nextflow-development

nf-core 流水线部署

在本地或公共测序数据上运行 nf-core 生物信息学流水线。

目标用户: 缺乏专业生物信息学训练、需要开展大规模组学分析的实验室科研人员——包括差异表达、变异检测或染色质可及性分析。

工作流检查清单

- [ ] 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

---

第 0 步:获取数据(仅适用于 GEO/SRA)

如果用户已有本地 FASTQ 文件,请跳过此步骤。

对于公共数据集,请先从 GEO/SRA 下载。完整流程参见 references/geo-sra-acquisition.md。

快速开始:

# 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

决策点: 获取研究信息后,与用户确认:

• 需要下载哪些样本子集(如果存在多种数据类型)
• 建议的参考基因组和流水线

然后继续第 1 步。

---

第 1 步:环境检查

请先运行。若环境未通过检查,流水线将失败。

python scripts/check_environment.py

所有关键检查必须通过。若有任何检查失败,请提供修复说明:

Docker 问题

问题	修复方法
未安装	从 https://docs.docker.com/get-docker/ 安装
权限被拒绝	sudo usermod -aG docker $USER,然后重新登录
守护进程未运行	sudo systemctl start docker

Nextflow 问题

问题	修复方法
未安装	curl -s https://get.nextflow.io | bash && mv nextflow ~/bin/
版本 < 23.04	nextflow self-update

Java 问题

问题	修复方法
未安装 / 版本 < 11	sudo apt install openjdk-11-jdk

所有检查通过之前,请勿继续。 关于 HPC/Singularity,参见 references/troubleshooting.md。

---

第 2 步:选择流水线

决策点:继续之前与用户确认。

数据类型	流水线	版本	目标
RNA-seq	rnaseq	3.22.2	基因表达
WGS/WES	sarek	3.7.1	变异检测
ATAC-seq	atacseq	2.1.2	染色质可及性

根据数据自动检测:

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

流水线的具体细节:

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

---

第 3 步:运行测试配置

使用小规模数据验证环境。必须先通过,才能处理真实数据。

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

流水线	命令
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

验证:

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

如果测试失败,参见 references/troubleshooting.md。

---

第 4 步:创建样本表

自动生成

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

该脚本:

• 发现 FASTQ/BAM/CRAM 文件
• 配对 R1/R2 读段
• 推断样本元数据
• 写入前进行验证

对于 sarek: 如果未能自动检测,脚本会提示输入肿瘤/正常状态。

验证已有的样本表

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

样本表格式

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

---

第 5 步:配置并运行

5a. 检查参考基因组可用性

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

常用基因组:GRCh38(人类)、GRCh37(旧版)、GRCm39(小鼠)、R64-1-1(酵母)、BDGP6(果蝇)

5b. 决策点

决策点:与用户确认:

1. 基因组: 使用哪个参考基因组
2. 流水线特定选项:
   • rnaseq: 比对工具(推荐 star_salmon,内存不足时用 hisat2)
   • sarek: 分析工具(种系变异用 haplotypecaller,体细胞变异用 mutect2)
   • atacseq: read_length(50、75、100 或 150)

5c. 运行流水线

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

关键参数:

• -r:固定版本
• -profile docker:使用 Docker(HPC 环境使用 singularity)
• --genome:iGenomes 键名
• -resume:从检查点继续

资源限制(如需要):

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

---

第 6 步：验证输出

检查完成情况

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

各流程的关键输出

rnaseq：

• results/star_salmon/salmon.merged.gene_counts.tsv - 基因计数
• results/star_salmon/salmon.merged.gene_tpm.tsv - TPM 值

sarek：

• results/variant_calling/*/ - VCF 文件
• results/preprocessing/recalibrated/ - BAM 文件

atacseq：

• results/macs2/narrowPeak/ - Peak 调用结果
• results/bwa/mergedLibrary/bigwig/ - 覆盖度轨迹

---

快速参考

常见退出码及修复方法，请参阅 references/troubleshooting.md。

恢复失败的运行

nextflow run nf-core/<pipeline> -resume

---

参考资料

• references/geo-sra-acquisition.md - 下载公共 GEO/SRA 数据
• references/troubleshooting.md - 常见问题及修复方法
• references/installation.md - 环境配置
• references/pipelines/rnaseq.md - RNA-seq 流程详情
• references/pipelines/sarek.md - 变异检测详情
• references/pipelines/atacseq.md - ATAC-seq 详情

---

免责声明

本 Skill 是一个原型示例，演示如何将 nf-core 生物信息学流程集成到 Claude Code 中，以实现自动化分析工作流。当前实现支持三个流程（rnaseq、sarek 和 atacseq），作为基础框架，便于社区将支持范围扩展到全部 nf-core 流程。

本 Skill 仅用于教育和研究目的，在未针对您的具体使用场景进行充分验证之前，不应视为可用于生产环境。用户有责任确保其计算环境满足流程要求，并自行核实分析结果。

Anthropic 不保证生物信息学输出结果的准确性，用户应遵循验证计算分析的标准做法。本集成未获得 nf-core 社区的官方认可，也与其无关联。

署名

发布结果时，请引用相应的流程。引用信息可在各 nf-core 仓库的 CITATIONS.md 文件中找到（例如 https://github.com/nf-core/rnaseq/blob/3.22.2/CITATIONS.md）。

许可证

• nf-core 流程： MIT 许可证（https://nf-co.re/about）
• Nextflow： Apache 许可证 2.0 版（https://www.nextflow.io/about-us.html）
• NCBI SRA Toolkit： 公共领域（https://github.com/ncbi/sra-tools/blob/master/LICENSE）