📚 课程目录第1章 Nextflow简介与安装配置参数

1、Nextflow 简介与安装配置参数

1.1 为什么会有 Nextflow？

说实话，我刚入行做生物信息分析那会儿，日子过得挺苦的。

每次跑一个全基因组分析，要手动敲几十条命令。数据从 QC 到比对，再到变异检测，每一步都得盯着。中间某一步挂了，整个流程就得重启。更要命的是，换一台服务器或者换一批数据，脚本就得改一遍。你想想看，这有多折腾。

后来我接触到工作流管理系统，试过 Snakemake，也试过 CWL。但真正让我眼前一亮的是 Nextflow。为什么？因为它解决了一个核心痛点：一次编写，到处运行。

Nextflow 是 2016 年由 CRG（巴塞罗那基因组调控中心）开源的。它基于数据流编程模型，天然支持容错、断点续传、多平台执行。说白了，你只要写好流程，本地、集群、云端都能跑，代码不用改。

1.2 安装：选对路子省一半时间

安装 Nextflow 其实很简单。我建议直接用官方推荐的 curl 命令：

curl -s https://get.nextflow.io | bash

这条命令会下载一个 nextflow 可执行文件。把它放到 PATH 里，比如 /usr/local/bin/，就能用了。

不过，我踩过两次坑，这里给你提个醒：

Java 环境必须提前装好。Nextflow 跑在 JVM 上，依赖 Java 11 或更高版本。你可以用 java -version 检查一下。没有的话，装个 OpenJDK 就行。
注意给执行文件加执行权限。下载完后，运行 chmod +x nextflow。我曾经忘记这一步，折腾了半天才发现。

我的习惯：每次在新环境装 Nextflow，我会先跑一遍 nextflow run hello。这个内置示例能验证安装是否正确，还能顺便测试网络能不能拉取依赖。一分钟搞定，省心。

除了源码安装，还有两种常见方式：

安装方式	命令	适用场景
curl 安装	`curl -s https://get.nextflow.io \| bash`	个人环境，无 Root 权限
conda 安装	`conda install -c bioconda nextflow`	已用 Conda 管理的环境
Docker 镜像	`docker pull nextflow/nextflow`	容器化部署 CI/CD 集成

1.3 核心概念：三个词搞懂 Nextflow

刚开始学 Nextflow 的人，容易被它那一堆术语吓住。其实核心概念就三个：进程（Process）、通道（Channel）、工作流（Workflow）。

进程：你写的一个计算步骤。比如比对、排序、去重。每个进程可以指定输入、输出和执行脚本。
通道：数据在进程之间流动的“管道”。通道可以理解为一个异步队列，数据从上游进程产出后，通过通道送给下游进程。
工作流：把这些进程和通道串起来的东西。它定义了执行逻辑，比如哪些进程并行跑，哪些串行跑。

举个例子，一个最简单的 RNA-seq 定量流程：

nextflow.enable.dsl=2

process FASTQC {
    input:
    path reads

    output:
    path "*.html"

    script:
    """
    fastqc ${reads}
    """
}

workflow {
    FASTQC( Channel.fromPath( "*.fastq.gz" ) )
}

你看，Channel.fromPath 创建了一个通道，把 fastq 文件传给 FASTQC 进程。进程跑完后，结果自动输出。不用手动写循环，不用处理异常。

  DSL2 是必选项。Nextflow 有两个语法版本。DSL1 是老语法，已经不推荐用了。所有新项目都应该在脚本开头加上 nextflow.enable.dsl=2。我见过有人还在用 DSL1 接手别人的老代码，那个维护起来真的是……嗯，别学他们。

1.4 参数系统初探：配置从哪里来？

参数是 Nextflow 流程里最灵活的部分。一个流程能不能在不同场景重用，往往看参数设计得好不好。

Nextflow 的参数来源有三个层级的覆盖关系：

默认值：在脚本里用 params.xxx 定义的默认值。
配置文件：nextflow.config 里写的参数覆盖默认值。
命令行参数：运行 nextflow run 时用 --xxx 传参，这个优先级最高。

优先级顺序是：命令行 > 配置文件 > 默认值。说白了，你命令行传了，就以命令行为准；没传但配置文件里写了，就以配置文件为准；都没写，才用脚本里的默认值。

看一下实际例子：

// main.nf
params.input_dir = "./data"
params.out_dir   = "./results"

// nextflow.config
params {
    input_dir = "/data/raw"
    genome    = "hg38"
}

// 运行时覆盖
nextflow run main.nf --input_dir /data/project --out_dir /data/output

最终生效的值是：input_dir = /data/project（命令行覆盖），out_dir = /data/output（命令行覆盖），genome = hg38（配置文件提供）。

我曾经犯过的错：把密码、API 密钥这些敏感信息写在 nextflow.config 里，然后不小心上传到 Git 仓库。还好发现得早。现在我会用 params.secret = System.getenv('MY_SECRET') 从环境变量读取，配置文件里只占个位。

1.5 本章流程图：参数层级与执行逻辑

下面这张图把核心概念和参数覆盖关系串在一起，方便你从整体上理解：

1.6 小结与避坑

这一章我们聊了 Nextflow 的背景、安装、三个核心概念和参数系统的三层覆盖关系。对于初学者，我建议你先把安装跑通，然后用 nextflow run hello 感受一下流程是怎么执行的。接下来在自己项目里试着写一个只有两三个进程的小流程，比如 fastqc 加 multiqc。练几次就会了。

顺便提一句，nextflow.config 文件里还可以配置执行器（比如本地、SLURM、AWS Batch）、容器引擎（Docker、Singularity）、资源申请等。这些我们后面章节会逐一展开。