Question

我有一个蛇形管道，其中输入文件分为两组-输入我想通过整个管道（真实输入）和仅应通过前几个规则（控制输入）通过的输入。我该如何通过所有规则传递真实输入，而仅通过前几个规则传递控制输入？

最明显的解决方案是委派，即在第一组（真）上运行所有规则，然后复制粘贴要在第二组（控件）上运行的规则，并分别为它们提供第二组输入

但是，我认为这不是代码可维护性的好习惯，我更希望以某种方式使用通配符的解决方案。

下面的代码使用更少的规则简化了问题：


INPUT = [NAME1, NAME2, NAME3, CONTROL]
LABELS = [A, B, C, D]

rule all:
    input:
        expand("output/{input}_results.txt",
            input = INPUT)

rule split_data:
    '''
    Read the true input and control then split them
    '''
    input:
        "data/{input}.txt"
    output:
        "data/{input}/{label}.txt", label = LABELS)
    script:
        "scripts/split_data.py"

rule run_true_data:
    '''
    Read only the true split and produce results.
    '''
    input:
        "data/{{input}}/{label}.txt", label = LABELS)
    output:
         "output/{input}_results.txt"
    script:
        "scripts/produce_results.py"

在上述理想版本中，输入通配符应仅针对的split_data产生[NAME1，NAME2，NAME3，CONTROL]。同时run_true_data和所有人都应仅接收[NAME1，NAME2，NAME3]。

此外，应根据通配符（例如，带有lambda）生成标签，但这目前并不重要，因此，为了避免混淆，我没有将其包括在内。

Answer 1

也许您需要添加更多有关该问题确切性质的详细信息。如果第二条规则只需要一组不同的输入，为什么不为此步骤添加另一个通配符，将输入限制为仅必需的条目。类似于以下脚本

INPUT = ["NAME1", "NAME2", "NAME3", "CONTROL"]
TRUE_INPUT = ["NAME1", "NAME2", "NAME3"]
LABELS = ["A", "B", "C", "D"]

rule all:
    input:
        expand("data/{input}/{label}.txt",
            input = INPUT, label = LABELS),
        expand("output/{true_input}_results.txt", true_input = TRUE_INPUT)

rule split_data:
    '''
    Read the true input and control then split them
    '''
    input:
        "data/{input}.txt"
    output:
        "data/{input}/{label}.txt"
    script:
        "scripts/split_data.py"

rule run_true_data:
    '''
    Read only the true split and produce results.
    '''
    input:
        lambda wildcards: ["data/{}/{}.txt".format(wildcards.true_input, label) for label in LABELS]
    output:
         "output/{true_input}_results.txt"
    script:
        "scripts/produce_results.py"

通过这种方式，您应该能够控制规则run_true_data的标签和输入

我该如何使用通配符多次运行我的snakemake规则的子集？

1 个答案: