我有一个用Snakemake编写的工作流程来分析生物测序数据。工作流程要求组织所有数据文件,以便每个原始读取文件都以测定类型(RNASeq,DNaseSeq等)开头,并且在工作流生成的所有文件中保持此文件名约定。
我有一个规则来对齐除了RNASeq之外的每个测定的数据的读数,以及应该仅应用于RNASeq数据的不同规则。我一直无法设置这些规则,以便snakemake知道哪些文件用于哪些文件。
在RNASeq规则中,我有这个:
wildcard_constraints: library='RNASeq_.+'
这有助于确保RNASeq库使用该规则。不过,我仍然会对其他分析的模糊规则出错,因此我认为我需要在其他规则中限制通配符。我试过这个:
wildcard_constraints: library='(!?RNASeq)_.+'
说匹配任何没有RNASeq的东西,但是如果我在python解释器中尝试它,那么snakemake似乎无法匹配这个正则表达式的任何东西。我已经尝试过其他方式,比如'[^ R] [^ N] [^ A]',但无法正常工作。
由于这些正则表达式在我手动对齐字符串时起作用,我认为有一个关于snakemake如何应用正则表达式的错误,或者我不明白它们是如何被snakemake使用的。我假设它只是“如果此正则表达式匹配通配符字符串,请使用此规则。如果没有,请不要使用此规则。”
答案 0 :(得分:1)
如果您不希望您的线路以RNASeq或DNaseSeq开头,您可以
r'^(?!RNASeq)(?!DNaseSeq).+'
答案 1 :(得分:0)
我相信以下内容展示了您正在努力实现的目标:
# Snakefile
rule sam_startswith_dna:
output: '{pattern}.sam'
wildcard_constraints: pattern='dna.+'
shell: 'touch {output}'
rule sam_not_startswith_dna:
output: '{pattern}.sam'
wildcard_constraints: pattern='(?!dna).+' # negative lookahead assertion
shell: 'touch {output}'
rule bam_endswith_rna:
output: '{pattern}.bam'
wildcard_constraints: pattern='.+rna'
shell: 'touch {output}'
rule bam_not_endswith_rna:
output: '{pattern}.bam'
wildcard_constraints: pattern='.+(?<!rna)' # negative lookbehind assertion
shell: 'touch {output}'
使用它(snakemake 4.6.0,python 3.6):
$ snakemake -n dna_sample.sam # runs rule: sam_startswith_sam
$ snakemake -n sample.sam # runs rule: sam_not_startswith_sam
$ snakemake -n sample_dna.sam # runs rule: sam_not_startswith_sam
$ snakeamke -n sample_rna.bam # runs rule: bam_endswith_rna
$ snakemake -n sample.bam # runs rule: bam_not_endswith_rna
$ snakemake -n rna_sample.bam # runs rule: bam_not_endswith_rna
这是我认为你在做的事情:
# Snakefile2
rule sam_startswith_dna_:
output: '{pattern}.sam'
wildcard_constraints: pattern='dna_.+'
shell: 'touch {output}'
rule sam_not_startswith_dna_:
output: '{pattern}.sam'
wildcard_constraints: pattern='(?!dna)_.+'
shell: 'touch {output}'
使用它:
$ snakemake -s Snakefile2 dna_data.sam # runs rule: sam_startswith_dna_
$ snakemake -s Snakefile2 rna_data.sam # raises MissingRuleException :( :( :(
以下是解决问题的方法:
# Snakefile3
rule sam_startswith_dna_:
output: '{pattern}.sam'
wildcard_constraints: pattern='dna_.+'
shell: 'touch {output}'
rule sam_not_startswith_dna_:
output: '{pattern}.sam'
wildcard_constraints: pattern='(?!dna)[^_]{3}_.+'
shell: 'touch {output}'
使用它:
$ snakemake -s Snakefile3 -n dna_data.sam # runs rule: sam_startswith_dna_
$ snakemake -s Snakefile3 -n rna_data.sam # runs rule: sam_not_startswith_dna_
但由于硬编码{3}
$ snakemake -s Snakefile3 -n gdna_data.sam # raises MissingRuleException
以下是基于我对snakemake.io.regex
的简要介绍和一些探讨;可能包含错误
一般来说,给出这样的规则:
rule some_rule:
output: 'some.{pattern}.txt'
wildcard_constraints: pattern='[a-z_]+'
shell: 'touch {output}'
和这样的命令行调用:
$ snakemake some.tar_get.txt
如果
,将执行规则some_rule
re.search('some\.(?P<pattern>[a-z_]+)\.txt$', 'some.tar_get.txt')
返回一个匹配(假设其他检查通过(例如歧义,循环dag等))。
有趣的是,$
会附加到模式中,但^
不会被添加到前面。
这种行为与我最初的想法不同,后者就是这样(这样可以在^
中使用$
和wildcard_constraints
:
# python3, pseudo-code-ish
output = 'some.{pattern}.txt'
pattern = '[a-z_]+'
target = 'some.tar_get.txt'
# First test: does the target file name match the output (without the constraint)?
m = re.search('some\.(?P<pattern>.+)\.txt', target)
if not m:
raise MissingInputException
# Second test: does the wildcard satisfy user-supplied constraint?
m = re.search(pattern, m.group('pattern'))
if not m:
raise MissingInputException
run_rule()