nextflow-development

nf-core パイプラインのデプロイ

ローカルまたは公開されているシーケンスデータで nf-core バイオインフォマティクスパイプラインを実行します。

対象ユーザー： 差次的発現解析、バリアントコール、クロマチンアクセシビリティ解析などの大規模オミクス解析を実行する必要がある、専門的なバイオインフォマティクスのトレーニングを受けていない実験研究者や研究者。

ワークフローのチェックリスト

- [ ] Step 0: Acquire data (if from GEO/SRA)
- [ ] Step 1: Environment check (MUST pass)
- [ ] Step 2: Select pipeline (confirm with user)
- [ ] Step 3: Run test profile (MUST pass)
- [ ] Step 4: Create samplesheet
- [ ] Step 5: Configure & run (confirm genome with user)
- [ ] Step 6: Verify outputs

---

ステップ 0：データを取得する（GEO/SRA のみ）

ローカルに FASTQ ファイルがある場合は、このステップをスキップしてください。

公開データセットの場合は、まず GEO/SRA から取得します。ワークフロー全体については、references/geo-sra-acquisition.md を参照してください。

クイックスタート：

# 1. Get study info
python scripts/sra_geo_fetch.py info GSE110004

# 2. Download (interactive mode)
python scripts/sra_geo_fetch.py download GSE110004 -o ./fastq -i

# 3. Generate samplesheet
python scripts/sra_geo_fetch.py samplesheet GSE110004 --fastq-dir ./fastq -o samplesheet.csv

判断ポイント： 研究情報を取得した後、以下をユーザーに確認してください。

• ダウンロードするサンプルのサブセット（複数のデータタイプがある場合）
• 推奨するゲノムとパイプライン

その後、ステップ 1 に進みます。

---

ステップ 1：環境を確認する

最初に実行してください。環境要件を満たしていないと、パイプラインは失敗します。

python scripts/check_environment.py

すべての必須チェックに合格する必要があります。失敗した項目がある場合は、修正手順を案内してください。

Docker の問題

問題	修正方法
インストールされていない	https://docs.docker.com/get-docker/ からインストールします
アクセス許可がありません	sudo usermod -aG docker $USER を実行してから、再ログインします
デーモンが起動していない	sudo systemctl start docker

Nextflow の問題

問題	修正方法
インストールされていない	curl -s https://get.nextflow.io | bash && mv nextflow ~/bin/
バージョンが 23.04 未満	nextflow self-update

Java の問題

問題	修正方法
インストールされていない／バージョンが 11 未満	sudo apt install openjdk-11-jdk

すべてのチェックに合格するまで先に進まないでください。 HPC／Singularity については、references/troubleshooting.md を参照してください。

---

ステップ 2：パイプラインを選択する

判断ポイント：先に進む前に、ユーザーに確認してください。

データタイプ	パイプライン	バージョン	目的
RNA-seq	rnaseq	3.22.2	遺伝子発現
WGS/WES	sarek	3.7.1	バリアントコール
ATAC-seq	atacseq	2.1.2	クロマチンアクセシビリティ

データから自動判定します。

python scripts/detect_data_type.py /path/to/data

パイプライン固有の詳細については、以下を参照してください。

• references/pipelines/rnaseq.md
• references/pipelines/sarek.md
• references/pipelines/atacseq.md

---

ステップ 3：テストプロファイルを実行する

少量のデータで環境を検証します。実データを処理する前に必ず成功させてください。

nextflow run nf-core/<pipeline> -r <version> -profile test,docker --outdir test_output

パイプライン	コマンド
rnaseq	nextflow run nf-core/rnaseq -r 3.22.2 -profile test,docker --outdir test_rnaseq
sarek	nextflow run nf-core/sarek -r 3.7.1 -profile test,docker --outdir test_sarek
atacseq	nextflow run nf-core/atacseq -r 2.1.2 -profile test,docker --outdir test_atacseq

確認します。

ls test_output/multiqc/multiqc_report.html
grep "Pipeline completed successfully" .nextflow.log

テストに失敗した場合は、references/troubleshooting.md を参照してください。

---

ステップ 4：サンプルシートを作成する

自動生成する

python scripts/generate_samplesheet.py /path/to/data <pipeline> -o samplesheet.csv

このスクリプトでは、以下を行います。

• FASTQ/BAM/CRAM ファイルを検出します
• R1/R2 リードをペアにします
• サンプルのメタデータを推定します
• 書き込み前に検証します

sarek の場合： 自動判定できない場合、スクリプトは腫瘍／正常の状態を確認します。

既存のサンプルシートを検証する

python scripts/generate_samplesheet.py --validate samplesheet.csv <pipeline>

サンプルシートの形式

rnaseq：

sample,fastq_1,fastq_2,strandedness
SAMPLE1,/abs/path/R1.fq.gz,/abs/path/R2.fq.gz,auto

sarek：

patient,sample,lane,fastq_1,fastq_2,status
patient1,tumor,L001,/abs/path/tumor_R1.fq.gz,/abs/path/tumor_R2.fq.gz,1
patient1,normal,L001,/abs/path/normal_R1.fq.gz,/abs/path/normal_R2.fq.gz,0

atacseq：

sample,fastq_1,fastq_2,replicate
CONTROL,/abs/path/ctrl_R1.fq.gz,/abs/path/ctrl_R2.fq.gz,1

---

ステップ 5：設定して実行する

5a. ゲノムが利用可能か確認する

python scripts/manage_genomes.py check <genome>
# If not installed:
python scripts/manage_genomes.py download <genome>

一般的なゲノム：GRCh38（ヒト）、GRCh37（旧版）、GRCm39（マウス）、R64-1-1（酵母）、BDGP6（ハエ）

5b. 判断ポイント

判断ポイント：ユーザーに確認してください。

1. ゲノム： 使用するリファレンス
2. パイプライン固有のオプション：
   • rnaseq： アライナー（star_salmon を推奨、メモリが少ない場合は hisat2）
   • sarek： ツール（生殖細胞系列には haplotypecaller、体細胞変異には mutect2）
   • atacseq： read_length（50、75、100、または 150）

5c. パイプラインを実行する

nextflow run nf-core/<pipeline> \
    -r <version> \
    -profile docker \
    --input samplesheet.csv \
    --outdir results \
    --genome <genome> \
    -resume

主なフラグ：

• -r：バージョンを固定します
• -profile docker：Docker を使用します（HPC では singularity を使用します）
• --genome：iGenomes のキー
• -resume：チェックポイントから再開します

リソース制限（必要な場合）：

--max_cpus 8 --max_memory '32.GB' --max_time '24.h'

---

ステップ 6：出力を確認する

完了を確認する

ls results/multiqc/multiqc_report.html
grep "Pipeline completed successfully" .nextflow.log

パイプラインごとの主な出力

rnaseq：

• results/star_salmon/salmon.merged.gene_counts.tsv - 遺伝子カウント
• results/star_salmon/salmon.merged.gene_tpm.tsv - TPM 値

sarek：

• results/variant_calling/*/ - VCF ファイル
• results/preprocessing/recalibrated/ - BAM ファイル

atacseq：

• results/macs2/narrowPeak/ - ピークコール
• results/bwa/mergedLibrary/bigwig/ - カバレッジトラック

---

クイックリファレンス

一般的な終了コードと修正方法については、references/troubleshooting.md を参照してください。

失敗した実行を再開する

nextflow run nf-core/<pipeline> -resume

---

リファレンス

• references/geo-sra-acquisition.md - 公開 GEO/SRA データのダウンロード
• references/troubleshooting.md - よくある問題と修正方法
• references/installation.md - 環境のセットアップ
• references/pipelines/rnaseq.md - RNA-seq パイプラインの詳細
• references/pipelines/sarek.md - バリアントコーリングの詳細
• references/pipelines/atacseq.md - ATAC-seq の詳細

---

免責事項

このスキルは、nf-core バイオインフォマティクスパイプラインを Claude Code に統合し、解析ワークフローを自動化する方法を示すプロトタイプの例として提供されています。現在の実装では 3 つのパイプライン（rnaseq、sarek、atacseq）をサポートしており、コミュニティが nf-core パイプラインの全種類へサポートを拡張するための基盤となります。

教育および研究目的を意図しており、特定のユースケースに対する適切な検証を行わずに、本番環境で使用できる状態と見なすべきではありません。ユーザーは、使用するコンピューティング環境がパイプラインの要件を満たしていることを確認し、解析結果を検証する責任を負います。

Anthropic はバイオインフォマティクスの出力の正確性を保証しません。ユーザーは、計算解析の検証に関する標準的な手法に従ってください。この統合は、nf-core コミュニティによる公式な承認を受けておらず、同コミュニティと提携しているものでもありません。

帰属表示

結果を公開する際は、該当するパイプラインを引用してください。引用情報は各 nf-core リポジトリの CITATIONS.md ファイルにあります（例：https://github.com/nf-core/rnaseq/blob/3.22.2/CITATIONS.md）。

ライセンス

• nf-core パイプライン： MIT License (https://nf-co.re/about)
• Nextflow： Apache License, Version 2.0 (https://www.nextflow.io/about-us.html)
• NCBI SRA Toolkit： Public Domain (https://github.com/ncbi/sra-tools/blob/master/LICENSE)