搬运一个非常nice的Docker镜像

vlambda
2022-04-10

搬运一个非常nice的Docker镜像

Docker是啥？

当你经常在conda中碰到环境依赖报错；

当你想重复其他环境中的分析流程，而自己的系统首先就不一样（比如centos vs ubuntun）；

当你经常需要在R和python中频繁切换时；

兄嘚，那你可能需要了解下docker了。

从原理上，docker和conda是不同的东西。

docker是非常轻量的虚拟机，你可以在ubuntun中下载centos的镜像，模拟centos中的系统，下载对应的软件，设置相应的配置。

conda是一个环境隔离管理者，在每个环境中可以任意折腾而不影响别的环境。单个环境里安装较少的包时，conda可以轻松驾驭。但当安装包逐渐增多，其所需的底层依赖包常常冲突，conda逐渐力不从心。

我们不是专业的调试环境的程序工作者，花太多时间升降包调试分析环境是不划算的。

这时候，docker挺身而出，可以将一个建立好的分析环境体系呈现，我们不需要安装其他包，只需要启动docker就可以使用它们。

但docker比conda上手要复杂一些，docker的学习不是本期的重点，我们可以通过一些相关教程快速上手（如bilibili视频，docker快速入门等）。

一经熟悉docker流程。你会惊讶它的强大之处。

废话不多说，从一个单细胞分析环境的整合系统（即docker的image）开始，我们站在巨人肩膀上，开始体验docker带来的便利。

第一步，打开GitHub镜像主页

https://github.com/rnakato/docker_singlecell

第二步，查看 README.md 镜像说明

看看镜像的历史进程

从Ubuntu到cuda-pytorch开始支持GPU计算->修bug修bug->增加SeuratData包->升级python3.9,安装cellchat等（今年3月比较大的更新）

python3.9很新啦，因为支持jupyter notebook，可方便切换为R，我们来看下R环境。

sessionInfo()

R version 4.1.2 (2021-11-01)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 20.04.3 LTS

算是非常新的R版本了。

第三步精髓在于，此镜像携带了大量分析包，pull完镜像可以一站式完成安装，我们看看有哪些？

Included tools (latest)Pipeline: Seurat (and wrappers), scater, scran, scanpy, scVI, monet, Pagoda2, kallisto (bustools)Doublet finding: Scrublet, DoubletFinderBatch correction and data integration: Harmony, scmap, scBio, SingleCellNetClustering: SC3, metacell, SCCAF, Constclust, bigSCale2Cluster annotation: RCA, CellAssign, garnett, scCatch, SingleRTrajectory analysis: Monocle2/3, slingshot, Palantir, FROWMAPRNA velocity: velocyto, scVelo, CellRank, DynamoGene network: WGCNA, SCENIC (pySCENIC)Cell-to-cell interaction: CellPhoneDB, SingleCellSingnalR, scTensor, cell2cell, CellChatData imputation: scImpute, MAGIC, SAVER, SAVER-X, SCRABBLEMulti-modal: LIGER, scAI, MOFA2Bulk deconvolution: SCDC, MuSiCSimulation: Splatter, dyngenOthers: scGen, sleepwalk, singleCellHaystack, ComplexHeatmapscATAC-seq: cicero, chromVAR, ArchR, Signac, cisTopic, episcanpyDatabase (genome): BSgenome.Hsapiens.UCSC.hg19, BSgenome.Hsapiens.UCSC.hg38, BSgenome.Mmusculus.UCSC.mm10, BSgenome.Scerevisiae.UCSC.sacCer3, BSgenome.Dmelanogaster.UCSC.dm6Database (gene): EnsDb.Hsapiens.v75, EnsDb.Hsapiens.v79, EnsDb.Hsapiens.v86, EnsDb.Mmusculus.v79Database (motif): JASPAR2016, JASPAR2018, JASPAR2020SeuratData: ifnb_3.1.0, panc8_3.0.2, pbmcsca_3.0.0, pbmc3k_3.1.4, celegans.embryo_0.1.0, cbmc_3.1.4, hcabm40k_3.0.0, thp1.eccite_3.1.5, stxBrain_0.1.1, stxKidney_0.1.0, bmcite_0.3.0, pbmcMultiome_0.1.2, ssHippo_3.1.4

梳理一下

搬运一个非常nice的Docker镜像

基本上常用的单细胞分析软件都囊括在内

如python-> scanpy+scVI+scVelo+pySCENIC

R->Seurat+metacell+monocle+CellPhoneDB+SingleR...

第四步如何使用

# 1. 安装docker （参考官网网站教程，在此不展开）
# 2.安装成功后root权限运行docker命令，包含以下：docker pull rnakato/singlecell_jupyter  # 拉镜像，需要63GB 空间
# 3.创建基于jupyter notebook的容器sudo docker run -it --name notebook-server -p 1997:8888 -v /home/wangxy/seqdata/:/work/mnt rnakato/singlecell_jupyter jupyternotebook.sh## -it 交互使用终端## -p 端口映射 1997为本地端口，8888为容器端口## -v 为挂载目录，即将本地/home/wangxy/seqdata/挂载到容器/work/mnt内
# 4. 浏览器登陆# 弹出tocken=<xxxx> 复制xxxx替换下行xxxx# 本地服务器登陆 http://<your ip>:1997/?token=<xxxx># 即可成功在html页面运行jupyter notebook