转录组RNA-Seq使用docker+bioconda搭建分析环境

前言

近期学习转录组分析，从ncbi下载数据，转成fastq，STAR/hisat2 map到基因组上，使用featureCount拿到表达矩阵文件挺顺利的，就是到了下游分析，开始使用R开始遇到了各种问题。

原因是之前一直使用的一个docker 环境是基于ubuntu 16.04的，上面的R版本是3.2.3，在进行下游分析的时候各种R包安装不上，原因也是R版本太旧。经历了各种问题之后终于忍无可忍，决心重新构建一个RNA-Seq的docker分析环境，本文作为记录以备后查。

基于docker构建环境

笔者使用docker的方式属于网上不推荐的方式，类似于虚拟机镜像。原因就是懒得去编写dockerfile，感觉太麻烦。

极速安装docker极速安装docker-compose

#从以下网址下载docker-compose，将docker-compose文件放在path变量目录下如：/usr/local/bin https://github.com/docker/compose/releases 

选择docker镜像并构建基础镜像

因为之前的Ubuntu16.04过于老旧，这里直接选择Ubuntu20.04的镜像

#拉取ubuntu20.04镜像 docker pull ubuntu:20.04 #获取docker镜像列表 docker images 或者 docker image ls #确认docker镜像拉取完成之后，使用该镜像创建一个docker容器 docker run --name first -it ubuntu:20.04 /bin/bash #运行完成之后进入容器中 root@80cb4d36be59# #安装ssh等软件 root@80cb4d36be59# apt update &amp;&amp; apt install openssh-server vim net-tools curl #安装完成之后修改ssh配置文件，便于远程登录 root@80cb4d36be59# vim /etc/ssh/sshd_config #修改如下几行并保存 Port 9020 #修改默认端口号(可选) ListenAddress 0.0.0.0 #默认监听地址，所有地址 LoginGraceTime 2m #允许用户登录耗时（可选） PermitRootLogin yes #允许root用户登录，docker默认用户是root用户 #修改默认root账户密码，便于ssh远程登录 root@80cb4d36be59# passwd root #启动ssh服务 root@80cb4d36be59# service ssh start # 获取容器ip地址， root@b8080a125313:/# ifconfig eth0: flags=4163<up,broadcast,running,multicast> mtu 1500 inet 172.17.0.2 netmask 255.255.0.0 broadcast 172.17.255.255 ether 02:42:ac:11:00:02 txqueuelen 0 (Ethernet) RX packets 27095 bytes 55050990 (55.0 MB) RX errors 0 dropped 0 overruns 0 frame 0 TX packets 26785 bytes 2478368 (2.4 MB) TX errors 0 dropped 0 overruns 0 carrier 0 collisions 0 lo: flags=73<up,loopback,running> mtu 65536 inet 127.0.0.1 netmask 255.0.0.0 loop txqueuelen 1000 (Local Loopback) RX packets 0 bytes 0 (0.0 B) RX errors 0 dropped 0 overruns 0 frame 0 TX packets 0 bytes 0 (0.0 B) TX errors 0 dropped 0 overruns 0 carrier 0 collisions 0 #打开一个新的终端测试下连接 ssh root@172.17.0.2 -p9020 #如果可以连接上则第一步构建完成，我们commit创建自己的镜像，打开终端 docker commit first ubuntu20.04-ssh:1.00 

第二阶段：安装bioconda构建基础生信镜像

• 退出并删除之前运行的容器

  #退出之前的容器 root@80cb4d36be59# exit #删除该容器 docker rm first 

• 编写docker-compose.yml文件，并使用docker-compose启动容器

  version: "3" services: RNASeq: image: ubuntu20.04-ssh:1.00 #此处为我们之前提交的镜像名称 container_name: rnaseq #运行容器名称 volumes: - /media/sliver/Element1/data:/opt/data:rw #外挂data目录，放置原始数据 - /media/sliver/Manufacture/RNA-Seq/root:/root:rw #外挂root目录，bioconda安装位置，减小镜像体积 - /media/sliver/Manufacture/RNA-Seq/ref:/opt/ref:rw #外挂reference目录 - /media/sliver/Manufacture/RNA-Seq/result:/opt/result:rw #分析结果输出及中间文件目录 ports: - "9020:9020" network_mode: "host" #此处直接使用host模式，默认为bridge模式都可以，host模式注意不能与服务器端口冲突 environment: - TZ="Asia/Shanghai" #通过变量设置时区，否则系统时间错误 command: service ssh start -D #启动容器时启动ssh服务便于远程连接 

• 使用docker-compose.yml文件启动容器

  docker-compose.yml文件目录下运行docker-compose up启动容器 并查看输出日志，看是否存在错误 

• 使用ssh登录镜像，并安装bioconda

  #这里使用127.0.0.1地址登录，每次容器重新运行ip地址172网段的会发生变动 ssh root@127.0.0.1 -p9020 #登录成功,安装bioconda curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh sh Miniconda3-latest-Linux-x86_64.sh #setup channels conda config --add channels defaults conda config --add channels bioconda conda config --add channels conda-forge 

  #直接修改配置文件，添加清华源 vim ~/.condarc channels: - conda-forge - bioconda - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud 

  # 使配置文件生效 source ~/.bashrc #安装几个软件测试下 conda install fastqc conda install multiqc conda install STAR conda install hisat2 

• 构建bioconda 第二阶段镜像

  #测试没有问题，打开一个新的终端提交镜像，第二阶段镜像后续可以用于各种生信环境 docker commit rnaseq ubuntu20.04-bioconda 

第三阶段，安装R、Bioconductor和RStudio-Server，构建用于RNA-Seq(转录组)的镜像

• 安装R及Bioconductor

  #切换回刚才的容器内shell终端，安装R apt install r-base #安装完成之后查看版本 R --version #得到输出如下： R version 3.6.3 (2020-02-29) -- "Holding the Windsock" Copyright (C) 2020 The R Foundation for Statistical Computing Platform: x86_64-pc-linux-gnu (64-bit) R is free software and comes with ABSOLUTELY NO WARRANTY. You are welcome to redistribute it under the terms of the GNU General Public License versions 2 or 3. For more information about these matters see https://www.gnu.org/licenses/. #安装Bioconductor，终端中运行 R #R环境提示符运行 if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager") BiocManager::install() #安装完成之后我们测试下，安装两个R包 BiocManager::install('edgeR') BiocManager::install("DESeq2") 

• 安装RStudio Server，为了远程部署和运行R

  #安装RStudio Server apt-get install gdebi-core wget https://download2.rstudio.org/server/bionic/amd64/rstudio-server-1.3.1093-amd64.deb gdebi rstudio-server-1.3.1093-amd64.deb #创建配置文件 vi /etc/rstudio/rserver.conf #添加如下语句 ###在两个配置文件中添加以下语句 ##系统的R程序所在位置，如果个人目录下有利用anaconda安装R，可能会报错 rsession-which-r=/usr/bin/R www-port=8787 ### 通过ip的8787端口连接 vi /etc/rstudio/rsession.conf #添加如下语句 www-port=8787 ### 通过ip的8787端口连接 #添加用户sliver，用于登录RStudio Server useradd sliver passwd sliver #创建该用户home目录，否则登录成功，但是会报错 Unable to connect to service mkdir /home/sliver chown -R sliver /home/sliver #检查Rstudio-server是否能够运行并启动服务启动 rstudio-server verify-installation rstudio-server start 

• 打开浏览器输入：http://127.0.0.1:8787

  <img src="https://oscimg.oschina.net/oscnet/Xcs8lBD6Zp7H9eV.png" style="zoom:50%;">

• 使用之前创建的用户sliver及密码登录：

  <img src="https://oscimg.oschina.net/oscnet/t1VHbaCIYRTUGKw.png" style="zoom: 33%;">

• 说明配置成功。

提交镜像，并修改docker-compose.yml文件

• 提交镜像，用于RNA-Seq转录组分析

  #打开一个新的终端运行 docker commit rnaseq ubuntu20.04-rnaseq:1.00 #将当前容器导出为文件 docker export -o ubuntu_20.04_rnaseq.tar rnaseq #迁移镜像可以从文件导入至镜像 docker import ubuntu_20.04_rnaseq.tar ubuntu20.04-rnaseq:1.00 

• 修改docker-compose.yml文件

  version: "3" services: RNASeq: image: ubuntu20.04-rnaseq:1.00 container_name: rnaseq volumes: - /media/sliver/Element1/data:/opt/data:rw #挂载数据目录 - /media/sliver/Manufacture/RNA-Seq/root:/root:rw #挂载root目录 - /media/sliver/Manufacture/RNA-Seq/ref:/opt/ref:rw #挂载reference目录 - /media/sliver/Manufacture/RNA-Seq/result:/opt/result:rw #挂载中间文件和结果目录 ports: - "9020:9020" # ssh连接端口 - "8787:8787" # RStudio Server Web访问端口 network_mode: "host" #网络模式为host，注意端口与服务器端口不能冲突 environment: - TZ="Asia/Shanghai" #设置时区，方式时间不对 command: /bin/bash -c "rstudio-server start && service ssh start -D" #同时启动两个服务 

docker镜像文件及root目录打包下载

docker镜像 ssh登录 账户root 密码20201110; rstudio登录账户sliver密码20201110

root目录打包 外挂root目录打包

docker-compose.yml文件下载