Snakemake 中 shell 命令中的 Gensub

Question

# md5sum on fastq folder on cluster
rule md5sum_fastq_cluster:
     input:
         path_cluster+'/'+project_name+'/'+project_name+'.csv'
     output:
         path_cluster+'/'+project_name+'/'+'md5sum.txt'
     shell:
         """find {path_cluster}/{project_name} -type f -name "*.fastq.gz" -exec md5sum {{}} + | awk '{{print , gensub( ".*/", "",  )}}' | sort > {output}"""
 
 
 # md5sum on fastq folder on remote server
 rule md5sum_fastq_SAN:
     input:
         copyFASTQdone
     output:
         SFTPsan.remote(server_san+path_san+'/'+project_name+'/md5sum.txt')
     shell:
         """ssh imrb@{server_san} "find {path_san}/{project_name} -type f -name '*.fastq.gz' -exec md5sum {{}} + | awk '{{print $1, gensub( ".*/", "", $2 )}}' | sort" > {output}"""

--------------------------------------------------------------------------
awk: ligne de commande:1: {print , gensub( .*/, ,  )}
awk: ligne de commande:1:                    ^ syntax error
awk: ligne de commande:1: {print , gensub( .*/, ,  )}

显然我的 gensub 语法是错误的
在添加 gensub 命令之前，我来自 2 条规则的 2 shell 命令是：

"""find {path_cluster}/{project_name} -type f -name "*.fastq.gz" -exec md5sum {{}} + | awk '{{print }}' | sort > {output}"""

"""ssh imrb@{server_san} "find {path_san}/{project_name} -type f -name '*.fastq.gz' -exec md5sum {{}} + | awk '{{print $1}}' | sort > {output}"""

它正在工作。只是加了gensub之后，找不到正确的语法。
我需要这个 gensub 基本上做与 basename 相同的事情来删除我的文件的路径。
当然，我在我的 snakemake 之外尝试了 awk/gensub 命令，它有效。

以防万一，以下是我的规则生成的文件：

# md5sum.txt before gensub
01afd3f2bf06d18c5609b2c2c963eddf /data/imrb/Data/200122_GSC/14-CTRL50TMZ1907192_S11_R2_001.fastq.gz
03e353c316aef09c748aa2363db95599 /data/imrb/Data/200122_GSC/15-11650TMZ1907192_S12_R2_001.fastq.gz
1ba21b8be882bcb62c464ba515800ca4 /data/imrb/Data/200122_GSC/1-CTRL120719_S1_R2_001.fastq.gz

# md5sum.txt after gensub
01afd3f2bf06d18c5609b2c2c963eddf 14-CTRL50TMZ1907192_S11_R2_001.fastq.gz
03e353c316aef09c748aa2363db95599 15-11650TMZ1907192_S12_R2_001.fastq.gz
1ba21b8be882bcb62c464ba515800ca4 1-CTRL120719_S1_R2_001.fastq.gz

Answer 1

您用双引号将传递给 ssh 的命令括起来（下面用 ^ 标记），因此您需要转义 awk 中的双引号。这可能有效：

"""ssh imrb@{server_san} "find {path_san}/{project_name} -type f -name '*.fastq.gz' -exec md5sum {{}} + | awk '{{print $1, gensub( \".*/\", \"\", $2 )}}' | sort" > {output}"""
                     ____^____                                                                                                                                 ___^___

（我还建议对 shell 命令使用原始字符串以防止元字符的解释，即使用 r""" ... """）

Answer 2

感谢 dariober，我为每条规则找到了正确的语法。

对于第一条规则：我需要转义我在 awk

中使用的双引号

rule md5sum_fastq_cluster:
     input:
         path_cluster+'/'+project_name+'/'+project_name+'.csv'
     output:
         path_cluster+'/'+project_name+'/'+'md5sum.txt'
     shell:
         """find {path_cluster}/{project_name} -type f -name "*.fastq.gz" -exec md5sum {{}} + | awk '{{print , gensub( \".*/\", \"\",  )}}' | sort > {output}"""

第二条规则，shell命令传给SSH，我需要双转义我的双引号，在$2前加一个\

 rule md5sum_fastq_SAN:
     input:
         copyFASTQdone
     output:
         SFTPsan.remote(server_san+path_san+'/'+project_name+'/md5sum.txt')
     shell:
         """ssh imrb@{server_san} "find {path_san}/{project_name} -type f -name '*.fastq.gz' -exec md5sum {{}} + | awk '{{print $1, gensub( \".*/\", \"\", $2 )}}' | sort" > {output}"""

Snakemake 中 shell 命令中的 Gensub

Gensub inside a shell command in Snakemake

python

awk

snakemake

md5sum