生物信息学中容器化应用实践的调研与评估

容器化使科学计算具备可移植性、可复现性和可扩展性。然而，容器的开发、文档编写和部署实践可能存在很大差异，即使在同一领域内部也是如此。理解容器在真实世界场景中的实现模式，有助于制定社区指南、质量评分量表以及自动化软件审查系统。以生物信息学这一代表性领域为重点，我们调研了已发表的软件工具，以寻找实际应用中的容器化案例。在确定了250多个待审查工具之后，我们对版本控制、资源来源以及容器镜像总体健康状况等相关元数据进行了标注，并在专门构建的评估平台（https://github.com/vpnagraj/socr8s）中测试了这些容器镜像的构建与拉取能力。在我们测试的大多数镜像中，它们未能在我们的环境中成功构建。在我们跟踪的工具特征中，构建成功最强的预测因素是版本控制活跃度。在此前两年内有提交记录的工具，其成功构建的可能性大约是其他工具的两倍。对失败情况的深入评估识别出多种问题，包括资源缺失和依赖链断裂。尽管许多工具已发布了可在开放注册表中访问的镜像，但其中24%的工具既无法构建，也无法拉取。镜像整体上往往体积较大，那些能够成功构建的镜像其中位大小为1.57GB。在能够获得镜像规范文件的情况下，我们发现，更高级的容器编排与构建技术并不常见。我们的结果突出了生物信息学以及更广义科学计算软件中，容器化工具在构建和维护方式方面仍有待改进的领域。

容器化使科学计算具备可移植性、可复现性和可扩展性。然而，容器的开发、文档编写和部署实践可能存在很大差异，即使在同一领域内部也是如此。理解容器在现实场景中的实现模式，有助于制定社区指南、质量评分标准以及软件审查自动化系统。以生物信息学作为代表性领域，我们调研了已发表的软件工具，以寻找容器化的实际应用案例。在识别出超过250个待审查工具后，我们对其版本控制、资源来源以及容器镜像整体健康状况等元数据进行了标注，并在专门构建的评估平台（https://github.com/vpnagraj/socr8s）中测试了这些容器镜像的构建与拉取能力。在我们测试的大多数镜像中，它们无法在我们的环境中成功构建。

在我们追踪的工具特征中，对构建成功最强的预测因素是版本控制活跃度。在前两年内有提交记录的工具，其成功构建的可能性约为其他工具的两倍。对失败情况的深入评估识别出了多种问题，包括资源缺失和依赖链断裂。尽管许多工具已发布可在开放注册表中访问的镜像，但其中24%的工具既无法构建，也无法拉取。镜像总体上倾向于体积较大，对于那些能够成功构建的镜像，其中位大小为1.57GB。在可获得镜像规范文件的情况下，我们发现，更高级的容器编排和构建技术并不常见。我们的结果凸显了生物信息学以及更广泛的科学计算软件中，容器化工具在构建和维护方式方面仍有改进空间。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.17.739198v1?rss=1

🏷️ 生物信息学软件 容器化 可复现性 软件评估 版本控制 镜像构建