Snakemake 脚本访问 stdin/stdout 以进行流处理

Question

对于 Snakemake 工作流程，我需要操作许多 BAM 文件中的标签，并且希望通过脚本( using the Snakemake script: directive )对它们进行管道处理。我这样做的具体方法是使用 pysam stream processing .

infile = pysam.AlignmentFile("-", "rb")
outfile = pysam.AlignmentFile("-", "wb", template=infile)

for s in infile:
    (flowcell, lane) = s.query_name.split(':')[0:2]
    rg_id = ".".join([flowcell, lane])
    s.set_tag('RG',rg_id,'Z')
    outfile.write(s)

这个脚本可以独立运行，但我无法弄清楚如何通过snakemake script 指令集成它。 我更喜欢这种方式来最大限度地减少 IO 和 RAM 使用。

编辑:采用直接加载来修复 RG 标签。

# parameters passed from snakemake
bam_file = snakemake.input[0]
fixed_bam_file = snakemake.output[0]

bamfile  = pysam.AlignmentFile(bam_file, "rb")
fixed_bamfile = pysam.AlignmentFile(fixed_bam_file, "wb", template = bamfile)

for i, read in enumerate(bamfile.fetch()):
    (flowcell, lane) = read.query_name.split(':')[0:2]
    rg_id = ".".join([flowcell, lane])
    read.set_tag('RG',rg_id,'Z')
    fixed_bamfile.write(read)
    if not (i % 100000):
        print("Updated the read group for {} reads to {}".format(i, rg_id))

bamfile.close()
fixed_bamfile.close()

编辑:Snakemakes run: 和 shell: 指令设置 workdir: 目录，而 script:指令相对于执行 Snakefile 的目录进行操作(保持一切整洁)。因此，将流处理器放在 script: 下会出现问题。

Answer 1

使用 shell 而不是 script 指令:

rule all:
    input:
        expand('{sample}_edited.bam'), sample=['a', 'b', 'c']


rule somename:
    input:
        '{sample}.bam'
    output:
        '{sample}_edited.bam'
    shell:
        '''
        cat {input} > python edit_bam.py > {output}
        '''