Question

对于Snakemake工作流程，我需要处理许多BAM文件中的标签，并希望通过脚本（using the Snakemake script: directive）将它们进行管道处理。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)

该脚本独立运行良好，但是我无法弄清楚如何通过snakemake script指令对其进行集成。我更喜欢这种方式来最大程度地减少IO和RAM的使用。

编辑：依靠直接加载来修复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:伪指令设置workdir:目录，而script:伪指令相对于执行Snakefile的目录进行操作（保持所有内容良好，整洁）。因此，将流处理器置于script:下的问题。

Answer 1

使用shell代替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}
        '''

Answer 2

@Krischan，看来您已经找到了解决方案，如果可以的话，可以将其发布为答案。

或者，您可以使用对象{workflow}获取Snakefile的目录，然后从那里构造python脚本的路径。如果您的目录结构是：

./
├── Snakefile
├── data
│   └── sample.bam
└── scripts
    └── edit_bam.py

Snakefile看起来像：

rule all:
    input:
        'test.tmp',

rule one:
    input:
        'sample.bam',
    output:
        'test.tmp',
    shell:
        r"""
        cat {input} \
        | {workflow.basedir}/scripts/edit_bam.py >  {output}
        """

由snakemake -d data ...

执行

似乎workflow对象未记录，但请检查此线程Any way to get the full path of the Snakefile within the Snakefile?

snakemake脚本访问stdin / stdout进行流处理

2 个答案: