如何解决在Snakemake管道中添加自动QC,以在管道步骤的中间过滤出质量较差的样品
我的问题与此类似:Conditional execution of multiplexed analysis with snakemake
我在shell中用“ if-else”尝试了dariober的要点答案,但是else句子输出的空文件或文件夹将始终被snakemake删除,snakemake将报告错误(我甚至为每个shell添加了“ || true”命令以防止非零退出代码,但仍然无济于事。如果我在snakemake之外运行if-else外壳程序,则会生成文件和文件夹。
然后我尝试在“运行”部分中编写python脚本而不是shell,例如:
rule G_move_7:
input:
passORnot_file = '{sample}/XXX_RData/{sample}.passORnot.txt',sample_folder = '{sample}',filtered_bam = '{sample}.Aligned.out.filtered.bam',output:
move_log = '{sample}.log',output
run:
with checkpoints.F_XXX_withCheck_6.get(sample=wildcards.sample).output[2].open() as f:
if f.read().strip() == "PASS":
os.system("mv -f" + input.filtered_bam + " ./PASS/ > " + output.move_log)
os.system("mv -f" + input.sample_folder + " ./PASS/ >> " + output.move_log)
os.system("echo " + input.sample_folder + " ./PASS/ >> " + output.move_log)
else:
os.system("mv -f" + input.filtered_bam + " ./NOT_PASS/ > " + output.move_log)
os.system("mv -f" + input.sample_folder + " ./NOT_PASS/ >> " + output.move_log)
os.system("echo " + input.sample_folder + " ./NOT_PASS/ >> " + output.move_log)
这可行,但是在将所有传递的样本都放入文件夹“ PASS”之后,我必须使用新的snakemake文件运行下游步骤,才能对PASS文件夹中的每个样本使用通配符。所以现在我的管道被削减为两部分。我必须先运行第二个,然后运行第二个蛇形文件。只需一个“通过或不通过”条件就可以了,但是如果我们添加更多质量检查步骤,这将变得无穷无尽,无法实现。
想知道是否有更有效,更优雅的方法来进行蛇形样品的这种自动QC和滤除不良样品? (或其他替代方法?)最好在一个脚本内编写所有质量控制和过滤 管道文件。谢谢。
解决方法
让我从这里重复我的回答:https://stackoverflow.com/a/63848059/7070491
对此类问题的规范解决方案是使用检查点。考虑以下示例:
import pandas as pd
def get_results(wildcards):
qc = pd.read_csv(checkpoints.qc.get().output[0].open(),sep="\t")
return expand(
"results/processed/{sample}.txt",sample=qc[qc["some-qc-criterion"] > config["qc-threshold"]]["sample"]
)
rule all:
input:
get_results
checkpoint qc:
input:
expand("results/preprocessed/{sample}.txt",sample=config["samples"])
output:
"results/qc.tsv"
shell:
"perfom-qc {input} > {output}"
rule process:
input:
"results/preprocessed/{sample}.txt"
output:
"results/processed/{sample.txt}"
shell:
"process {input} > {output}"
想法如下:在管道中的某个点上,经过一些(比如说)预处理之后,您添加了一个检查点规则,该规则将汇总所有样本并生成某种QC表。然后,在其下游,有一个规则汇总样本(例如,规则all
或工作流内部的其他汇总)。假设在该汇总中,您只想考虑通过QC的样本。为此,您可以通过输入函数确定所需的文件("results/processed/{sample}.txt"
),该函数读取由检查点规则生成的QC表。 Snakemake的检查点机制确保在执行检查点后 对该输入函数进行求值,以便您可以实际读取表结果,并根据该表中包含的qc标准对样本进行决策。重新评估DAG时,Snakemake将自动应用所有中间规则(例如此处的process
规则)。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。