集群上的 Snakemake：OutputException 并为每个通配符项提交一个作业

Question

我尝试在带 LSF profile 的 LSF 上使用 snakemake，但使用通配符时只提交了一个作业。

Submitted job 1 with external jobid '660343 logs/cluster/try_expand/unique/jobid1_4530cab3-d29c-485d-8d46-871fb7042e50.out'.

下面是一个最小的例子运行和

snakemake --profile lsf -s try.smk 2> `date +"%Y%m%d_%H%M"`_snakemake_try.log --latency-wait 20

CHROMOSOMES = [ 20, 21, 22]

rule targets:
    input: 
         expand("try/chr{chromosome}.GATK_calls.indels.PASS.common_var_2.bcf", chromosome=CHROMOSOMES)
    log:
        "try_logs/targets.log"

rule try_expand:
    threads: 6
    output:
        expand("try/chr{chromosome}.GATK_calls.indels.PASS.common_var_2.bcf", chromosome=CHROMOSOMES) 
    shell:"""
        touch {output}
    """

上述命令的日志文件是here。我怀疑这就是当运行需要很长时间才能完成第一个通配符的较大任务时出现 OutputException 的原因。

Waiting at most 20 seconds for missing files.
MissingOutputException in line 22 of extraction.smk:
Missing files after 20 seconds:
chr21.GATK_calls.indels.PASS.common_var.bcf
chr22.GATK_calls.indels.PASS.common_var.bcf

如何避免 OutputException 并将每个通配符项作为作业提交？谢谢！

Answer 1

您混淆了通配符和 expand 函数的变量。您的规则 try_expand 在输出中定义了三个文件，因此只需运行一次即可生成所有目标。在输出中，{chromosome} 不是通配符，而是 expand 函数第二个参数的占位符。

您可能想要的是：

CHROMOSOMES = [ 20, 21, 22]

rule targets:
    input: 
         expand("try/chr{chromosome}.GATK_calls.indels.PASS.common_var_2.bcf", chromosome=CHROMOSOMES)
    log:
        "try_logs/targets.log"

rule try_expand:
    threads: 6
    output:
        "try/chr{chromosome}.GATK_calls.indels.PASS.common_var_2.bcf" 
    shell:
    """
        touch {output}
    """

请注意，如果您需要在扩展函数中使用通配符，则必须将{}加倍。
示例：

output: expand("{path}/chr{{chromosome}}.GATK_calls.indels.PASS.common_var_2.bcf", path="/my/path")

这里，{path}是expand函数第二个参数定义的占位符，{{chromosome}}是通配符。

集群上的 Snakemake：OutputException 并为每个通配符项提交一个作业

Snakemake on cluster: OutputException and submit one job for each wildcard item

python

lsf

snakemake