您好,我是 Snakemake 新手,有一个问题。我想对多个数据集运行一个工具。一个数据集代表一个组织,每个组织都存在 fastq 文件,这些文件存储在各自的组织目录中。该工具的粗略命令是:
python TEcount.py -rosette rosettefile -TE te_references -count result/tissue/output.csv -RNA <LIST OF FASTQ FILE FOR THE RESPECTIVE SAMPLE>
组织应为通配符。我怎样才能做到这一点?下面是我的第一次尝试,但没有成功。
import os
#collect data sets
SAMPLES=os.listdir("data/rnaseq/")
rule all:
input:
expand("results/{sample}/TEtools.{sample}.output.csv", sample=SAMPLES)
rule run_TEtools:
input:
TEcount='scripts/TEtools/TEcount.py',
rosette='data/prepared_data/rosette/rosette',
te_references='data/prepared_data/references/all_TE_instances.fa'
params:
#collect the fastq files in the tissue directory
fastq_files = os.listdir("data/rnaseq/{sample}")
output:
'results/{sample}/TEtools.{sample}.output.csv'
shell:
'python {input.TEcount} -rosette {input.rosette} -TE
{input.te_references} -count {output} -RNA {params.fastq_files}'
在规则 run_TEtools 中,它不知道 {sample} 是什么。
最佳答案
snakemake 通配符可以是任何东西。它基本上只是一个字符串。
您实现目标的方式存在一些问题。
好的,这就是我的做法。解释如下:
import os
#collect data sets
# Beware no other directories or files (than those containing fastqs) should be in that folder
SAMPLES=os.listdir("data/rnaseq/")
def getFastqFilesForTissu(wildcards):
fastqs = list()
# Beware no other files than fastqs should be there
for s in os.listdir("data/rnaseq/"+wildcards.sample):
fastqs.append(os.path.join("data/rnaseq",wildcards.sample,s))
return fastqs
rule all:
input:
expand("results/{sample}/TEtools.{sample}.output.csv", sample=SAMPLES)
rule run_TEtools:
input:
TEcount='scripts/TEtools/TEcount.py',
rosette='data/prepared_data/rosette/rosette',
te_references='data/prepared_data/references/all_TE_instances.fa',
fastq_files = getFastqFilesForTissu
output:
'results/{sample}/TEtools.{sample}.output.csv'
shell:
'python {input.TEcount} -rosette {input.rosette} -TE {input.te_references} -count {output} -RNA {input.fastq_files}'
首先,您的 fastq 文件应定义为输入,以便 Snakemake 知道它们是文件,并且如果它们发生更改,则必须重新运行规则。将输入文件定义为 params 是非常糟糕的做法。 params
是为参数创建的,通常不是为文件创建的。
其次,您的脚本文件被定义为输入。您必须注意,每次修改它时,规则都会重新运行。也许这就是你想要的。
我将使用定义的函数来获取每个目录中的 fastq 文件。如果您想使用函数(例如os.listdir()
),则不能直接使用通配符。您必须将其作为 python 对象注入(inject)到函数中。您可以定义一个采用一个参数的函数、一个包含所有通配符的通配符对象,或者使用 lambda 关键字(例如:input = lamdba wildcards: myFuntion(wildcards.sample)
)。
您遇到的另一个问题是 os.listdir() 返回没有相对路径的文件列表。另请注意,os.listdir()
返回 fastq 文件的顺序未知。也许这对你的命令来说并不重要。
关于python - Snakemake:是否可以使用目录作为通配符?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56932937/