Nextflow脚本检测接头序列并运行Trimmomatic报错排查

• 路径匹配不一致：Nextflow依赖glob模式匹配输出文件，若${sampleID}变量拼接后生成的路径，和FastQC实际生成的目录名存在差异（比如大小写、文件名后缀遗漏/多写），就会导致Nextflow找不到文件。比如输入文件是sampleA_001.R1.fastq.gz，FastQC默认生成的目录是sampleA_001.R1_fastqc，如果变量拼接成sampleA_001.R1.fastq_fastqc就会出错。
• 进程输出定义错误：如果process的output没有用path或file正确指定文件位置，或者硬编码了绝对路径（Nextflow工作目录为相对路径时会冲突），也会触发文件缺失报错。
• 缓存冲突：若之前运行失败的缓存未清理，Nextflow可能读取旧的缓存状态，误判文件不存在。

1. 验证路径一致性：在runFastQC进程的script块开头加一行echo "${sampleID}_001.R1_fastqc/summary.txt"，运行后查看日志，对比实际生成的文件路径是否和预期一致，修正变量拼接逻辑。
2. 修正输出定义：避免硬编码路径，用glob匹配适配FastQC的输出规则，比如：

   output:
       path "${sampleID}_001.R1_fastqc/summary.txt"  # 确保和实际生成路径完全一致
       # 或者更灵活的匹配：
       path "**/${sampleID}_*_fastqc/summary.txt"
   

3. 清理缓存：删除对应进程的work子目录，或执行nextflow clean -f清空所有缓存后重新运行。
4. 检查FastQC命令：确保FastQC未指定自定义输出目录（--outdir），若指定了，需在output里对应修改路径。

1. 采用DSL2模块化流程 #

将FastQC和Trimmomatic拆分为独立进程，通过channel传递样本信息，避免硬编码：

// 定义样本channel
params.reads = "data/*_{R1,R2}.fastq.gz"
reads_ch = Channel.fromFilePairs(params.reads, checkIfExists: true)
    .map { sampleID, reads -> tuple(sampleID, reads) }

// FastQC进程
process runFastQC {
    tag "${sampleID}"
    publishDir "results/fastqc", mode: "copy"
    input:
        tuple val(sampleID), path(reads)
    output:
        tuple val(sampleID), path("*_fastqc", stageAs: "${sampleID}/**")
        path "*_fastqc/summary.txt", emit: qc_summary
    script:
        """
        fastqc ${reads.join(" ")} -o .
        """
}

// Trimmomatic进程（根据QC结果选择性运行）
process runTrimmomatic {
    tag "${sampleID}"
    publishDir "results/trimmed", mode: "copy"
    input:
        tuple val(sampleID), path(reads)
        path qc_summary
    script:
        // 解析summary.txt判断adapter含量，超过阈值则修剪
        adapter_content=$(grep "Adapter Content" ${qc_summary} | awk '{print $NF}')
        if echo "${adapter_content}" | grep -q "> 5%"; then
            trimmomatic PE \
                ${reads[0]} ${reads[1]} \
                ${sampleID}_R1_trimmed.fastq.gz ${sampleID}_R1_unpaired.fastq.gz \
                ${sampleID}_R2_trimmed.fastq.gz ${sampleID}_R2_unpaired.fastq.gz \
                ILLUMINACLIP:TruSeq3-PE.fa:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36
        else
            cp ${reads[0]} ${sampleID}_R1_trimmed.fastq.gz
            cp ${reads[1]} ${sampleID}_R2_trimmed.fastq.gz
        fi
        """
}

// 工作流连接
workflow {
    qc_results = runFastQC(reads_ch)
    runTrimmomatic(reads_ch, qc_results.qc_summary)
}

2. 优化点说明 #

• 自动判断修剪逻辑：通过解析FastQC的summary.txt，当adapter含量超过阈值（比如5%）时才运行Trimmomatic，避免无意义的计算。
• 标准化输出：用publishDir将结果整理到指定目录，方便后续查看。
• 复用性：拆分后的进程可以在其他流程中复用，降低维护成本。
• 灵活的文件匹配：避免硬编码样本ID的拼接逻辑，利用FastQC默认的输出命名规则进行匹配。

内容的提问来源于stack exchange，提问作者Jenny Empawi