如何在Nextflow流程块中使用双变量循环调用fastp工具？

你不需要在process里重复编写fastp命令，Nextflow的通道(Channel)和输入绑定机制可以优雅实现批量处理。下面提供两种常用的优化方案：

方式1：手动指定样本ID列表（适合样本数量少、ID已知的场景） #

#!/usr/bin/env nextflow
nextflow.enable.dsl=2

// 定义需要处理的样本ID集合
def sample_ids = ['SRR19573234', 'SRR19573260']
// 创建样本ID通道，每个元素对应一个样本
Channel.fromList(sample_ids).set { samples_ch }

workflow {
    FASTP(samples_ch)
}

process FASTP {
    // 接收样本ID输入
    input:
        val sample_id from samples_ch

    // 定义输出文件，让Nextflow自动跟踪管理
    output:
        file "trimmed_${sample_id}_R1.fastq" into trimmed_R1_ch
        file "trimmed_${sample_id}_R2.fastq" into trimmed_R2_ch
        file "trimmed_${sample_id}.fastp.html" into report_ch

    // 动态生成fastp执行命令
    script:
    """
    fastp \
        --in1 ${baseDir}/sequences/sequences_split/${sample_id}_R1.fastq \
        --in2 ${baseDir}/sequences/sequences_split/${sample_id}_R2.fastq \
        --out1 trimmed_${sample_id}_R1.fastq \
        --out2 trimmed_${sample_id}_R2.fastq \
        --html trimmed_${sample_id}.fastp.html
    """

    // 将结果发布到指定目录
    publishDir "${baseDir}/sequences/sequences_split/sequences_trimmed", mode: 'copy', pattern: "trimmed_*_R*.fastq"
    publishDir "${baseDir}/results", mode: 'copy', pattern: "*.fastp.html"
}

方式2：自动匹配双端文件（适合样本多、命名规范的场景） #

如果你的测序文件命名遵循规范（比如*_R1.fastq和*_R2.fastq成对），可以用fromFilePairs自动识别样本对，无需手动罗列ID：

#!/usr/bin/env nextflow
nextflow.enable.dsl=2

// 自动匹配指定目录下的双端文件，自动提取样本ID（如SRR19573234_R1.fastq → SRR19573234）
Channel.fromFilePairs("${baseDir}/sequences/sequences_split/*_R{1,2}.fastq")
    .set { sample_pairs_ch }

workflow {
    FASTP(sample_pairs_ch)
}

process FASTP {
    // 接收样本ID和对应的R1、R2文件
    input:
        tuple val(sample_id), path(reads)  // reads是包含R1、R2的文件列表

    // 定义输出文件
    output:
        file "trimmed_${sample_id}_R1.fastq" into trimmed_R1_ch
        file "trimmed_${sample_id}_R2.fastq" into trimmed_R2_ch
        file "trimmed_${sample_id}.fastp.html" into report_ch

    script:
    // 从文件列表中取出R1和R2文件
    def r1 = reads[0]
    def r2 = reads[1]

    """
    fastp \
        --in1 ${r1} \
        --in2 ${r2} \
        --out1 trimmed_${sample_id}_R1.fastq \
        --out2 trimmed_${sample_id}_R2.fastq \
        --html trimmed_${sample_id}.fastp.html
    """

    // 发布结果到目标目录
    publishDir "${baseDir}/sequences/sequences_split/sequences_trimmed", mode: 'copy', pattern: "trimmed_*_R*.fastq"
    publishDir "${baseDir}/results", mode: 'copy', pattern: "*.fastp.html"
}

核心要点说明 #

• 通道机制：每个样本会触发一次process执行，Nextflow默认会根据CPU核心数实现并行处理，大幅提升效率。
• 动态参数：通过sample_id变量自动生成输入输出路径，新增样本只需修改ID列表（方式1）或保证文件命名规范（方式2），无需重复编写命令。
• publishDir：用于指定结果的最终存储位置，mode: 'copy'会将工作目录中的结果复制到目标目录，避免工作目录清理后丢失文件。

内容的提问来源于stack exchange，提问作者Michael Yoon