什么是Galaxy

很多公司开始推广他们的可视化生信分析工具，有人说未来的趋势是无代码，分析只要拖拖点点就行了。无代码只能说是一个噱头，毕竟人人都会“用"excel，也不是人人都是数据分析师。

但是一个数据分析师肯定知道如何正确的使用excel，所以一个真正的生信媛/猿也不会嫌弃那些可视化的工具。毕竟写代码累了，没事拖拖点点也是别样的乐趣。

Galaxy就是很多年前在云计算背景下诞生的开源项目, 目前在GitHub上有362个star，165个贡献者。

官方站点： https://usegalaxy.org/，如果感兴趣的话可以在云端玩耍下。

Galaxy

然后，将有一波galaxy学习笔记更新而来。

安装

在正式安装之前，确保自己使用的是Unix/Linux系统，并且安装了Python，且版本是2.7.（最好还有Git）。

galaxy的安装非常简单，就是从github上克隆一份到本地，然后运行部署脚本，然后等着。

# 我习惯把软件安装在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
# 运行
sh run.sh

我这里简单的修改了配置文件, 使其可以被内网的其他用户通过“IP:1024"的方式访问。

image

配置

管理员账号

Galaxy后续如果要进行软件安装，管理用户等操作，就必须要先要成为管理员。

第一步： 在galaxy进行注册

image

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： 重启run.sh或者重新登陆账号，就会发现在工作栏上多了Admin这一部分。

安装软件

安装工具OR下载数据有三种方法：

• 从Tool Shed安装
• 手动添加到Galaxy中
• 脚本自动化完成

其中从Tool shed安装最方便，官方教程介绍的非常详细，跟从APP Store下载软件没有啥太大区别。

如下演示BWA软件如何安装。

image

小技巧: galaxy同样利用bioconda进行生信软件管理，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

这行代码仅针对国内用户，感谢清华镜像源。

可视化数据管理

数据管理是一件非常琐碎，非常基础，但是却非常重要的事情。你不能直接把数据丢在一边，假装他已经被你整理了。你必须面对这只”灰犀牛“，知道如何正确的对数据进行管理。

生信分析的数据可以分为以下几类：

• 参考序列，注释文件，索引文件
• 用户上传数据
• 分析过程中所产生的数据

Galaxy建立了专门的数据管理体系，用于记录这几类数据，便于不同工具间的交互。

Part I：准备参考基因序列并建立索引。

和这部分相关的工具位于Data Managers和Data source两个工具分类下。

image

这一部分需要安装的工具如下，请参考安装软件一节完成安装。

• 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

安装完成之后，点击admin的local data会出现如下内容。

image

hu

以拟南芥为例, 我事先在TAIR上复制了其参考基因组的下载地址， 随后在admin的local data中选择"ata_manager_fetch_genome_dbkeys_all_fasta"进行下载。

image

hua

随后就能在如下的"Data Manager Jobs"查看运行进程。

image

不难发现，其实我也是在2次失败的尝试后，才找到的正确地使用方式。但是由于我重复添加同一个物种，结果后面各种报错，于是我就只能使用了最后的绝招--重装Galaxy。

后续需要对参考基因组建立索引，过程和上面的一致，只不过你需要选择BWA-MEM index，之后就是点点然后等几分钟就行了。

如果是人类的参考基因组，可以考虑下载已有的索引，然后修改galaxy的配置文件。

Part II: 用户上传数据

用户上传数据这一块比较简单，如下图选择Upload File, 然后从本地选择需要的数据进行上传即可。

image

Part III: 中间数据。 这个部分目前不需要担心，你可以将分析结果下载到本地，然后在本地用IGV进行查看。这个部分在workflow会继续再介绍。

image

下一讲

如何自动化安装软件？如何配置galaxy项目还没有的工具？大规模数据应该如何上传？

这些内容见下一讲吧。