⭐ 1. Cromwell 如何用于 RNA-seq 分析？

RNA-seq 是典型的 多步骤管线型任务，Cromwell（WDL）非常适合，因为：

• 每个步骤是独立 task
• 输入/输出自动连接
• 支持 scatter（并行处理多个样本）
• 支持 Docker（保证可复现）
• Metadata API 可监控每个 step（你非常需要）
• 支持本地、Slurm、K8s、Google、AWS 等后端

⭐ 2. RNA-seq WDL 标准流程结构

典型 RNA-seq 流程：

1. FastQC（原始数据 QC）
2. Trimming（如 TrimGalore/fastp，可选）
3. 比对（STAR / HISAT2）
4. 转录本定量（featureCounts / salmon / kallisto）
5. 统计 QC/Summary（multiqc）

下面给你一个全流程、可直接用的 WDL。

⭐ 3. 可运行的 WDL：rnaseq_pipeline.wdl

支持：FASTQ → STAR → featureCounts → MultiQC
Docker 已配置，可直接运行

version 1.0

workflow RNASeqPipeline {
input {
Array[File] fastq_r1
Array[File] fastq_r2
File star_index_tar
File gtf
Int threads = 8
}

scatter(i in range(length(fastq_r1))) {
call FastQC as RawQC {
input:
r1 = fastq_r1[i],
r2 = fastq_r2[i]
}

call Trim {
input:
r1 = fastq_r1[i],
r2 = fastq_r2[i]
}

call STARAlign {
input:
trimmed_r1 = Trim.trim_r1,
trimmed_r2 = Trim.trim_r2,
star_index_tar = star_index_tar,
threads = threads
}

call FeatureCounts {
input:
bam = STARAlign.aligned_bam,
gtf = gtf,
threads = threads
}

call FastQC as MappedQC {
input:
r1 = STARAlign.aligned_bam
}
}

call MultiQC {
input:
dirs = RawQC.qc_dir + MappedQC.qc_dir
}

output {
Array[File] aligned_bam = STARAlign.aligned_bam
Array[File] count_file = FeatureCounts.count_file
File multiqc_report = MultiQC.report
}
}

task FastQC {
input {
File r1
File? r2
}

command <<<
fastqc ${r1} ${if defined(r2) then r2 else ''}
>>>

output {
File qc_dir = glob("*_fastqc.zip")[0]
}

runtime {
docker: "biocontainers/fastqc:v0.12.1_cv8"
}
}

task Trim {
input:
File r1
File r2

command <<<
fastp \
-i ${r1} -I ${r2} \
-o trimmed_r1.fq.gz -O trimmed_r2.fq.gz \
--detect_adapter_for_pe
>>>

output {
File trim_r1 = "trimmed_r1.fq.gz"
File trim_r2 = "trimmed_r2.fq.gz"
}

runtime {
docker: "quay.io/biocontainers/fastp:0.23.4--h5f740d0_1"
}
}

task STARAlign {
input:
File trimmed_r1
File trimmed_r2
File star_index_tar
Int threads

command <<<
tar -xvf ${star_index_tar}
INDEX=$(find . -type d -name "STARindex")

STAR \
--runThreadN ${threads} \
--genomeDir $INDEX \
--readFilesIn ${trimmed_r1} ${trimmed_r2} \
--readFilesCommand zcat \
--outSAMtype BAM SortedByCoordinate \
--outFileNamePrefix out_
>>>

output {
File aligned_bam = "out_Aligned.sortedByCoord.out.bam"
}

runtime {
docker: "quay.io/biocontainers/star:2.7.10b--h9ee0642_0"
memory: "20G"
}
}

task FeatureCounts {
input:
File bam
File gtf
Int threads

command <<<
featureCounts \
-T ${threads} \
-a ${gtf} \
-o counts.txt \
${bam}
>>>

output {
File count_file = "counts.txt"
}

runtime {
docker: "quay.io/biocontainers/subread:2.0.6--hed695b0_0"
}
}

task MultiQC {
input:
Array[File] dirs

command <<<
multiqc ${sep=' ' dirs}
>>>

output {
File report = "multiqc_report.html"
}

runtime {
docker: "ewels/multiqc:1.19"
}
}

⭐ 4. 输入 JSON 文件模板：rnaseq_input.json

{
"RNASeqPipeline.fastq_r1": [
"samples/S1_R1.fq.gz",
"samples/S2_R1.fq.gz"
],
"RNASeqPipeline.fastq_r2": [
"samples/S1_R2.fq.gz",
"samples/S2_R2.fq.gz"
],
"RNASeqPipeline.star_index_tar": "ref/star_index.tar.gz",
"RNASeqPipeline.gtf": "ref/genes.gtf",
"RNASeqPipeline.threads": 8
}

⭐ 5. Cromwell 运行命令

java -jar cromwell.jar run rnaseq_pipeline.wdl -i rnaseq_input.json

如果你想与 FastAPI 后端集成（你现在常做的）：

java -jar cromwell.jar server

然后用 REST API 调度：

POST /api/workflows/v1
Content-Type: multipart/form-data

⭐ 6. 输出文件结构（典型）

cromwell-executions/
RNASeqPipeline/
xxx/
call-RawQC/
call-Trim/
call-STARAlign/
call-FeatureCounts/
call-MappedQC/
multiqc/
multiqc_report.html

你可以通过 Cromwell metadata API 获取：

• 每个样本状态（Running/Done/Failed）
• BAM 文件路径
• count matrix 路径
• 日志（stdout/stderr）
• 开始结束时间

这也正好适用于你的 SSE 实时监控系统。

⭐ 7. 如果你想要更多，我可以提供：

✔ 完整的 BRAVE → WDL 转换方案

你的 Nextflow 流程可以无损迁移到 WDL。

✔ Cromwell + FastAPI 调度系统模板

包括：

• 提交任务
• analysis_id 标识
• SSE 推送 metadata 状态
• 实时日志流式读取
• 前端 React 显示 DAG/日志/状态

✔ 更高级的 RNA-seq pipeline

• 支持 salmon/kallisto 无比对定量
• DESeq2 差异分析（Rscript WDL task）
• 合并 count matrix
• 基因注释（biomaRt/annovar）