1、Nextflow 简介与安装

Nextflow 是一个数据驱动的计算框架，专门用来编排复杂的、可重复的数据管道。我第一次接触它是在做全外显子组分析的时候，那时候还在用 Shell 脚本串流程，每次换机器都得改路径，跑了三天的分析突然断了，心里那个烦……后来同事推荐了 Nextflow，说这东西能自动缓存、重启、跨平台，我试了一下，真香。

Nextflow 的起源

它最早由西班牙的 CRG（基因组调控中心）开发，核心设计思想就是让生物信息学人员能写出既严谨又灵活的管道。说白了，它把每个分析步骤打包成独立的“进程”，再用 Groovy 语言描述数据流和依赖关系。我个人觉得，最大的亮点是它天然支持容器——Docker、Singularity 都能无缝对接，再也不用担心环境冲突了。

你想想看，以前写 RNA-seq 流程，要手动安装 SAMtools、HTSeq、STAR，版本不对就崩。有了 Nextflow，你只需要写好 .nf 文件，指定容器镜像，跑起来就好了。我记得有一次在 HPC 集群上部署，管理员只装了 Singularity，而我本地测试用的是 Docker，Nextflow 居然一行配置就切换过去了，这种设计确实省心。

应用场景

• 生物信息学：RNA-seq、WGS、ChIP-seq、单细胞分析……几乎所有 NGS 流程都能用 Nextflow 重写。我自己写过一个 WGBS（全基因组甲基化）流程，七个模块，自动并行，一天就跑完。
• 数据工程：ETL、数据清洗、批量处理。虽然不如 Airflow 那么流行，但 Nextflow 的“数据驱动”特性在某些场景下更自然。
• ML 管道：数据预处理 → 特征工程 → 训练 → 验证。可以用 params 控制超参数，结合容器实现可复现。

你可能会问：为什么不直接用 Snakemake 或者 CWL？我个人经验是：Nextflow 的社区更大，模块更丰富（nf-core），而且对 GPU 的支持也更友好。当然，这不是绝对的，适合自己团队就好。

安装方式

Nextflow 的安装非常灵活。我通常推荐三种方式：

Conda 安装

conda create -n nextflow -c bioconda nextflow
conda activate nextflow
nextflow -version

嗯，这里要注意：如果 conda 解析依赖慢，可以尝试先把 bioconda 和 conda-forge 通道顺序调一下。我之前在服务器上装，用 mamba 替代 conda 会快很多。

Docker 安装

docker pull nextflow/nextflow:latest
alias nextflow='docker run -it --rm -v $PWD:/work -w /work nextflow/nextflow:latest'

这样会启动一个容器，把当前目录映射进去。建议同时也挂载 ~/.nextflow 目录，不然每次重建容器缓存就没了。我曾经踩过这个坑，跑了半天的流程因为容器退出而丢失了缓存。

手动安装

# 需要 JDK 11+
curl -s https://get.nextflow.io | bash
chmod +x nextflow
./nextflow -version

# 建议移动至 PATH 目录
mv nextflow ~/bin/

快速入门流程示例

先写一个最简单的 Hello World 流程，看看效果。

// hello.nf
#!/usr/bin/env nextflow

params.greeting = "Hello"
params.name    = "Nextflow"

process sayHello {
    input:
    val greeting

    output:
    stdout

    script:
    """
    echo "$greeting, $params.name!"
    """
}

workflow {
    sayHello(params.greeting)
}

运行一下：

nextflow run hello.nf --greeting "Hi" --name "Bioinformatics"

输出应该类似：

N E X T F L O W  ~  version 24.10.0
Launching `hello.nf` [romantic_mandelbrot] DSL2 - revision: 614f5f364d
executor >  local (1)
[5a/4c6e1a] sayHello (1) | 1 of 1 ✔
Hi, Bioinformatics!

这里要注意几个点：params 是 Nextflow 的输入参数声明，运行时用 -- 覆盖。进程 sayHello 的 input 声明了一个值（不是文件），输出是标准输出。workflow 块定义了调用逻辑。

你可能会好奇：为什么要用 val 而不是 file？其实 Nextflow 把输入分成了 val（值通道）和 file（文件通道）。在实际的生物信息学流程里，大部分是文件通道，比如 fastq 文件。但入门阶段用值通道更直观。

本章核心知识结构

下图概括了 Nextflow 的基本哲学：将数据流（Data）、进程（Process）、工作流（Workflow）通过通道（Channel）连接起来，形成可复现的管道。