输入文件中的snakemake通配符

如何解决输入文件中的snakemake通配符

我对snakemake非常陌生，我正在尝试为每个样本创建一个merged.fastq。以下是我的Snakefile。

configfile: "config.yaml"
print(config['samples'])
print(config['ss_files'])
print(config['pass_files'])

rule all:
    input:
        expand("{sample}/data/genome_assembly/medaka/medaka.fasta",sample=config["samples"]),expand("{pass_file}",pass_file=config["pass_files"]),expand("{ss_file}",ss_file=config["ss_files"]) 

rule merge_fastq:
    input: 
        directory("{pass_file}")
    output: 
        "{sample}/data/merged.fastq.gz"
    wildcard_constraints:
        id="*.fastq.gz"
    shell:
        "cat {input}/{id} > {output}"   

其中，“样本”是样本名称的列表，
“ pass_files”是fastq_pass文件夹的目录路径的列表，其中包含小的fastq文件

我正在尝试将每个样本的小fastq文件合并为一个大的merged.fastq。

我得到以下内容，

无法从输出文件确定输入文件中的通配符： 'pass_file'

作为错误。

解决方法

input部分中的每个通配符在output部分中应具有一个对应的通配符（具有相同的名称）。 Snakemake就是这样工作的：当Snakemake尝试压缩DAG作业并发现它需要某个文件时，它将查看每个规则的output部分，并检查该规则是否可以产生所需的文件。这就是Snakemake如何在output部分中为通配符分配某些值的方式。其他部分中的每个通配符都应与output中的通配符之一匹配，这就是input获取具体文件名的方式。

现在让我们看看您的rule merge_fastq：

rule merge_fastq:
    input: 
        directory("{pass_file}")
    output: 
        "{sample}/data/merged.fastq.gz"
    wildcard_constraints:
        id="*.fastq.gz"
    shell:
        "cat {input}/{id} > {output}"   

唯一能获得其值的通配符是{sample}。 {pass_file}和{id}悬空。

如我所见，您正在尝试合并设计时未知的文件。看看dynamic文件checkpoint，并在input中使用函数。

您的Snakefile的其余部分很难理解。例如，我看不到如何指定与此模式匹配的文件："{sample}/data/merged.fastq.gz"。

更新：

可以说，我有一个 目录（/ home / other_computer / jobs / data / / *。fastq.gz） 这是我的输入和输出是 （/结果/合并/ /merged.fastq.gz）。我尝试的是 输入的第一个路径：{“ pass_files”}（这来自我的配置 文件）并输出：“结果/合并/{sample}/merged.fastq.gz”

首先，让我们简化一下任务，并将{pass_file}替换为硬编码路径。您有2个自由度：<sample_name>和/home/other_computer/jobs/data/<sample_name>/文件夹中的未知文件。 <sample_name>是通配符的很好候选者，因为该名称可以从目标文件中派生。未知数量的文件*.fastq.gz甚至不需要任何Snakemake构造，因为可以使用shell命令来表示。

rule merge_fastq:
    output: 
        "/result/merged/{sample_name}/merged.fastq.gz"
    shell:
        "cat /home/other_computer/jobs/data/{sample_name}/*.fastq.gz > {output}"