代码验证报告

1IEP（c-Abl 激酶 + 伊马替尼）体系上批量对接 5 个配体，全部跑通，产出 poses/ 与 results.csv。阳性对照伊马替尼重对接得 −13.27 kcal/mol，top pose 与共晶结构 RMSD 0.270 Å（Vina 官方示例 0.283 Å），重对接成功。

• 实测环境：Python 3.11.16 + vina 1.2.7 + meeko 0.8.0 + rdkit 2026.03.1 + openbabel 3.2.1，全部版本号见日志
• 实测耗时：单配体冒烟测试 24 s；5 配体批量（exhaustiveness=16）2 min 27 s
• 跑出 2 个真实缺陷并已修复：一是不同目录下的同名配体会互相覆盖输出（并发写同名文件），二是输入文件或 vina 路径不存在时不报错、静默失败
• 修复前的原文件另存为 verify/docking/vs_batch.orig.py，逐行改动见 diff
• 脚本本体只依赖 Python 标准库 + vina 可执行文件；准备 PDBQT 输入才需要 meeko / rdkit / molscrub

查看完整运行日志 →

依赖清单在真实环境里逐条装过。已补上 molscrub 漏声明的 joblib——照原清单安装，跑 scrub.py 会直接 ModuleNotFoundError。

• conda 装：numpy / scipy / rdkit / vina / meeko / gemmi / openbabel / prody
• pip 装：molscrub、joblib
• 实测版本号见 verify/docking/env_versions.txt

查看完整运行日志 →

文档里的建环境、装依赖、准备受体配体、跑批量的命令逐条执行过；其中 pip 安装清单按实测补了 joblib。

• 按 README 走一遍能装出可用环境（踩坑与修正见日志第 5 节）

查看完整运行日志 →

6 个真实双端样本走完 fastp 修剪 → HISAT2 比对 → samtools 排序 → featureCounts 计数 → MultiQC 汇总，EXIT=0，比对率 99.94–99.95%，耗时 3 分 21 秒。

• 实测环境：hisat2 2.2.3 / samtools 1.24 / featureCounts(subread) 2.1.1 / fastp 1.3.7 / MultiQC 1.35，8 核 15 GB 单机
• 数据：Biostar 官方练习集 griffith（HBR vs UHR），人 chr22 + ERCC92 子集，6 个样本共 95.1 万对 reads；来源与 md5 见 input_manifest.txt
• 索引构建 50 秒（63 MB）；主流程 3 分 21 秒
• 修掉 3 处真实缺陷：samtools 排序 -m 4G × 8 线程在 16 GB 机器上直接爆内存；featureCounts --countReadPairs 多线程有竞态，同一份数据连跑 8 次得到 8 个不同结果还偶发段错误（改单线程后确定且更快）；路径含全角括号 + C locale 时 grep 把文本判成二进制，导致计数矩阵为空
• 原始文件备份在 verify/rnaseq/backup/，逐条 diff 见 diff_scripts.md

查看完整运行日志 →

读入计数矩阵做差异表达，1463 个基因过滤后 415 个进入检验，得到 188 个显著差异基因（89 上调 / 99 下调），11 秒跑完，并输出火山图、PCA 与样本距离热图。

• 实测环境：R 4.4.1 + Bioconductor 3.20，DESeq2 1.46.0 + apeglm 1.28.0
• 修掉 3 处真实缺陷：计数矩阵列名是绝对路径，与样本表的 sample_id 对不上，DESeq2 直接归零；R 的 comment.char="#" 把 `# sample_id` 表头整行吃掉，报错完全指不到原因；vst() 默认 nsub=1000 在千级基因的小数据上必报错，改成自适应
• 结果方向合理：免疫相关上调、神经突触相关下调

查看完整运行日志 →

GO 富集与 GSEA 在真实差异表上跑通并出图（GO 四类共 40 条、GSEA 13 条），耗时 3 分 45 秒；KEGG 因本机访问 rest.kegg.jp 超时未验证成功。

• 实测环境：clusterProfiler 4.14.0 + enrichplot 1.26.1 + org.Hs.eg.db 3.20.0 + fgsea 1.32.2
• KEGG 未跑通：本机能建连但 60 秒无数据返回，属本机网络限制，不是脚本问题。脚本已加 tryCatch + 超时，跳过时打印原因，不影响 GO/GSEA 出结果
• 修掉 1 处真实缺陷：脚本筛了一个不存在的列 all_res$entrez，原样跑 GSEA 段必然失败
• 小数据下差异基因偏少，GO_BP_down / GO_MF_down 这类空结果属正常，脚本会静默跳过，不是坏了

查看完整运行日志 →

清单里的版本号是撰写时写的，本次实测解析到的普遍更新（fastp 0.23.4→1.3.7、hisat2 2.2.1→2.2.3、samtools 1.20→1.24、subread 2.0.6→2.1.1、multiqc 1.21→1.35、r-base 4.3→4.4.1）。

• 清单里相当一部分包（trim-galore、bwa、star、salmon、macs3 等）三步脚本用不到，本次未安装、未验证，因此没有回填 pin——回填会变成没验证过的断言
• 用它建环境没问题，但实际解析到的版本以本机为准；完整差异对照见 verify/rnaseq/env_versions.txt

查看完整运行日志 →

文档里的装环境、取数据、跑三步流程的命令逐条执行过；并按实测踩到的坑补了 3 条常见问题与大陆网络的镜像配置。

• 补入的实际踩坑：samtools 排序内存估算、featureCounts 多线程结果不可复现、grep 把文本判成二进制
• Bioconductor 直连约 5 KB/s，换西湖镜像后 10–24 MB/s（清华镜像 403，不可用），配置方法已写进正文

查看完整运行日志 →