本都比较新，出现问题好解决一些。其他常见的类 Unix 系统，比如 CentOS(也是 Linux 内核)，或者苹果的 MacOS，在搭建 Bioconda + JupyterLab 的时候也没什么太大的区别。无非就是在装 Bioconda 和一些依赖包时的大同小异，况且有了 Bioconda 之后，几乎所有用于生信分析的软件和包都可以通过 Bioconda 来安装，这有个官方的列表：

https://anaconda.org/bioconda/repo?page=1

如果使用的是 Windows，在安装 Bioconda 和 Jupyterlab 的时候倒是没什么大问题，安装各种生信分析软件的时候，可能就会遇到一些麻烦。随着现在很多软件对 Windows 的支持力度越来越大，应该已经改善很多，有兴趣的话可以尝试在 Windows 中搭建。可参考 《做分析缺台主机？一文教你在win10中打造生信分析环境》

除此之外，还有一条技术路线可以走，那就是使用 Docker。不论是用什么系统，只要能装上 Docker，剩下都没什么区别。除了做镜像的时候稍微麻烦一点，需要一个学习和摸索的过程外，还是非常推荐学习和使用 Docker 来部署开发和分析环境。事实上，不一定非得自己做 Docker 镜像，使用 Jupyterlab 官方的或是其他人定制的镜像也是好办法。

安装：

Bioconda 的安装

JupyterLab 的安装

R 和 IRkernel 的安装

第一步：Bioconda 的安装

根据 Bioconda 官方的指导：先安装 Miniconda，然后添加 Bioconda 的 “频道” 就可以了。

Bioconda 本质上就是 conda 的一个生物分析软件和包的“仓库”

选择红框中 Python3.7 64位 版本

运行以下命令安装 ：

# 可以在任意路径下载安装 Miniconda 的脚本，安装完毕即可删除

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

Miniconda3 下载完成

# 开始安装了

sh Miniconda3-latest-Linux-x86_64.sh

接受条款，回车直接选择默认安装路径

是否添加 conda 信息到 .bashrc 文件中，每次打开新的命令行窗口都自动启动 conda base？这个最好选择‘是’，不然自己设置会麻烦一些，选否也没什么太大问题

安装完成之后，后面这些就可以选择性的执行了

# 如果不想打开新的命令行，就执行一下

source ~/.bashrc

# 根据官网，因为 conda 有很多“频道”，要按下面的顺序添加好

conda config --add channels defaults

conda config --add channels bioconda

conda config --add channels conda-forge

这些 channel 在安装好之后任何时候都可以添加，不添加也不会出问题。在安装软件的时候，如果 Miniconda 默认 channel 里没有你需要的软件，通过参数 ' -c ' 来指定 channel 也是可以的，就像下面这个例子一样：

# 这是安装基因组比对软件 BWA

conda install -c bioconda bwa

注：为了方便，以后不论 Miniconda、Bioconda 还是 Anaconda，都统称 ‘conda’

装好了 conda，接下来通过 conda 安装 JupyterLab 就更简单了，不需要单独安装 Python，因为 conda 会自动安排好需要安装的软件和包，并且安装到 conda 的目录或者 conda 虚拟环境的目录下。

首先，我们使用 conda 来创建一个虚拟环境，这样既能更好的管理各种软件和包，又能避免对系统原有环境的破坏：

# 创建名为 'bioenv' 的虚拟环境

conda create -n bioenv

参数

解释

create

创建虚拟环境

-n

虚拟环境的名字

-p (可选)

指定虚拟环境安装的位置，默认是 conda 下的目录

其余更多参数就靠大家自己探索了。

创建好虚拟环境之后，会出现这样的提示

虚拟环境创建好了之后，按提示启动虚拟环境：

conda activate bioenv

每次安装新的软件和包最好都在启动虚拟环境之后安装，这样能保证这些软件和包都安装在虚拟环境 bioenv 当中，不影响系统和其他环境。

第二步：R 和 IRkernel 的安装

这一步两行命令解决，除了要安装 R ，还需要支持 R 在 JupyterLab 中的使用，那么就用到了 IRkernel：

# 先安装 R，这里从 channel ' r ' 下载安装，默认一般是 R 的最新稳定版

conda insrall -c r r-base

# 再安装 IRkernel

conda install -c r r-irkernel

conda 安装的命令：

# xxx 代表包的名称

conda install xxx

遇到询问是否继续，回车就可以了

第三步：JupyterLab 的安装

最后一步非常简单，一行命令解决问题：

# 通过 conda 的默认仓库就可以安装了

conda install jupyterlab

到这里，基本的安装就已经完成，如果需要安装 Python 和 R 的包，使用 conda install 安装应该就没什么问题了。

运行和打开 JupyterLab

如果是本地运行的话，在已经建立好的 bioenv 环境下，简单启动就没问题了：

# 直接在命令行执行，会自动在默认的浏览器里打开页面

jupyter lab

如果是在服务器上运行，可以使用下面的方法：

# 需要指定监听 IP 和 端口

jupyer lab --ip 0.0.0.0 --port 8888

参数

解释

--ip (必选)

这个可以是你服务器准确的 IP 地址，也可以是 0.0.0.0，这样就可以监听所有 IP 段

--port (可选)

默认监听的是 8888 端口，也可以通过这个参数指定你想监听的端口

注：关于 IP 、端口、监听以及 conda 和 JupyterLab 的高级设置已经超出本文讨论范围，将在另外的文章中详细解释

启动成功之后，命令行会出现类似如上的信息

打开 JupyterLab：

这个最简单了，本地运行的如前所述，会自动打开浏览器并启动 JupyterLab。如果是在服务器上部署的，那么将下面信息复制粘贴到浏览器的地址栏，回车即可：

http:// IP 地址:端口/?token= xxxxxxxxxxxxxxxxxxxxxxxx

稍等片刻，会看到如下的页面：

好了，顺利进入 JupyterLab～

卸载 JupyterLab 及 Bioconda：

最简单粗暴的方法就是把这几个文件夹以及 .bashrc 中相关的内容删掉：

# 删除 Jupyter 和 conda 相关的文件夹

rm -r miniconda3/ .conda/ .jupyter .ipython/ .ipynb_checkpoints/

# 编辑 .bashrc

vi .bashrc

删除这一段

这样就连同 Bioconda 和 JupyterLab 一起删掉了，还有文明点的方法：

1)只删除 JupyterLab：

# 只删除了 JupyterLab，其余的都还在

conda uninstall jupyterlab

如果想要删除其他软件或者包也是同样的方法

2)只删除 conda 的虚拟环境 bioenv：

# JupyterLab 也会一起被删除

conda env remove bioenv

其实 JupyterLab 不仅支持 Python 和 R，还支持其他各种语言。比如刚刚兴起据说是为数据分析而生，性能堪比 C，易用如 Python 的 Julia；还有常用的如 C、Java 和 MATLAB 这些都没问题，支持语言还是比较多

官方说法是支持超过40种

因此以后工作和学习中如果需要使用多种语言进行开发和分析，那就少了很多麻烦。当然了，没有一种工具是全能和完美的。相对来说 JupyterLab 还比较“年轻”，虽然还有很多不足，但看起来还是非常有潜力的一个工具。JupyterLab 脱胎于 Jupyter Notebook，也就是说有已经有了一个良好的基础，再加上这几年数据分析和 ML / DL 变热，使用 Jupyter 的人也越来越多，社区非常活跃。这样一来好处有两个：一是，使用的人多了，促进 JupyterLab 的更新和改进；二是，出了问题有更多人的会给你答案。如果大家有什么疑问，安装使用时遇到什么问题，或是有好的建议或技巧，请不吝在下方留言，交流才会有新发现~

未完待续 ...

易微升公众号

参考资料