第三章 环境搭建：Nextflow安装与容器配置

好了，咱们进入正题。

环境搭建这事，说难不难，说简单也不简单。我见过太多人卡在这一步——不是装不上，就是装完了跑不起来。其实说白了，就是几个工具的联调问题。

我个人习惯先把整体思路理清楚，再动手。你想想看，Nextflow本身是个工作流引擎，它不负责计算，只负责调度。真正干活的是你的脚本和工具。那怎么保证这些工具在不同机器上表现一致？靠容器。Conda、Docker、Singularity就是干这个的。

3.1 整体架构概览

我们先看一张图，把环境搭建的脉络理清楚。这张图我画了好几次才满意，因为它要同时展示三个层面的关系：主机系统、容器运行时、以及Nextflow本身。

这张图展示了三个层次：最上层是你的分析流程，中间是Nextflow引擎，下层是容器运行时。很多新手搞反了关系，以为Nextflow会直接调用工具。不是的，Nextflow只管“启动容器”，工具在容器里跑。

3.2 安装Nextflow

Nextflow的安装其实就一步。我记得最早用Nextflow时版本还是19.x，现在都到24.x了。但安装方式从来没变过。

# 下载Nextflow可执行文件（其实是个启动脚本）
curl -s https://get.nextflow.io | bash

# 或者用wget
wget -qO- https://get.nextflow.io | bash

# 把可执行文件放到PATH里
mv nextflow /usr/local/bin/
chmod +x /usr/local/bin/nextflow

# 验证安装
nextflow -version

这里要注意一个坑——Java版本。Nextflow要求Java 11以上，最好用Java 17或21。我遇到过有人装了Java 8, 然后死活跑不起来，报错信息还特别隐晦。

# 检查Java版本
java -version

# 如果没有Java，装一个
# Ubuntu/Debian
sudo apt update && sudo apt install openjdk-17-jdk

# CentOS/RHEL
sudo yum install java-17-openjdk

# 设置JAVA_HOME（可选，但建议做）
export JAVA_HOME=/usr/lib/jvm/java-17-openjdk-amd64
export PATH=$JAVA_HOME/bin:$PATH

3.3 Conda环境配置

Conda是我个人最推荐的本地开发环境方案。它不像Docker那样需要root权限，隔离性也够用。说白了，Conda就是Python生态里的虚拟环境plus版——它不光管Python包，还能管理R、C++工具甚至整个生物信息学工具链。

安装Miniconda就够了，不需要装完整的Anaconda——那玩意儿太大。

# 下载Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 执行安装
bash Miniconda3-latest-Linux-x86_64.sh

# 安装完成后，激活base环境
source ~/.bashrc

# 验证
conda --version

安装完后，我建议配置一下镜像源。国内的话用清华源或者中科大源，下载速度快很多。我第一次装的时候没配源，一个几十兆的包下了半小时……

# 配置conda国内镜像（清华源）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

# 创建独立的生物信息学环境
conda create -n wes_analysis python=3.9
conda activate wes_analysis

# 安装常用工具
conda install -c bioconda fastqc
conda install -c bioconda bwa
conda install -c bioconda gatk4
conda install -c bioconda samtools
conda install -c bioconda bcftools

3.4 Docker配置

Docker是生产环境的标准配置。为什么？因为Conda虽然方便，但跨平台的一致性不如Docker。我在项目中遇到过这种情况：本地用Conda装的工具版本和服务器上的不一样，结果分析结果有细微差异，排查了好久才发现是版本问题。

Docker解决了这个问题——镜像里有什么，跑到哪里都一样。

# Ubuntu安装Docker
sudo apt update
sudo apt install docker.io

# 启动Docker服务
sudo systemctl start docker
sudo systemctl enable docker

# 将当前用户加入docker组（避免每次用sudo）
sudo usermod -aG docker $USER
# 重新登录使组生效

验证Docker是否安装成功：

docker --version
docker run hello-world

对于生物信息学分析，我推荐使用社区维护的镜像，比如Biocontainers：

# 拉取常用的生物信息学镜像
docker pull biocontainers/fastqc:v0.11.9_cv8
docker pull biocontainers/bwa:v0.7.17_cv1
docker pull broadinstitute/gatk:4.4.0.0

在Nextflow中如何指定Docker？很简单，在配置里声明就行：

// nextflow.config
process.container = 'biocontainers/bwa:v0.7.17_cv1'
docker.enabled = true

3.5 Singularity配置

Singularity（现在叫Apptainer）是HPC集群上的标准。原因很简单——集群管理员不会给你root权限装Docker，但Singularity可以在用户空间运行。

说实话，我第一次接触Singularity时觉得这玩意儿没必要，直到我在一个超算中心部署Nextflow……没有root权限，Docker装不了，只能用Singularity。从那以后我就老老实实学了。

# 安装Singularity（需要系统管理员权限或自行编译）
# 方法1：用包管理器（部分发行版自带）
sudo apt install singularity-container

# 方法2：手动编译最新版
wget https://github.com/apptainer/apptainer/releases/download/v1.2.5/apptainer_1.2.5_amd64.deb
sudo dpkg -i apptainer_1.2.5_amd64.deb

# 验证
singularity --version

Singularity可以直接转换Docker镜像：

# 从Docker Hub拉取并转换为SIF格式
singularity pull docker://biocontainers/bwa:v0.7.17_cv1
singularity pull docker://broadinstitute/gatk:4.4.0.0

# 直接运行
singularity exec bwa_v0.7.17_cv1.sif bwa mem -h

在Nextflow中启用Singularity也很直接：

// nextflow.config
singularity.enabled = true
process.container = '/path/to/bwa_v0.7.17_cv1.sif'

3.6 三种方式对比

帮你做个决策表。我自己的经验是：本地开发用Conda，团队协作用Docker，HPC集群用Singularity。

3.7 验证环境

全部装好后，跑一个简单的Nextflow脚本来验证：

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

process testEnvironment {
    conda 'wes_analysis'

    output:
    stdout

    script:
    """
    echo "Nextflow版本: \$(nextflow -version 2>&1 | head -1)"
    echo "Conda环境: \$(conda info --envs | grep '*' | awk '{print \$1}')"
    echo "FastQC: \$(fastqc --version 2>&1)"
    echo "BWA: \$(bwa 2>&1 | grep Version)"
    echo "GATK: \$(gatk --version 2>&1 | head -1)"
    """
}

workflow {
    testEnvironment()
}

运行：

nextflow run test.nf

如果你看到每个工具都输出了版本信息，恭喜，环境搭建成功。

好了，环境这块就聊到这。记住一句话：你的分析结果准确性的上限，取决于你环境一致性的下限。