基于Linux的生物信息操作环境 关键词：生物信息 操作环境 孔雷 高歌 吴健民 李哲 赵树起 唐汶 罗静初* 北京大学 20世纪90年代，人类基因组计划以及其 他模式生物基因组计划的实施和相继完成，使 核酸和蛋白质序列数据急速增长，以分子生 物信息为主要研究对象的生物信息学应运而 生。十多年来，生物信息学正逐步成为一门独 立学科，生物信息软件开发成了一个专门领 域。数据库搜索程序BLAST、多序列联配程序 Clustalw、系统发生分析软件Phylip以及大型序 列分析软件包EMBOSS等，已经成为分子生物 学研究中不可缺少的工具。公开、公共、公用 是生物信息软件的主要特征。这些软件通常采 用各种形式的开放源代码版权声明，以开源的 Linux操作系统为主要平台，多数由科研机构、 高等院校等学术部门自由开发，并提供给公众 使用。这是当前生物信息软件开发的主流。 然而，这些开源软件的开发，通常针对某 个研究领域的具体问题，以学术研究为主要目 的，以个人兴趣为主要动力，因此所编写的程 序往往缺乏详尽的文档和必要的用户支持。安 装和配置这类软件，需要具有一定计算机编程 及系统维护的相关知识和经验，多数生物学家 感到力不从心。即使是生物信息学家，乃至专 业系统管理员，面对如此众多的软件和有限的 文档，也会感到相当棘手。此外，随着生物信 息数据量激增和对数据深入研究，往往需要在 一个研究项目中同时使用多个软件。一个配置 良好、可提供各种生物软件的操作环境就显得 十分必要。GNU1项目生物学软件目录[1]下现有 15种软件，开放科学（The Open Science）项目 生物学软件目录[2]下有51种软件，绝大多数可 在Linux操作系统下运行。因此，以Linux为平 台开发这样一个操作环境，不仅必要，而且可 行。 通用Linux发行版软件仓库中的生物信息 软件多为RPM（Red Hat Package Manager，Red Hat包管理器）格式，这些软件适合Red Hat/ Fedora等使用RPM软件包管理系统的Linux发行 版，如Bio-Linux[3]或BioRPM[4]。通用Linux发行 版Debian[5]和Gentoo[6]也提供数量较多的生物信 息学软件包，用户需要自行安装这些软件。而 基于Linux的生物信息操作环境则集成了大部分 生物信息软件，便于安装使用。生物信息操作 环境主要包括两类，一类是光盘型生物信息操 作环境，即整个系统集成后刻录在一张或几张 光盘上，运行时只需将光盘插入计算机，不需 要预先在硬盘上安装；另一类则需将集成后的 系统安装到硬盘上，使用时通过硬盘启动后进 入预先设定的操作环境。 光盘型生物信息操作环境 光盘型生物信息操作环境为LiveCD类型。 * 北京大学生物信息中心、北京大学蛋白质工程和植物基因工程国家重点实验室、北京大学生命科学 学院 北京 100871 1 GNU始于1984年，旨在发展一个类似Unix、且为自由软件的完整操作系统——GNU系统。GNU是由 “GNU's Not Unix”所递归定义的首字母缩写语，发音为“guh-NEW”。 51 第 2 卷 第 3 期 2006 年 5 月 

封面报道 其特点是使用简单，适合不太熟悉Linux系统的 用户。使用时只需从装有LiveCD的系统光盘启 动，即可进入操作环境。由于光盘运行时只在 内存中建立临时文件系统，不用担心由于操作 不慎而破坏本地硬盘文件系统。这种操作环境 通常对计算机硬件环境要求较低，比较适合教 学和演示。其缺点是运行速度和数据处理能力 受内存大小限制，数据保存不够方便，一般使 用优盘（U-disk）保存。代表性软件有： 1. BioKnoppix[7] 是基于通用Knoppix LiveCD LiveCD，目前版本为1.0，同样基于Knoppix， 提供20余种生物信息学软件，大多数有图形界 面，默认桌面管理器KDE。除生物信息学软件 外，还提供序列数据，如大肠杆菌和蓝细菌基 因组序列等。Vigyaan主页上也为初学者提供了 在线教程和演示。 3. DNALinux[9] 是GenesDigitales开发的光盘 型生物信息操作环境，目前稳定版本是0.42， 开发的Linux光盘型生物信息操作环境，目前 为Beta-0.21版。该系统以分子生物学家为主 要用户群，适合演示及分子生物学教学。最 新版BioKnoppix集成了10余种生物信息学软件 包，绝大多数有图形用户界面，如EMBOSS/ Jemboss、Artemis、ClustalX、Cn3D、ImageJ 及RasMol等。BioKnoppix默认的桌面管理器 是KDE（K Desktop Environment，K桌面系 统），风格类似微软视窗（W i n d o w s），便 于 大 多 数 习 惯 使 用 视 窗 的 生 物 学 家 入 门 使 用。BioKnoppix也提供了一些开发工具包，如 BioPython、BioPerl及BioConductor等，但在演 示和教学活动中，较少用到这些开发工具。 BioKnoppix在其主页上提供了使用简例和一个 可视化教程。 图为Vigyaan界面 该版本是基于Slax 4.1.4开发的。DNALinux提供 了约20种生物信息学软件，主要是关于核酸及 蛋白质序列处理工具，这些工具多数没有图形 用户界面。DNALinux提供部分BLAST格式的蛋 白质序列数据库。 硬盘安装型生物信息操作环境 硬盘安装型生物信息操作环境一般都基 于较为流行的Linux发行版，如Debian和Fedora 等。这类环境通常提供基于图形界面的安装程 序，便于具有一定Linux系统基础的用户安装。 这种Linux生物信息操作环境功能一般比光盘型 的系统全面，可作为生物学研究者日常桌面系 统。若安装到系统硬件配置较高的服务器上， 亦可作为多任务服务器。代表性软件有： 2. Vigyaan[8] 是以生物信息学家、计算生 物 学 家 和 计 算 化 学 家 为 目 标 用 户 群 开 发 的 1. Bio-Linux[10] 是由英国国家环境研究委员 会生物信息中心开发的一种硬盘安装型Linux生 52 第 2 卷 第 3 期 2006年 5 月 

多人使用一台服务器。硬盘安装型Bio-Linux是 基于通用Linux发行版Debian环境，而国内广大 Linux用户，尤其是生物学家对Redhat/Fedora系 列和RPM包管理系统更为熟悉。为此，我们以 Fedora2为基础平台，开发了一个硬盘安装型的 Linux生物信息操作环境BioLand。 BioLand旨在为生物学家提供一个易于安装 维护的生物信息操作环境，并为中小型生物学 实验室或大型生物实验室中的工作组提供一个 可共享的数据平台和计算服务器。Fedora2是桌 面型RedHat的后继版，整合了大量Linux常用系 统软件，具有良好的用户基础。因此BioLand选 择Fedora Core Linux作为基础平台，采用RPM包 管理系统整合相关生物信息软件和数据库自动 更新程序。 BioLand当前版本是BioLand 2004，基于 Fedora Core 2，整合了BLAST、EMBOSS、 F A S T A 和 H M E E R 等 2 0 余 种 生 物 软 件 以 及 BLOCKS、PRINTS、PROSITE等蛋白质序列模 块数据库。BioLand的目标用户群中包括实验生 物学家，他们往往不熟悉命令行操作方式，因 物信操作环境，最新版4.0基于Debian Linux。 该操作环境提供50多个生物信息学软件包，包 括ClustalW和BLAST等常用软件，同时还提供 开发工具和详尽说明文档以及文档查询功能。 为方便使用者，Bio-Linux还在其桌面环境菜单 中加入了生物信息软件快捷方式。基于Debian Linux使得该系统易于升级更新。如果作为服务 器使用，还可使用Bio-Linux自带防火墙和基于 Web的管理工具。 图为Bio-Linux及其包含的部分软件包 2. B i o B r e w [11] 是由 bioinfromatics.org组织开发 的一款专为机群系统定制 的Linux生物信息操作环 境，提供了一些生物学序 列联配软件。此外，上述 DNALinux也提供硬盘安 装型生物信息操作环境。 生 物 信 息 操 作 环境BioLand 上述两类Linux生物 信息操作环境各有利弊， 光盘型不需安装，使用简 单，但功能有限，不利于 2 Fedora是Red Hat桌面版本的延续。 53 第 2 卷 第 3 期 2006 年 5 月 

封面报道 表1 BioLand主要生物信息软件工具及用途 说 明 交互式多序列联配编辑器 基于命令行的多序列联配程序 基于图形界面的多序列联配程序 基因表达数据分析程序 欧洲分子生物学开源软件 FASTA数据库搜索系统 隐马模型序列分析软件 软件名称 Cinema5[13] Clustalw[14] Clustalx[15] Cluster[16] EMBOSS[17] FASTA[18] HMMER[19] NCBI-Tools[20] BLAST[21] NJPlot[22] PAML[23] PFTools[24] Phylip[25] PS-Scan[26] Primer3[27] TreeView[28] 系统发生树可视化编辑软件 wEMBOSS BioUpdate 生物数据库自动更新软件 NCBI工具软件 NCBI BLAST数据库搜索系统 邻接法系统发生树绘图软件 最大似然法系统发生分析软件 Prosite数据库构建软件 系统发生分析系统 Prosite数据库序列位点扫描软件 多聚酶链式反应引物设计软件 EMBOSS网页界面 此仅仅提供用户软件命令行工具还远远不够， 而需要提供图形或者网页界面。网页界面比较 适合多人远程共用一台服务器，符合BioLand 目标设定。因此我们在BioLand 2004中整合了 wEMBOSS[12, 32]，并预先配置好FTP3和HTTP4服 务器，方便用户下载数据和使用wEMBOSS等基 于网页的生物学软件。 生物计算最重要的就是保证生物学数据的 正确性，因此对生物数据进行及时和正确更新 非常必要。BioLand提供了我们自行开发的生物 学数据库更新系统BioUpdate，以方便用户更新 和维护数据。为方便用户更新软件，BioLand提 供apt-get软件包管理系统，可以自动查找和安 装更新。BioLand采用开源的Gnome2桌面管理 系统作为图形桌面环境，并将自带图形界面的 生物信息软件的快捷方式加入菜单，方便用户 使用。 运行BioLand文本模式对系统硬件的最低需 求是主频为200MHz的奔腾处理器，而图形界面 则需主频为400MHz的奔腾Ⅱ处理器。作为个人 生物信息工作站，本系统推荐奔腾Ⅲ 800MHz 或以上处理器、512GB内存、120GB IDE5硬 盘、百兆以太网卡，以及17寸或以上显示器。 作为服务器使用时，推荐系统配置为奔腾至强 系列处理器，2GB内存、IDE磁盘阵列、千兆 以太网卡；或双奔腾至强系列处理器、4GB内 2 Fedora是Red Hat桌面版本的延续。 3 File Transfer Protocol，文件传输协议 4 HyperText Transfer Protocol，是超文本传输协议 5 Integrated Device Electronics，一种硬盘接口 54 第 2 卷 第 3 期 2006年 5 月 

存、SCSI6磁盘阵列、千兆以太网卡。 BioLand从开发至今，已被国内外用户大 量下载，被国外多家网站引用并在多家杂志刊 登[29,30,31]。我们用BioLand作为北京大学及中国 农业科学院研究生院开设的实用生物信息技术 课程的基本教学环境，取得了很好的效果。目 前，正在进一步扩充软件工具，包括蛋白质空 间结构显示软件、基因芯片数据分析软件等， 并增加常用生物信息数据库。 孔雷 北京大学生物信息中心博士研究生。 罗静初 北京大学生物信息中心教授。 参考文献和网址 [1] http://directory.fsf.org/science/biology/ [2] http://www.openscience.org/links/index.php?section=17 [3] http://www.biolinux.org/ [4] http://uberh4x0r.org/~yax/biorpm/ [5] http://www.debian.org/ [6] http://www.gentoo.org/ [7] http://bioknoppix.hpcf.upr.edu/ [8] http://www.vigyaancd.org/ [9] http://www.dnalinux.com/ [10] http://envgen.nox.ac.uk/biolinux.html [11] http://bioinformatics.org/biobrew/ [12] http://www.wemboss.org/ [13] http://umber.sbs.man.ac.uk/dbbrowser/CINEMA2.1/ [14] http://www.ebi.ac.uk/clustalw/ [15] http://bips.u-strasbg.fr/fr/Documentation/ClustalX/ [16] http://bonsai.ims.u-tokyo.ac.jp/~mdehoon/software/cluster/ [17] http://emboss.sourceforge.net/ [18] http://fasta.bioch.virginia.edu/ [19] http://hmmer.wustl.edu/ [20] http://www.ncbi.nlm.nih.gov/Tools/ [21] http://www.ncbi.nlm.nih.gov/BLAST/ [22] http://pbil.univ-lyon1.fr/software/njplot.html [23] http://abacus.gene.ucl.ac.uk/software/paml.html [24] http://www.expasy.org/prosite/ [25] http://evolution.genetics.washington.edu/phylip.html [26] http://www.expasy.org/prosite/ [27] http://frodo.wi.mit.edu/primer3/ [28] http://darwin.zoology.gla.ac.uk/~rpage/treeviewx/ [29] The Bioinformatics Playground, Tiwari, B and Field, D. Linux User and Developer. 2005. Issue 46. pp. 50-56 [30] http://gchelpdesk.ualberta.ca/news/17mar05/cbhd_news_17mar05.php [31] http://gchelpdesk.ualberta.ca/news/03mar05/cbhd_news_03mar05.php#GearingUp [32] wEMBOSS: a web interface for EMBOSS, Martín Sarachu and Marc Colet, Bioinformatics, Feb 2005; 21: 540 - 541 6 Small Computer System Interface，小型计算机系统接口 55 第 2 卷 第 3 期 2006 年 5 月