3. Nextflow基础语法：DSL2，进程，通道，参数

从这一章开始，我们要真正上手写 Nextflow 了。我接触 Nextflow 那会儿还是 DSL1 的时代，后来升级到 DSL2，说实话变化不小。但你别怕，DSL2 的语法更干净、更模块化，尤其适合做特征学习这种多步骤的管线。

我个人习惯，学任何工具先抓住三样东西：怎么定义一个任务（进程），怎么在任务间传数据（通道），怎么让任务行为可调（参数）。掌握了这三个，你就能搭起一条能跑的管线了。下面我一个一个讲。

3.1 DSL2——新一代语法

DSL2 是 Nextflow 22.04.0 之后默认的语法模式。说白了，它把管线定义得更“像代码”了——每个进程独立，数据流通过通道显式连接，不再依赖隐性的文件路径传递。

启用 DSL2 很简单，在脚本开头加一行声明：

nextflow.enable.dsl=2

如果你用的是最新版，这行其实可以省略。但我建议还是写上，尤其是团队协作时，它明确告诉阅读者：「我用的就是 DSL2，别拿老的思路来理解」。

3.2 进程（process）核心写法

进程是 Nextflow 里最小的执行单元。你可以把它理解为一个函数——接收输入，执行一段脚本，产生输出。

一个简单的进程长这样：

process hello {
    input:
    val x

    output:
    stdout

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

看到这里你可能会问：为什么要用 val x 而不是直接写变量名？嗯，这里要注意——Nextflow 的进程声明是语法块，input: 和 output: 后面跟的是“声明式的接收端口”。

常用的输入输出类型包括：

我刚开始接触时，最常踩的坑是 path 和 file 的混用。DSL2 里已经统一用 path 了，旧版 file 虽然还能用，但官方明确推荐使用 path。我曾经在一个项目中用了 file，结果升级 Nextflow 后报 deprecation warning，虽然能跑但看着烦，最后还是花时间全改成了 path。

3.3 通道（channel）——数据流的血管

通道是 Nextflow 里最巧妙的设计。它负责把数据从一个进程送到另一个进程，而且是异步的、有缓冲的。你不需要手动管理中间文件，也不需要担心并发竞争——通道帮你兜底。

创建通道的方法有好几种，我列出最常用的：

// 从一个列表创建
ch_samples = Channel.of(["sample1", "sample2", "sample3"])

// 读取文件路径
ch_fastqs = Channel.fromPath("data/*.fastq.gz")

// 从参数读取
ch_input  = Channel.fromPath(params.input)

// 创建值通道（只存一个值，可重复使用）
ch_ref = Channel.value(params.reference)

通道按行为分两类：队列通道 和 值通道。队列通道就是上面例子中 Channel.of、Channel.fromPath 创建的——消费一个元素就少一个，像队列。值通道用 Channel.value 创建，它永远只保存一个值，而且可以被多个进程重复取用，不会消耗掉。

你想想看，特征学习管线里经常需要一份参考文件（比如参考基因组）被多个进程同时用，这时候值通道就特别合适。队列通道则适合批量处理样本列表。

3.4 参数（params）——让管线可配置

参数是让管线从硬编码变成可复用的关键。在 Nextflow 里，所有 params.xxx 形式的东西都可以在命令行通过 --xxx 覆盖。

定义参数通常放在脚本最前面：

params.input      = "$projectDir/data/samples.csv"
params.outdir     = "$projectDir/results"
params.epochs     = 100
params.model_type = "resnet18"

然后在运行管线时，可以这样覆盖：

nextflow run main.nf --epochs 200 --model_type "vit"

我没少见新人写的管线直接在进程里写死路径，结果换个人换个机器就得改代码。我个人习惯把所有可变的量都抽象成 params，这样管线就是一份干净的“食谱”，你和别人只需要提供食材（参数）就行。

另外推荐一个好做法：在脚本头部用一个 log.info 或 println 把当前参数打印出来：

println """\
===================================
  特征学习管线参数
  输入文件 : ${params.input}
  输出目录 : ${params.outdir}
  训练轮数 : ${params.epochs}
===================================
"""

这样做的好处显而易见——你每次跑完都能确认参数被正确解析，不会出现“我以为传了 A 实际跑的是 B”的乌龙。

3.5 组合起来：一个完整的 DSL2 示例

下面是一个微型管线，演示了参数、通道、进程的配合：

nextflow.enable.dsl=2

params.input  = "$projectDir/samples.txt"
params.outdir = "$projectDir/results"

// 读取样本列表
Channel
    .fromPath(params.input)
    .splitCsv(sep: "\t")
    .map { row -> row[0] }
    .set { samples }

process sayHello {
    input:
    val sample_id

    output:
    path "${sample_id}.txt"

    script:
    """
    echo "Hello, $sample_id!" > ${sample_id}.txt
    """
}

workflow {
    sayHello(samples)
    sayHello.out.collectFile(name: "greetings.txt", storeDir: params.outdir)
}

这个例子很简单，但它包含了 DSL2 的标志性写法：workflow { } 块负责编排进程。你不需要手动定义 process.all 或 workflow.onComplete 之类的回调，只要把需要的进程和通道连起来，Nextflow 会自动推导执行顺序。

最后提醒一句：通道操作符（如 .map、.filter、.collectFile）是 Nextflow 的精华，这些东西通常比在进程里写批量处理更优雅、更高效。我们下一节会更深入讲操作符，但本章先把基础结构扎稳。