Snakemake 带有生成许多中间文件的脚本

如何解决Snakemake 带有生成许多中间文件的脚本

我想知道为具有许多中间文件的脚本编写规则的最佳做法是什么？

R 脚本示例如下：

data <- read_rds(snakemake@input[["data"]])

# generate and save many plots for sanity check
plt1
ggsave("plt1.pdf",plt1) 

plt2
ggsave("plt2.pdf",plt2)

# and many other figs

# No actual output

我写的规则：

rule transform:
  input:
    data : "data.rds"
  output:
    touch("script.Rout")
  script: "script.R"

请注意，script.R 没有没有实际输出。该文件主要用于通过绘制一些草图来进行一些完整性检查（在运行此规则后手动完成）。这些数字不会用作未来工作流程的任何输入。

在这种情况下，我的解决方案合适吗？有没有更好的方法？

谢谢！

解决方法

Snakemake 规则实际上不需要声明任何输出，因此您可以简单地省略输出位。

一般来说，出于以下原因，明确规则的输出是很好的：

• Snakemake 检查是否实际生成了输出，并在规则完成后未生成输出时提供信息性错误消息。
• Snakemake 可以删除所有生成的输出 (--delete-all-output)，但前提是输出已声明。

声明和创建输出的另一个原因（就像通过 touch 那样）是这样的规则可以被另一个规则自动调用。假设您有一个触发实际数据分析的“规则全部”，但您也希望它创建绘图。然后您可以将 script.Rout 声明为该规则的输入，并且该脚本将被自动调用。

由于 script.Rout 是一个空文件，声明可能只是为了让另一个文件可以自动执行此规则，因此您可以向其添加 temp，以便最终将其删除，而您不会不必自己清理：

output: temp(touch("script.Rout"))

,

因为您不将这些文件用于其他任何用途，所以应该没问题。

虽然有一个明确列出输出的论据。这将支持通过 snakemake 删除所有输出文件，并会检测脚本中途无提示失败的情况。如果输出确实是 figure{i}.pdf，则就像添加 expand('figure{i}.pdf',i=range(MAX) 一样简单。