模块化设计：模块定义、引用、参数化与复用

模块化这事，说白了就是“别把所有鸡蛋放在一个篮子里”。我早年写Nextflow流程时，动不动就一个main.nf塞两三百行，后来发现改一个参数要翻三页代码，复用更是想都别想。嗯，从那以后我对模块化就特别上心。

为什么需要模块化？

你想想看，一个生物信息学流程通常包含数据预处理、比对、变异检测、注释等多个步骤。如果每个步骤都写成独立的模块，好处就出来了：

• 可维护 —— 改比对参数只动比对模块，不影响其他
• 可复用 —— 比对模块可以放在RNA-seq、WGS、WES多个流程里
• 可测试 —— 单独测一个模块，比测整个流程快得多
• 可协作 —— 团队里每人负责一个模块，互不打架

我做过一个项目，RNA-seq流程和ChIP-seq流程大概有40%的模块是相同的。要是当时没模块化，得维护两套几乎一样的代码，光想想就头疼。

模块定义：如何写一个模块？

Nextflow的模块其实就是一个独立的.nf文件。里面可以定义process，也可以定义workflow。我个人习惯每个模块只干一件事，比如“用FastQC做质控”就是一个模块。

一个最小模块长这样：

// modules/fastqc.nf
process FASTQC {
    tag "FastQC: $sample_id"
    publishDir "${params.outdir}/fastqc", mode: 'copy'

    input:
    tuple val(sample_id), path(reads)

    output:
    path "*.html", emit: html
    path "*.zip",  emit: zip

    script:
    """
    fastqc -t ${task.cpus} $reads
    """
}

注意这里我把sample_id和reads包成tuple，这是Nextflow处理配对文件的标准姿势。我之前吃过亏，把两个文件拆成两个input通道，结果排序全乱了。

模块引用：include语句

定义好模块后，在主流程里用include把它拉进来：

// main.nf
include { FASTQC } from './modules/fastqc'

workflow {
    FASTQC( ch_reads )
}

include支持别名和选择引用，比如我只想用某个模块的部分process：

include { FASTQC as QC; MULTIQC as MQC } from './modules/quality_control'

这样做的好处是命名空间清晰。我有一次在两个模块里都定义了TRIM，结果主流程混淆了。后来全用别名，再没出过问题。

参数化：让模块更灵活

模块写死参数等于没写。比如上面的FastQC模块，如果每次都默认用–threads 1，在高性能集群上就是在浪费资源。正确的做法是把可变部分做成参数：

// modules/fastqc_params.nf
process FASTQC {
    tag "FastQC: $sample_id"
    publishDir "${params.outdir}/fastqc", mode: 'copy'

    input:
    tuple val(sample_id), path(reads)

    output:
    path "*.html", emit: html
    path "*.zip",  emit: zip

    script:
    def extra = params.fastqc_extra ?: ''
    """
    fastqc --threads ${task.cpus} $extra $reads
    """
}

然后在nextflow.config里设置默认值：

params {
    fastqc_extra = '--nogroup'
}

避坑指南：我曾经在模块脚本里直接用了params.outdir，但后来换了个流程忘了配这个参数，运行直接报错。所以现在我的模块只接受从上层显式传入的参数，或者用?:给个安全默认值。

模块复用：组合与嵌套

模块可以嵌套使用。比如我写一个“全转录组质控”模块，里面组合了FastQC、MultiQC和Trimmomatic：

// modules/rna_qc.nf
include { FASTQC } from './fastqc_params'
include { TRIMMOMATIC } from './trimmomatic'
include { MULTIQC } from './multiqc'

workflow RNA_QC {
    take: raw_reads
    main:
    FASTQC( raw_reads )
    TRIMMOMATIC( raw_reads )
    MULTIQC( FASTQC.out.html.mix( FASTQC.out.zip ) )
    emit:
    trimmed = TRIMMOMATIC.out.trimmed
}

这样在顶层流程里只需要一行：

include { RNA_QC } from './modules/rna_qc'
workflow {
    RNA_QC( ch_raw )
}

表格对比几种常见复用模式：

模块化设计的整体脉络

看完上面的内容，你应该对整个模块化设计有了感觉。下面这张图把核心关系画出来了：

嗯，模块化的核心其实就是定义接口、隔离变化、组合复用。你只要记住：参数从外面传进来，结果从通道流出去，中间的事情让模块自己处理。这样一来，Nextflow流程的维护和扩展就会轻松很多。