Snakemake 将多个命令行集成在一个规则中

Question

我的第一个命令行 "bcftools query -l {input.invcf} | head -n 1" 的输出打印了 vcf 文件的第一个个体的名称（即 IND1）。我想在 selectvariants GATK in -sn IND1 选项中使用该输出。如何在 snakemake 中集成第一条命令行以便在下一条中使用它的输出？

rule selectvar:
    input:
        invcf="{family}_my.vcf"
    params:
        ind= ???
        ref="ref.fasta"
    output:
        out="{family}.dn.vcf"
    shell:
        """
        bcftools query -l {input.invcf} | head -n 1 > {params.ind}
        gatk --java-options "-Xms2G -Xmx2g -XX:ParallelGCThreads=2" SelectVariants -R {params.ref} -V {input.invcf} -sn {params.ind} -O {output.out}
        """

Answer 1

我想我找到了解决办法：

rule selectvar:
    input:
        invcf="{family}_my.vcf"
    params:
        ref="ref.fasta"
    output:
        out="{family}.dn.vcf"
    shell:
        """
        gatk --java-options "-Xms2G -Xmx2g -XX:ParallelGCThreads=2" SelectVariants -R {params.ref} -V {input.invcf} -sn `bcftools query -l {input.invcf} | head -n 1` -O {output.out}
        """

Answer 2

有多种选择，但最简单的一种是将结果存储到临时 bash 变量中：

rule selectvar:
   ...
   shell:
        """
        myparam=$(bcftools query -l {input.invcf} | head -n 1)
        gatk -sn "$myparam" ...
        """

如@dariober 所述，如果修改 pipefail 行为，可能会出现意外结果，请参阅。

Answer 3

当我不得不做这些事情的时候我更喜欢用运行而不是shell，然后shell只在最后出来。这样做的原因是因为它使 snakemake 可以检查运行语句，并在出现问题时提前退出，而不是继续执行损坏的 shell 命令。

rule selectvar:
    input:
        invcf="{family}_my.vcf"
    params:
        ref="ref.fasta"
        gatk_opts='--java-options "-Xms2G -Xmx2g -XX:ParallelGCThreads=2" SelectVariants'
    output:
        out="{family}.dn.vcf"
    run:
        opts = "{params.gatk_opts} -R {params.ref} -V {input.invcf} -O {output.out}"
        sn_parameter = shell("bcftools query -l {input.invcf} | head -n 1")
        # we could add a sanity check here if necessary, before shelling out
        shell(f"gatk {options} {sn_parameter}")
        """

Snakemake 将多个命令行集成在一个规则中

Snakemake integrate the multiple command lines in a rule

python

bash

shell

snakemake

gatk