提问人：Théo Durand 提问时间：5/4/2023 最后编辑：applesomthingThéo Durand 更新时间：5/6/2023 访问量：133
Snakemake 在规则中使用不同的通配符
Snakemake use different wildcards in a rule
问：
我正在尝试创建 snakemake 规则，该规则接受输入我的 fastq 文件并在输出中为每个文件返回一个 .sam 文件。fastq
我有一个这样的文件：
FILE TYPE SM LB ID PU PL
xfgh.fastq.gz Single IND1 IND1 IND1 Platform Illumina
IND2.fastq.gz Single IND2 IND2 IND2 Platform Illumina
zfgv.fastq.gz Single IND3 IND3 IND3 Platform Illumina
IND4_P1.fastq.gz Single IND4 IND4 IND4 Platform Illumina
所以我做了类似的事情。
我用熊猫打开我的数据帧：
pd.read_csv("info_file.txt")我库存了一个列文件SM和ID
我创建我的规则：
rule all:
input:
sam_file = expand("ALIGNEMENT/{sm}/{id}.sam", sm = info_df["SM"], id = info_df["ID"])
rule alignement:
input:
fastq_files = "PATH/TO/{fastq}"
output:
sam_file = "ALIGNEMENT/{sm}/{id}.sam"
我知道输入和输出需要具有相同的通配符，但是是否存在一种方法可以从file.txt的“FILES”列中输入，并在输出中输入这样的路径：其中 {sm} 和 {id} 是我file.txt的 SM 和 ID 列"ALIGNEMENT/{sm}/{id}.sam"
我还想为每个文件启动一个规则。
如果有人能帮我，谢谢
答：
0赞
Dmitry Kuzminov
5/5/2023
#1
简而言之：你不需要 Snakemake。这不是一个好的工具选择，因为它解决了与您拥有的问题相反的问题。
您描述的问题是：有一个输入文件名列表并知道过程，您希望在循环中处理它们。只需使用纯 Python，读取文件名列表，遍历名称，然后使用为每个输入创建输出的命令调用 shell。使用 Python 或您选择的任何其他脚本语言。
Snakemake 是一个强大的工具，可以解决相反的目标。起点是您要创建的目标。下一步是定义如何创建目标的规则。最后一步是提供 INPUT 文件，这些文件将成为依赖项树的叶子，并运行管道。
解决您的问题的一种稍微多一点的 Snakemake-tonic 方法可能如下所示。首先，定义要获取的内容（注意参数）：zip
rule all:
input:
sam_file = expand("ALIGNEMENT/{sm}/{id}.sam", zip, sm=info_df["SM"], id=info_df["ID"])
然后，您可以定义创建每个 sam 文件的规则。请注意，它被替换为一个字典，该字典提供从 到 fastq 值对的映射：{fastq}(sm, id)
rule create_sam:
input:
lambda wildcards: f"PATH/TO/{mapping[(wildcards.sm, wildcards.id)]}"
output:
sam_file = "ALIGNEMENT/{sm}/{id}.sam"
最后，您需要从 csv 文件中创建一个字典作为全局对象。不是错误问题的最佳解决方案。mapping
更新：尽管@dariober提供了一个解决问题的有效答案，但我坚持认为在这种情况下没有必要使用 Snakemake。Snakemake 提供的所有好处都丢失了，同时存在不必要的复杂性。作为替代解决方案，我提供了一个简单的单一规则管道，没有讨厌的 lambda。
rule keep_it_simple_stupid:
script:
with open("info_file.txt") as f:
next(f)
for row in f:
filename, _, sm, _, id, _, _ = row.split('\t')
shell(f"do whatever you want with {filename}, {sm}, and {id}")
此规则的主体是纯准系统 Python。如果它是 Snakemake 更惯用的更大管道的一部分，那么将其包装到 Snakemake 规则中可能是有意义的。但如果不是 - 应避免将 Snakemake 作为完成任务的错误工具。
评论
0赞
Théo Durand
5/5/2023
感谢您的回答，但是创建映射字典作为全局对象是什么意思？我只需要这样做：mapping = {} ？？而且我真的不明白我的输入如何包含没有FILES列的文件名，你能解释一下吗？
1赞
dariober
5/5/2023
#2
我正在尝试创建 snakemake 规则，该规则接受输入我的 fastq 文件并在输出中为每个 fastq 文件返回一个 .sam 文件。
从上面看来，您想添加到规则中的函数中。使用 zip 可以配对出现在输入列表中的通配符，如果没有它，您将获得 和 的所有组合。zipexpandall{id}{sm}
然后要获取规则中的输入fastq文件，则需要查询info数据帧，得到给定的FILE。您可以使用 lambda 函数或编写专用函数作为输入来执行此操作。alignmentid
以下是我的看法：
import pandas as pd
info_df = pd.read_csv("info_file.txt", sep='\t')
rule all:
input:
expand("ALIGNEMENT/{sm}/{id}.sam", zip, sm = info_df["SM"], id = info_df["ID"])
rule alignement:
input:
fastq_files=lambda wc: info_df[info_df['ID'] == wc.id]['FILE'],
output:
sam_file = "ALIGNEMENT/{sm}/{id}.sam"
shell:
r"""
echo {input.fastq_files} > {output.sam_file}
"""
评论
snakemake