在 Snakemake 中使用 cutadapt 适配器文件输入

如何解决在 Snakemake 中使用 cutadapt 适配器文件输入

我是 Snakemake 的新手，正在尝试移植我的 BASH 代码以使用 Snakemake 规则。免责声明，我试图在 shell 块中使用带有头文件和适配器序列的 fasta 文件解复用带有 cutadapt 的 fastq 文件。加载与 fasta 标头匹配的样本名称，并在规则 all 中将其指定为通配符：

rule all:
input:
    expand([os.path.join(outDir,"reads_trim.fq"),os.path.join(outDir,"{name}.tmp")],name=samples_list)

reads_trim 文件是一个标准的、连接的 fastq 文件（来自 Nanopore 测序）。我的问题是这个规则运行了 12 次，因为我的“samples_list”中有 12 个样本。然后我得到 12 个输出文件，正如我应该的那样，命名正确，但它们都包含完全相同的内容。我想知道如果它只运行一次，输出是否正确，但还没有找到强制这种行为的方法。

rule demultiplex:
""" Demultiplex Nextera-styled barcodes using the compiled barcode fasta file """
input:
    barcodeFile=os.path.join(outDir,"barcodes_used.fasta"),fastqFile=os.path.join(outDir,"reads_trim.fq")
output: os.path.join(outDir,"{name}.tmp")
message: "Demultiplexing trimmed reads"
log: "logs/cutadapt/demultiplexing_{name}.log"
shell:
    """
    cutadapt -e 0.20 -O 10 -m 15 -M 15 -g file:{input.barcodeFile} -o {output} {input.fastqFile}
    """

知道如何获得一个文件进入的标准行为，x 个文件以不同的输出（找到适配器的位置）吗？

解决方法

我不熟悉用于解复用的 cutadapt，但从快速浏览 docs，我 认为你想要这些东西（我简化了你的原始代码）：

rule all:
    input:
        expand("{name}.tmp",name= samples_list),rule demultiplex:
    input:
        barcodeFile= "barcodes_used.fasta",fastqFile= "reads_trim.fq"
    output: 
        expand("{name}.tmp",name=samples_list),shell:
        r"""
        cutadapt ... -g file:{input.barcodeFile} -o {{name}}.tmp {input.fastqFile}
        """

如果输入 reads_trim.fq 一次生成所有 12 个输出文件，则 您需要在 output 指令中列出所有 12 个输出。我使用了 expand() 函数。注意 {{name}}.tmp 有双花括号 告诉snakemake它不是通配符，但它的读法完全相同 {name}（根据 cutadapt 文档，如果我没看错的话）。

顺便问一下，你确定 cutadapt 可以解复用 Nanopore 吗？