Snakemake：先创建一个目标输出，然后再进行分叉工作流中的下一个

如何解决Snakemake：先创建一个目标输出，然后再进行分叉工作流中的下一个

假设您有一个带有通配符（以下示例中的 wc）的工作流，并且您希望针对该通配符的大量不同值（例如 1000 个样本）运行它。通常，我会创建一个 rule all，它接受​​一个生成 1000 个文件名的函数的输入。但我发现 Snakemake 将执行 one 1000 次，然后 two 1000 次。如果 two 生成的中间文件非常大，这将是有问题的，因为您最终会得到 1000 个巨大的文件。

相反，我希望 Snakemake 产生 five_1.txt ... five_1000.txt，确保它实际产生 rule all 的一个输出，然后再进入下一个。这样，temp() 会在生成下一个之前删除一个 three_{wc}.txt，并且您最终不会得到大量大文件。

在线性工作流中，您可以按照@Maarten-vd-Sande 的建议使用优先级。这是因为 Snakemake 会查看它可以执行的作业，并选择最高优先级，这将始终是线性工作流中链下游的优先级。然而，在分叉中，这不起作用，因为分叉的两侧需要具有相同的优先级，但随后 Snakemake 只会先执行所有规则。

rule one:
  input: "input_{wc}.txt"
  output: 
    touch("one_{wc}.txt"),touch("two_{wc}.txt")
  
rule two:
  input: "one_{wc}.txt"
  output: temp(touch("three_{wc}.txt"))

rule three:
  input: "two_{wc}.txt"
  output: touch("four_{wc}.txt")

rule four:
  input:
    "three_{wc}.txt","four_{wc}.txt"
  output: "five_{wc}.txt"
  shell:
    """
    touch {output}
    """

解决方法

如果它是叉子，就让它不是叉子。 two 必须在 three 之前执行。使用@Maarten-vd-Sande 的解决方案。

rule one:
  input: "input_{wc}.txt"
  output: 
    touch("one_{wc}.txt"),touch("two_{wc}.txt")
  
rule two:
  input: "one_{wc}.txt"
  output: temp(touch("three_{wc}.txt"))
  priority: 1

rule three:
  input: 
    "two_{wc}.txt","one_{wc}.txt"
  output: touch("four_{wc}.txt")
  priority: 2

rule four:
  input:
    "three_{wc}.txt","four_{wc}.txt"
  output: touch("five_{wc}.txt")
  priority: 3