第4章：进程与通道初识，工作流定义

好，我们正式开始接触 Nextflow 的核心了。进程和通道，说白了就是整个流程的"骨架"和"血管"。进程负责干活，通道负责传数据。我当年刚学的时候，总把它俩分开理解，后来发现——把它们看作一对亲密战友，才能写出真正顺滑的流程。

4.1 进程（process）——干活的基本单元

在 Nextflow 里，process 就是最小的执行单元。每个进程独立运行，有自己的输入输出，你可以把它想象成一个带壳的脚本。进程内部怎么写？看一个最简单的例子，我通常用它来测试环境是否通。

process sayHello {
    debug true
    output:
    stdout

    script:
    """
    echo "Hello from Nextflow!"
    """
}

这个进程只输出一行文本到标准输出。注意几个关键点：script: 后面跟的是要执行的 shell 命令，用三引号括起来。如果只有一行命令，也可以写在一行，但我个人习惯写成多行，后面加东西方便。

进程的结构其实挺固定的，一般长这样：

process 进程名 {
    [ directives ]
    [ inputs ]
    [ outputs ]
    [ when clause ]
    [ exec | script 块 ]
}

Directives 是进程参数，比如指定 CPU 核数、内存、容器等。Inputs 定义输入数据从哪来，Outputs 定义输出数据往哪走。when 控制条件执行。最后 script 或 exec 块写实际要跑的命令。

嗯，这里要注意：exec 块是 Nextflow 新引入的，可以直接写 Groovy 代码，替代 shell 脚本。但对于 GROMACS 这种纯命令行工具，我们还是用传统的 script 更实在。

4.2 通道（channel）——数据的管道

进程之间怎么传数据？靠通道。通道就像一根管子，一头连接进程的输出，另一头连接另一个进程的输入。通道有两种：队列通道和值通道。

我在项目中遇到过有人把参数放在队列通道里，导致进程被重复启动——其实应该用值通道。看个例子，创建通道的方式：

// 队列通道，包含多个元素
ch_files = channel.fromPath("data/*.pdb")

// 值通道，只存一个字符串
ch_param = channel.value("protein.pdb")

创建好通道后，就可以在进程里引用了。比如一个读 PDB 文件的进程：

process readPDB {
    input:
    path pdb_file from ch_files

    output:
    path "${pdb_file}.processed" into ch_processed

    script:
    """
    gmx pdb2gmx -f ${pdb_file} -o ${pdb_file}.processed -ff gromos54a7
    """
}

这里 from 后面的 ch_files 就是之前创建的通道。输出用 into 把结果文件放进另一个通道 ch_processed。通道的名字你可以随便起，但我习惯加 ch_ 前缀，一眼就能认出来。

4.3 工作流定义——把进程串起来

有了进程和通道，下一步就是定义它们之间的连接关系。Nextflow 里用 workflow 块来声明。一个最简单的 workflow 长这样：

workflow {
    ch_pdb = channel.fromPath("input/*.pdb")
    readPDB(ch_pdb)
    processNextStep(readPDB.out)
}

进程的名字可以直接当函数用。输入参数就是通道，输出可以通过 .out 拿到。注意进程可以没有 output:，但多数场景下你一定需要把数据往下传。

我曾经掉过坑：进程名不小心用了大驼峰（比如 ReadPDB），结果 workflow 调用时却写了小驼峰（readPDB），差点没发现。Nextflow 大小写敏感，命名时统一风格很重要。我自己习惯用首字母小写的驼峰，比如 process pdb2gmxProcess，然后调用写 pdb2gmxProcess(ch_files)。

4.4 进程与通道的协作模型

为了让大家更直观地理解，我画了一张图。你可以看到数据从文件系统出发，经过通道进入第一个进程，然后继续流向后续进程。

图中蓝框是通道，红框和绿框是进程。箭头方向就是数据流动方向。实际写代码时，你不需要手动创建这么多中间通道——Nextflow 会自动帮你管。但理解这张图，对调试会很有帮助。

4.5 常用通道操作符

通道本身还支持很多操作符，比如 filter、map、collect。我们做 GROMACS 时，最常用的可能就是 flatMap 和 mix。举个小例子：

ch_all = ch_pdb.mix(ch_gro).collect()
// ch_all 现在包含所有 pdb 和 gro 文件

我个人习惯在数据处理步骤用 map 给文件名换个后缀：

ch_gro = ch_pdb.map { file -> file.baseName + ".gro" }

注意 map 操作返回的是新通道，不会改原来的通道。通道操作符配合进程，能干很多漂亮的事，后面章节我们会专门深入。

4.6 实战：一个最小 GROMACS 流程骨架

最后我们拼一个小例子，把上面东西串起来。假设我们想跑最简单的 pdb2gmx + energy minimization 两步：

process pdb2gmx {
    input:
    path pdb_file

    output:
    path "processed.gro" into ch_gro
    path "topol.top"

    script:
    """
    gmx pdb2gmx -f ${pdb_file} -o processed.gro -water spc
    """
}

process em {
    input:
    path gro_file from ch_gro
    path top_file from ch_gro.map { gro -> "topol.top" }  // 注意这里共享了top文件

    output:
    path "em.tpr"

    script:
    """
    gmx grompp -f em.mdp -c ${gro_file} -p ${top_file} -o em.tpr
    gmx mdrun -deffnm em
    """
}

workflow {
    ch_pdb = channel.fromPath("*.pdb")
    pdb2gmx(ch_pdb)
    em(pdb2gmx.out[0], pdb2gmx.out[1])
}

这里 pdb2gmx.out[0] 代表第一个输出（processed.gro），pdb2gmx.out[1] 代表第二个输出（topol.top）。如果你只有单个输出，直接写 .out 就够了。