python - 单独调用规则的变量并为特定规则添加独立的环境

Question

我需要在集群中运行一个snakemake规则，因此对于某些规则，我需要一些加载所需的工具和库，而这些工具是独立于/独占于其他规则的。在这种情况下，我如何在我的 Snakemake 规则中指定这些。例如，对于规则评分，我目前需要模块加载r/3.5.1和导出R_lib =/user/tools/software，我在运行 Snakemake 之前，我在命令行中单独运行这些行。但如果有一种方法可以在 env 规则内实现这一点，那就太好了。

问题，

我有一个规则如下，

rule score:
    input:
        count=os.path.join(config['general']['paths']['outdir'], 'count_expression', '{sample}.tsv'),
        libsize=os.path.join(config['general']['paths']['outdir'], 'count_expression', '{sample}.size_tsv')
    params:
        result_dir=os.path.join(config['general']['paths']['outdir'], 'score'),
        cancertype=config['general']['paths']['cancertype'],
        sample_id=expand('{sample}',sample=samples['sample'].unique())
    output:
        files=os.path.join(config['general']['paths']['outdir'], 'score', '{sample}_bg_scores.tsv', '{sample}_tp_scores.tsv')
    shell:
        'mkdir -p {params.result_dir};Rscript {config[general][paths][tool]} {params.result_dir} {params.cancertype} {params.sample_id} {input.count} {input.libsize}'

我对上述代码片段的实际行为是:

shell:
        mkdir -p /cluster/user/snakemake_test/results_april30/score;Rscript /cluster/home/user/Projects/R_scripts/scoretool.R /cluster/user/snakemake_test/results_april30/score DMC GNMS4 MRT5T /cluster/projects/test/results/exp/MRT5T.tsv /cluster/projects/test/results/Exp/MRT5T.size.tsv

然而，预期的行为是:

shell:
        mkdir -p /cluster/user/snakemake_test/results_april30/score;Rscript /cluster/home/user/Projects/R_scripts/scoretool.R /cluster/user/snakemake_test/results_april30/score DMC MRT5T /cluster/projects/test/results/exp/MRT5T.tsv /cluster/projects/test/results/Exp/MRT5T.size.tsv

对于第二个示例，

shell:
        mkdir -p /cluster/user/snakemake_test/results_april30/score;Rscript /cluster/home/user/Projects/R_scripts/scoretool.R /cluster/user/snakemake_test/results_april30/score DMC GNMS4 /cluster/projects/test/results/exp/GNMS4.tsv /cluster/projects/test/results/Exp/GNMS4.ize.tsv

我需要变量 sample_d ['GNMS4', 'MRT5T'] 应单独获取，而不是在一个 shell 命令行中一起获取。

Answer 1

关于您的第一个问题:您可以将您喜欢的任何 module load 或 export 命令放入规则的 shell 部分。

关于第二个问题，您可能不应该在规则的 params 部分中使用 expand。在 expand('{sample}',sample=samples['sample'].unique()) 中，您实际上没有使用 sample 通配符的值，而是生成sample['sample'] 中所有唯一值的列表。您可能只需要在 shell 命令的定义中使用 wildcards.sample 而不是使用 params 元素。

如果您想根据 sample 的可能值运行 score 规则的多个实例，则需要使用另一个需要输出的规则来“驱动”此规则score 作为其输入。

请注意，为了提高可读性，您可以使用 python 的多行字符串(三引号)。

总而言之，您可以尝试这样的操作:

rule all:
    input:
        expand(
            os.path.join(
                config['general']['paths']['outdir'],
                'score',
                '{sample}_bg_scores.tsv',
                '{sample}_tp_scores.tsv'),
            sample=samples['sample'].unique())

rule score:
    input:
        count = os.path.join(
             config['general']['paths']['outdir'],
             'count_expression', '{sample}.tsv'),
        libsize = os.path.join(
             config['general']['paths']['outdir'],
             'count_expression', '{sample}.size_tsv')
    params:
        result_dir = os.path.join(config['general']['paths']['outdir'], 'score'),
        cancertype = config['general']['paths']['cancertype'],
    output:
        files = os.path.join(
            config['general']['paths']['outdir'],
            'score', '{sample}_bg_scores.tsv', '{sample}_tp_scores.tsv')
    shell:
        """
        module load r/3.5.1
        export R_lib =/user/tools/software
        mkdir -p {params.result_dir}
        Rscript {config[general][paths][tool]} {params.result_dir} {params.cancertype} {wildcards.sample} {input.count} {input.libsize}
        """