Ir para o conteúdo

Parte 3: Organizando entradas

Tradução assistida por IA - saiba mais e sugira melhorias

Na Parte 2, executamos o molkart com múltiplos parâmetros na linha de comando. Agora vamos aprender duas abordagens melhores para gerenciar entradas: arquivos de parâmetros e planilhas de amostras.

1. Usando arquivos de parâmetros

1.1. O problema com linhas de comando longas

Lembre-se do nosso comando da Parte 2:

nextflow run ./molkart \
  --input 'data/samplesheet.csv' \
  --mindagap_tilesize 90 \
  --mindagap_boxsize 7 \
  --mindagap_loopnum 100 \
  --clahe_pyramid_tile 368 \
  --segmentation_method "cellpose" \
  --outdir results

Isso funciona, mas é difícil de reproduzir, compartilhar ou modificar. E se você precisar executar a mesma análise novamente no próximo mês? E se um colaborador quiser usar suas configurações exatas?

1.2. Solução: Use um arquivo de parâmetros

Crie um arquivo chamado params.yaml:

params.yaml
input: "data/samplesheet.csv"
outdir: "results"
mindagap_tilesize: 90
mindagap_boxsize: 7
mindagap_loopnum: 100
clahe_pyramid_tile: 368
segmentation_method: "cellpose"

Agora seu comando se torna:

nextflow run ./molkart -params-file params.yaml -resume

É isso! O arquivo de parâmetros documenta sua configuração exata e facilita a reexecução ou compartilhamento.

1.3. Sobrescrevendo parâmetros

Você ainda pode sobrescrever parâmetros específicos da linha de comando:

nextflow run ./molkart -params-file params.yaml --segmentation_method "stardist" --outdir stardist_results -resume

A linha acima altera o segmentation_method para stardist e o nome do --outdir para stardist_results em vez dos parâmetros no arquivo params.yaml. Além disso, você pode ver que a flag -resume nos permitiu reutilizar os resultados de pré-processamento da execução anterior, economizando tempo. Você pode usar esse padrão para testar rapidamente diferentes variações do fluxo de trabalho.

Conclusão

Arquivos de parâmetros tornam suas análises reproduzíveis e fáceis de compartilhar. Use-os para qualquer trabalho de análise real.

O que vem a seguir?

Aprenda como as planilhas de amostras organizam informações sobre múltiplas amostras.

2. O padrão de planilha de amostras

2.1. O que é uma planilha de amostras?

Uma planilha de amostras é um arquivo CSV que descreve suas amostras de entrada. Cada linha é uma amostra, e as colunas especificam os arquivos e metadados para aquela amostra.

Vamos olhar a planilha de amostras que estamos usando:

cat data/samplesheet.csv
samplesheet.csv
sample,nuclear_image,spot_table,membrane_image
mem_only,https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/nuclear.tiff,https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/spots.txt,https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/membrane.tiff

As colunas são:

  • sample: Identificador único da amostra
  • nuclear_image: Imagem de coloração nuclear (TIFF)
  • spot_table: Pontos de transcrição (TXT)
  • membrane_image: Imagem de coloração de membrana (TIFF, opcional)

2.2. Caminhos de arquivos

Planilhas de amostras aceitam múltiplos tipos de caminho:

  • URLs: Nextflow baixa automaticamente (como mostrado acima)
  • Caminhos locais: data/nuclear.tiff ou /absolute/path/to/nuclear.tiff
  • Armazenamento em nuvem: s3://bucket/nuclear.tiff, gs://bucket/nuclear.tiff, az://container/nuclear.tiff

Você pode misturar tipos de caminho na mesma planilha de amostras.

2.3. Criando sua própria planilha de amostras

Primeiro, vamos baixar os arquivos de dados de teste localmente:

cd /workspaces/training/nf4-science/imaging/data
curl -O https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/nuclear.tiff
curl -O https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/spots.txt
curl -O https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/membrane.tiff
cd ..

Agora vamos modificar a planilha de amostras para referenciar esses arquivos locais:

samplesheet.csv
sample,nuclear_image,spot_table,membrane_image
mem_only,data/nuclear.tiff,data/spots.txt,data/membrane.tiff

Aviso

Observe que os caminhos na planilha de amostras são relativos a onde você executa o Nextflow, não onde a planilha de amostras está localizada.

Finalmente, vamos executar o nf-core/molkart mais uma vez com a planilha de amostras com caminhos de arquivos locais:

nextflow run ./molkart -params-file params.yaml -resume

Como você pode ver, o Nextflow executa essa execução de forma similar a quando os arquivos foram baixados do Github. Esta é uma das grandes funcionalidades do Nextflow, ele prepara os dados adequadamente para você, independentemente de onde estão localizados.

Conclusão

Planilhas de amostras organizam conjuntos de dados com múltiplas amostras de uma forma que permite definir explicitamente seus metadados junto com os caminhos dos arquivos. A maioria dos fluxos de trabalho do nf-core usa esse padrão.

O que vem a seguir?

Agora que cobrimos as entradas, vamos explorar como configurar fluxos de trabalho Nextflow para diferentes ambientes computacionais.