运行 Snakemake 规则一次一个样本

Question

我正在创建一个 Snakemake 工作流程，它将包含一些 tools in the nvidia clara parabricks pipelines。因为这些工具运行在 GPU 上，它们通常一次只能处理一个样本，否则 GPU 将运行内存不足。然而，Snakemake 一次将所有样本推送到 Parabricks - 似乎没有意识到 GPU 内存限制。一种解决方案是告诉 Snakemake 一次处理一个样本，因此问题是：

如何让 Snakemake 一次处理一个样本？

因为 parabricks 是许可产品（因此不一定可复制），我将展示我尝试运行 (pb运行 fastq2bam )，以及我们可以使用的开源软件 (fastqc) 的最小可重现示例 on/from

我的 parabricks 规则 - pb运行 fastq2bam

蛇文件：

# Define samples from fastq dir using wildcards
SAMPLES, = glob_wildcards("../fastq/{sample}_1.filt.fastq.gz")

rule all:
    input:
        expand("{sample}_recalibrated.bam", sample = SAMPLES)

rule pbrun_fq2bam:
    input:
        R1 = "../fastq/{sample}_1.filt.fastq.gz",
        R2 = "../fastq/{sample}_2.filt.fastq.gz"
    output:
        bam = "{sample}_recalibrated.bam",
        recal = "{sample}_recal.txt"
    shell:
        "pbrun fq2bam --ref human_g1k_v37_decoy.fasta --in-fq {input.R1} {input.R2} --knownSites dbsnp_138.b37.vcf --out-bam {output.bam} --out-recal {output.recal}"

运行命令：

snakemake -j 32 --use-conda

当 ../fastq/ 目录中存在四个 samples/exomes 时出错：

GPU-BWA mem
ProgressMeter   Reads           Base Pairs Aligned
cudaSafeCall() failed at ParaBricks/src/samGenerator.cu:782 : out of memory
cudaSafeCall() failed at ParaBricks/src/samGenerator.cu:782 : out of memory
cudaSafeCall() failed at ParaBricks/src/chainGenerator.cu:185 : out of memory
cudaSafeCall() failed at ParaBricks/src/chainGenerator.cu:185 : out of memory
cudaSafeCall() failed at ParaBricks/src/chainGenerator.cu:185 : out of memory
cudaSafeCall() failed at ParaBricks/src/chainGenerator.cu:183 : out of memory
cudaSafeCall() failed at ParaBricks/src/chainGenerator.cu:185 : out of memory
cudaSafeCall() failed at ParaBricks/src/chainGenerator.cu:183 : out of memory

最小示例 - fastqc

获取数据：

mkdir ../fastq/
gsutil cp -r gs://genomics-public-data/gatk-examples/example1/NA19913/* ../fastq/

蛇文件：

SAMPLES, = glob_wildcards("../fastq/{sample}_1.filt.fastq.gz")

rule all:
    input:
        expand(["{sample}_1.filt_fastqc.html", "{sample}_2.filt_fastqc.html"], sample = SAMPLES),
        expand(["{sample}_1.filt_fastqc.zip", "{sample}_2.filt_fastqc.zip"], sample = SAMPLES)

rule fastqc:
    input:
        R1 = "../fastq/{sample}_1.filt.fastq.gz",
        R2 = "../fastq/{sample}_2.filt.fastq.gz"
    output:
        html = ["{sample}_1.filt_fastqc.html", "{sample}_2.filt_fastqc.html"],
        zip = ["{sample}_1.filt_fastqc.zip", "{sample}_2.filt_fastqc.zip"]
    conda:
        "fastqc.yaml"
    shell:
        "fastqc {input.R1} {input.R2} --outdir ."

fastqc.yaml:

channels:
  - bioconda
  - conda-forge
  - defaults
dependencies:
  - bioconda::fastqc =0.11.9

运行命令：

snakemake -j 32 --use-conda

提前感谢您的指点！！

Answer 1

您可以尝试将 threads: 32 添加到您的规则中，这样 snakemake 将在一个规则 iteration/sample.

上使用所有给定的核心

内存也可以使用某物来限制。喜欢

resources:
    mem_mb=100

在规则中，--resources mem_mb=100 在 snakemake 调用中。这会将规则限制为最多使用 100MB 内存。

Answer 2

我想扩展@jafors 的回答。可能比限制内存更好的做法是，您可以制作一个 gpu 资源：

rule pbrun_fq2bam:
...
    resources:
        gpu=1

然后运行你的 snakemake 与 --resources gpu=1

在这种情况下，您仍然可以将内存和线程用于其他规则，并且每个资源都描述了它是什么。

运行 Snakemake 规则一次一个样本

Run Snakemake rule one sample at a time

bash

loops

gpu

genome

snakemake

我的 parabricks 规则 - pb运行 fastq2bam

最小示例 - fastqc