📚 课程目录第1章 Nextflow简介与安装

1. Nextflow简介与安装：从零开始搭建你的第一个管道

大家好，我是这次课程的主讲人。说实话，在接触Nextflow之前，我对生物信息学管线的印象就是一堆混乱的脚本。每个项目都要重写一遍流程，简直是个噩梦。直到2017年，我偶然读到了Nextflow的论文，当时就觉得——嗯，这东西能解决很多问题。

1.1 Nextflow是什么？它解决了什么痛点？

先说说背景。2014年，意大利的CRS4生物信息学实验室发布了Nextflow的第一个版本。为什么会有这个工具？因为当时的管线脚本太“脆弱”了。

脚本不通用：Shell脚本只能跑在Linux上，换到Windows就崩
依赖管理难：Python2/Python3、R版本、工具版本，每次部署都像拆炸弹
没有容错机制：跑了两天的分析，中间一个文件没下载下来，整个重来
可重现性差：上周跑的跟这周跑的结果不一样，还不知道为啥

Nextflow就是冲着这些问题来的。它用数据流编程模型，把每个任务抽象成一个独立的过程。说白了，就是给管线加上了“乐高积木”的玩法。你可以把测序比对、变异检测、表达定量这些步骤，都做成独立的“积木块”，然后自由组合。

1.2 应用场景：多组学管线的瑞士军刀

我参与过的一个项目很有意思：同时处理WGS、RNA-seq、ChIP-seq三种数据类型，每种都有不同的分析流程。如果用传统的方式，我得维护三套脚本。但有了Nextflow，我只需要写一套流程模板，然后用参数来控制分支逻辑。

常见的应用场景包括：

领域	典型流程	Nextflow的优势
基因组学（WGS/WES）	GATK Best Practices	自动处理中间文件、并行加速
转录组学（RNA-seq）	STAR + featureCounts + DESeq2	模块化复用，一次写好到处跑
表观组学（ChIP-seq/ATAC-seq）	FastQC + Bowtie2 + MACS2	内置容器支持，环境隔离
单细胞组学（scRNA-seq）	Cell Ranger + Seurat	任务级断点续跑，省时间
宏基因组学	Kraken2 + Bracken + MetaPhlan	云原生支持，轻松扩展到大规模数据

⤷ 我的习惯：如果是小型项目（1024核以内），直接用本地执行器；要处理大规模数据，我会上AWS Batch或者Slurm集群。Nextflow最大的好处是，改一行配置就能切换执行环境，代码完全不用动。

1.3 安装方法：两种主流方式，选你习惯的

安装这块，我踩过一些坑。曾经有个学员用系统Python装了Nextflow，结果Java环境配置不对，跑了两次就报内存溢出。说实话，我更推荐用Conda安装，除非你特别熟悉手动配置环境变量。

方法一：使用Conda（我个人推荐）

# 创建一个干净的环境
conda create -n nextflow_env -c bioconda nextflow
conda activate nextflow_env

# 验证安装
nextflow -v

为什么会推荐Conda？因为它会自动处理Java依赖。Nextflow底层是Groovy写的，需要Java 8以上环境。Conda帮你装好配好，省心。

✅ 教训：不要用conda的base环境装生产工具。我曾经图省事，在base里装了各种工具，结果装一个包把另一个的环境给污染了。新建环境隔离，是血的教训换来的经验。

方法二：使用curl安装（手动方式）

# 确保装了Java
java -version

# 下载安装脚本并执行
curl -s https://get.nextflow.io | bash

# 移动可执行文件到PATH目录
mv nextflow ~/bin/  # 或者 /usr/local/bin/
chmod +x ~/bin/nextflow

⚠️ 注意：手动安装方式，如果Java版本不对（比如装了Java 11但JAVA_HOME没配好），可能会报“Cannot find Java”错误。解决方法是设置JAVA_HOME环境变量：export JAVA_HOME=/path/to/your/java

安装完成后，你可以用这条命令测试一下：

nextflow info

它应该会输出版本信息和系统参数。如果看到“not found”之类的提示，说明环境变量没配对。

1.4 Hello World：跑通第一个Nextflow流程

好了，既然你已经装好了，咱们来跑个最简单的例子。我个人在初次学习时，也会从Hello World开始，先确保整个工具链是通的。

创建一个文件 hello.nf：

#!/usr/bin/env nextflow

process sayHello {
    input:
    val x

    output:
    stdout

    script:
    """
    echo "Hello, $x!"
    """
}

workflow {
    sayHello("Nextflow")
}

然后用nextflow运行它：

nextflow run hello.nf

你可能会看到类似这样的输出：

N E X T F L O W  ~  version 23.10.0
Launching `hello.nf` [elegant_woese] DSL2 - revision: a1b2c3d4
executor >  local (1)
[7a/9b8cd2] process > sayHello (Nextflow) [100%] 1 of 1 ✔
Hello, Nextflow!

⤷ 避坑指南：如果你的输出是乱码或者只看到[100%]但没看到“Hello, Nextflow!”，试试加参数 --process.shell 'bash'。我在Ubuntu上遇到过默认shell是dash的情况，换成bash就好了。

明白了吧？每个process有一个input、output和script块。script里写的就是你熟悉的shell命令。Nextflow的工作就是在后台调度这些process，确保依赖关系正确，失败时自动重试。

1.5 核心概念速览：一张图搞清楚架构

下面是这一章的知识结构图，我建议你先看一遍，有个整体印象，再往下看细节。

1.6 本章小结

嗯，这一章我们完成了三件事：先了解了Nextflow是干什么的，再搞定了安装，最后亲手跑通了一个完整的流程。你可能会觉得Hello World太简单，但它证明了一件事——从代码到结果，整个链路都是通的。这比什么都重要。