Nextflow迭代流程问题：按物种名提取Kraken文件行输出为空

我尝试创建一个Nextflow流程，接收两个输入：可直接使用的krakenfile，以及每行对应一个物种名称的多行文件fungalname。需求为逐行读取fungalname中的物种名，提取krakenfile第三列包含该物种名的所有行，生成以对应物种名命名的输出文件（如示例中的Aspergillus_fumigatus_lines.txt）。目前输出文件始终为空，已确认输入文件格式与路径无误，怀疑是流程逻辑问题，附上当前代码：

params.fungaalnames="/home/aziz/pipeline/results/extraction/fungal_species.txt"
params.krakeenfile="/home/aziz/pipeline/results/classification_before_filtration/output.kraken"

fungalnames = file(params.fungaalnames)
krakenfile = file(params.krakeenfile)

process fungal_reads_extraction {
     
     input:
     file fungalnames
     file krakenfile

     output:
     path "*" , emit: reads_extracted_out
     
     script:
     """
while IFS= read -r species_name; do
  awk -F'\t' '\$3 ~ "'\$species_name'" {print}' $krakenfile > "\${species_name}_lines.txt"
done < $fungalnames
     """
}

workflow {
    fungalnames_ch=Channel.fromPath(params.fungaalnames)
    krakenfile_ch=Channel.fromPath(params.krakeenfile)
    fungal_reads_extraction(fungalnames_ch, krakenfile_ch) | view
}

问题分析 #

输出为空的核心原因有两点：

• Shell变量与awk正则的转义问题：原脚本用'\$3 ~ "'\$species_name'"'传递变量，引号嵌套导致$species_name未被正确解析，awk实际匹配的是字符串$species_name而非目标物种名；若物种名含.、空格等正则特殊字符，直接匹配也会失效。
• 参数拼写与通道配对隐患：参数名存在拼写错误（fungaalnames多一个a、krakeenfile多一个e），虽当前路径可用但属于风险点；全局定义的fungalnames和krakenfile变量未被使用，属于冗余代码；两个独立单元素通道的配对方式不够稳定规范。

修正后的代码 #

# 修正参数名拼写错误
params.fungalnames = "/home/aziz/pipeline/results/extraction/fungal_species.txt"
params.krakenfile = "/home/aziz/pipeline/results/classification_before_filtration/output.kraken"

process fungal_reads_extraction {
    input:
    # 合并为元组输入，确保两个文件稳定传递给进程
    tuple val(sample_id), file(fungalnames), file(krakenfile)

    output:
    # 明确输出模式，避免匹配无关文件
    path "*_lines.txt", emit: extracted_lines

    script:
    """
while IFS= read -r species_name; do
    # 用awk的-v选项传递变量，避免引号嵌套问题；用index函数做精确包含匹配，规避正则特殊字符影响
    awk -F'\t' -v sp="$species_name" 'index(\$3, sp) > 0' $krakenfile > "${species_name// /_}_lines.txt"
done < $fungalnames
    """
}

workflow {
    # 创建带标识的元组通道，确保输入配对稳定
    input_ch = Channel.fromPath(params.fungalnames) \
        .combine(Channel.fromPath(params.krakenfile)) \
        .map { fn, kf -> ["extraction", fn, kf] }

    fungal_reads_extraction(input_ch) | view
}

关键修改说明 #

• 修正参数拼写：将错误的参数名改为fungalnames和krakenfile，避免后续维护出错。
• 通道合并为元组：用combine合并两个文件通道，搭配map添加标识，确保进程稳定接收两个输入文件。
• awk变量传递优化：用-v sp="$species_name"传递变量，避免引号嵌套问题；用index($3, sp) > 0替代正则匹配，解决物种名含特殊字符的匹配失效问题。
• 文件名处理：用${species_name// /_}将物种名中的空格替换为下划线，避免生成带空格的文件名引发后续问题。
• 输出路径明确化：将path "*"改为path "*_lines.txt"，仅匹配目标输出文件。

内容的提问来源于stack exchange，提问作者Mohamed Aziz Hadj Nasr