我在弄清楚如何使输入指令仅选择下面规则中的所有 {samples}
文件时遇到问题。
rule MarkDup:
input:
expand("Outputs/MergeBamAlignment/{samples}_{lanes}_{flowcells}.merged.bam", zip,
samples=samples['sample'],
lanes=samples['lane'],
flowcells=samples['flowcell']),
output:
bam = "Outputs/MarkDuplicates/{samples}_markedDuplicates.bam",
metrics = "Outputs/MarkDuplicates/{samples}_markedDuplicates.metrics",
shell:
"gatk --java-options -Djava.io.tempdir=`pwd`/tmp \
MarkDuplicates \
$(echo ' {input}' | sed 's/ / --INPUT /g') \
-O {output.bam} \
--VALIDATION_STRINGENCY LENIENT \
--METRICS_FILE {output.metrics} \
--MAX_FILE_HANDLES_FOR_READ_ENDS_MAP 200000 \
--CREATE_INDEX true \
--TMP_DIR Outputs/MarkDuplicates/tmp"
目前,它将创建正确命名的输出文件,但它会根据所有通配符选择与模式匹配的所有文件。所以我可能已经成功了一半。我尝试将输入指令中的 {samples}
更改为 {{samples}}
,如下所示:
expand("Outputs/MergeBamAlignment/{{samples}}_{lanes}_{flowcells}.merged.bam", zip,
lanes=samples['lane'],
flowcells=samples['flowcell']),`
但这在某种程度上打破了之前的规则。所以解决方案是这样的
input:
"{sample}_*.bam"
但显然这是行不通的。
是否可以收集与函数匹配 {sample}_*.bam
的所有文件并将其用作输入?如果是这样,该函数仍然可以在 shell 指令中使用 $(echo ' {input}' etc...)
吗?
最佳答案
如果你只想要目录中的所有文件,可以使用lambda函数
from glob import glob
rule MarkDup:
input:
lambda wcs: glob('Outputs/MergeBamAlignment/%s*.bam' % wcs.samples)
output:
bam="Outputs/MarkDuplicates/{samples}_markedDuplicates.bam",
metrics="Outputs/MarkDuplicates/{samples}_markedDuplicates.metrics"
shell:
...
请注意,此方法无法对丢失的文件进行任何检查,因为它始终报告所需的文件是存在的文件。如果您确实需要确认上游规则已被执行,您可以让前一个规则触及一个标志,然后您需要将其作为此规则的输入(尽管除了强制执行顺序之外,您实际上并不使用该文件进行任何其他操作) .
关于wildcard - 如何从一个样本中选择所有文件?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54711807/