snakemake 中的未知输出

Question

我正在努力在 snakemake 中实现一个非常简单的管道，希望用一个有凝聚力的 Snakefile 替换一系列烦人的 bash 脚本。

我在编写将文件拆分成更小的部分（使用 GNU 拆分）然后导致将输出连接在一起的第二条规则时遇到问题。

我不知道在 concat 步骤中为输入写什么，因为我不知道如何定义所有符合模式的文件 bam_files/test*。我尝试使用 glob，但这显然不起作用（看起来它实际上是在跳过包含 glob 的拆分）。有没有更好的方法可以做到这一点？

# test snakemake pipeline
import glob


SAMPLE_IDS = ["test"]

rule all: 
    input: 
        expand("bam_files/{FASTQ}.out", FASTQ=SAMPLE_IDS)


rule split: 
    input: 
        expand("{FASTQ}.txt", FASTQ=SAMPLE_IDS)
    output: 
        "bam_files/{FASTQ}."
    shell:
        "cat {input} | split -l 1000 -d - {output}."


rule concat: 
    input:
        split_files = glob.glob("bam_files/{FASTQ}.*")
    output: 
        "bam_files/{FASTQ}.out"
    shell: 
        "cat {input} > {output}"

Answer 1

我认为这应该可行：

SAMPLE_IDS = ["test"]

rule all: 
    input: 
        expand("bam_files/{FASTQ}.out", FASTQ=SAMPLE_IDS)


rule split: 
    input: 
        "{FASTQ}.txt"
    output: 
        dynamic("bam_files/{FASTQ}.{PART}")
    params:
        length=1000
    shell:
        "cat {input} | split -l {params.length} -d - bam_files/{FASTQ}."


rule concat: 
    input:
        split_files = dynamic("bam_files/{FASTQ}.{PART}")
    output: 
        "bam_files/{FASTQ}.out"
    shell: 
        "cat {input} > {output}"

看起来 split 规则应该一次获取一个文件 {FASTQ}.txt 并生成 {FASTQ}.1, {FASTQ}.2, ... 或类似的东西。因为您事先不知道它会产生多少文件，所以您需要对 split.output 和 concat.input.

使用 dynamic()

snakemake 中的未知输出

unknown output in snakemake

bioinformatics

snakemake