Claude cho Bio Research: Phát triển Nextflow pipelines với nf-core

Các nhà khoa học tại bench thường phải dựa vào đội bioinformatics để phân tích dữ liệu sequencing — một nút cổ chai làm chậm tiến độ nghiên cứu. Với Claude và framework nf-core, các nhà nghiên cứu có thể tự chạy phân tích RNA-seq, variant calling, hoặc ATAC-seq mà không cần chuyên môn lập trình sâu.

Ba pipeline nf-core được hỗ trợ

Loại dữ liệu	Pipeline	Mục đích
RNA-seq	nf-core/rnaseq v3.22.2	Gene expression, differential expression
WGS/WES	nf-core/sarek v3.7.1	Variant calling (germline & somatic)
ATAC-seq	nf-core/atacseq v2.1.2	Chromatin accessibility analysis

Checklist quy trình đầy đủ

1. Lấy dữ liệu (nếu từ GEO/SRA)
2. Kiểm tra môi trường (bắt buộc pass)
3. Chọn pipeline
4. Chạy test profile (bắt buộc pass)
5. Tạo samplesheet
6. Cấu hình và chạy pipeline
7. Xác nhận output

Bước 0: Tải dữ liệu từ GEO/SRA (nếu cần)

Nếu bạn đã có FASTQ local, bỏ qua bước này. Nếu muốn phân tích lại dataset công khai từ NCBI GEO:

# Xem thông tin study
python scripts/sra_geo_fetch.py info GSE110004

# Tải xuống (interactive mode — chọn subset)
python scripts/sra_geo_fetch.py download GSE110004 -o ./fastq -i

# Tạo samplesheet tự động
python scripts/sra_geo_fetch.py samplesheet GSE110004 --fastq-dir ./fastq -o samplesheet.csv

Sau khi xem thông tin study, hãy xác nhận với Claude:

Tôi muốn phân tích dataset GSE110004 — RNA-seq của tế bào T.
Thông tin study cho thấy có 12 mẫu (6 control, 6 treated).
Hãy đề xuất genome và pipeline phù hợp.

Bước 1: Kiểm tra môi trường

Pipeline sẽ thất bại nếu môi trường không đạt yêu cầu. Chạy kiểm tra trước:

python scripts/check_environment.py

Các vấn đề thường gặp và cách xử lý:

Vấn đề	Giải pháp
Docker chưa cài	Cài từ https://docs.docker.com/get-docker/
Docker permission denied	sudo usermod -aG docker $USER rồi re-login
Docker daemon không chạy	sudo systemctl start docker
Nextflow chưa cài	curl -s https://get.nextflow.io | bash && mv nextflow ~/bin/
Nextflow phiên bản cũ (< 23.04)	nextflow self-update
Java chưa cài / < v11	sudo apt install openjdk-11-jdk

Bước 2: Chạy test profile

Trước khi xử lý dữ liệu thật, chạy test với dataset nhỏ để xác nhận môi trường hoạt động:

# RNA-seq
nextflow run nf-core/rnaseq -r 3.22.2 -profile test,docker --outdir test_rnaseq

# Sarek (variant calling)
nextflow run nf-core/sarek -r 3.7.1 -profile test,docker --outdir test_sarek

# ATAC-seq
nextflow run nf-core/atacseq -r 2.1.2 -profile test,docker --outdir test_atacseq

Xác nhận test thành công:

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

Bước 3: Tạo Samplesheet

Tạo samplesheet tự động từ thư mục FASTQ:

python scripts/generate_samplesheet.py /path/to/fastq rnaseq -o samplesheet.csv

Format samplesheet cho từng pipeline:

rnaseq:

sample,fastq_1,fastq_2,strandedness
CONTROL_REP1,/data/ctrl1_R1.fq.gz,/data/ctrl1_R2.fq.gz,auto
TREATED_REP1,/data/treat1_R1.fq.gz,/data/treat1_R2.fq.gz,auto

sarek (tumor/normal pairs):

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

atacseq:

sample,fastq_1,fastq_2,replicate
CONTROL,/data/ctrl_R1.fq.gz,/data/ctrl_R2.fq.gz,1
TREATMENT,/data/treat_R1.fq.gz,/data/treat_R2.fq.gz,1

Bước 4: Cấu hình và chạy pipeline

Kiểm tra genome tham chiếu trước:

python scripts/manage_genomes.py check GRCh38
# Nếu chưa có:
python scripts/manage_genomes.py download GRCh38

Genome thường dùng: GRCh38 (người), GRCm39 (chuột), R64-1-1 (nấm men)

Chạy pipeline RNA-seq đầy đủ:

nextflow run nf-core/rnaseq     -r 3.22.2     -profile docker     --input samplesheet.csv     --outdir results     --genome GRCh38     --aligner star_salmon     -resume

Flag quan trọng:

• -r: Pin version để tái lập kết quả
• -profile docker: Dùng Docker (hoặc singularity cho HPC)
• -resume: Tiếp tục từ checkpoint nếu bị gián đoạn
• --max_cpus 8 --max_memory '32.GB': Giới hạn tài nguyên nếu cần

Bước 5: Xác nhận và đọc output

Output RNA-seq:

# Gene counts (dùng cho DESeq2, edgeR)
results/star_salmon/salmon.merged.gene_counts.tsv

# TPM values (dùng cho visualization)
results/star_salmon/salmon.merged.gene_tpm.tsv

# MultiQC report
results/multiqc/multiqc_report.html

Output Sarek (variant calling):

# VCF files
results/variant_calling/*/

# Recalibrated BAM
results/preprocessing/recalibrated/

Output ATAC-seq:

# Peak calls
results/macs2/narrowPeak/

# BigWig tracks cho genome browser
results/bwa/mergedLibrary/bigwig/

Tiếp tục sau khi pipeline thất bại

Nếu pipeline dừng giữa chừng, chỉ cần resume — Nextflow sẽ tự động skip các step đã hoàn thành:

nextflow run nf-core/rnaseq -resume

Claude có thể giúp chẩn đoán lỗi khi bạn paste nội dung file .nextflow.log và mô tả vấn đề gặp phải.

Lưu ý về citation

Khi publish kết quả, hãy cite pipeline đã dùng. Thông tin citation có trong file CITATIONS.md của từng repository nf-core — ví dụ: https://github.com/nf-core/rnaseq/blob/3.22.2/CITATIONS.md.

Bước tiếp theo

Đây là một trong những pipeline bioinformatics mạnh mẽ nhất hiện có. Sau khi có gene counts từ RNA-seq, bước tiếp theo thường là phân tích differential expression với DESeq2 hoặc edgeR. Khám phá thêm các hướng dẫn tại bộ sưu tập Ứng dụng.

---

Bài viết liên quan

• Claude cho Bio Research: Bắt đầu dự án nghiên cứu sinh học
• Claude Nghiên cứu Sinh học: Hướng dẫn Kết nối Công cụ
• Claude cho Bio Research: Chuyển đổi dữ liệu thiết bị sang định dạng Allotrope
• Claude cho Data: Validation và data quality
• Claude cho Engineering: Debug và xử lý lỗi