Question

我认为我有一个简单的问题，但我不知道如何解决。

我的输入文件夹包含以下文件：

AAAAA_S1_R1_001.fastq
AAAAA_S1_R2_001.fastq
BBBBB_S2_R1_001.fastq
BBBBB_S2_R2_001.fastq

我的snakemake代码：

import glob

samples = [os.path.basename(x) for x in sorted(glob.glob("input/*.fastq"))]
name = []
for x in samples:
    if "_R1_" in x:
        name.append(x.split("_R1_")[0])
NAME = name

rule all:
    input:
        expand("output/{sp}_mapped.bam", sp=NAME),

rule bwa:
    input:
        R1 = "input/{sample}_R1_001.fastq",
        R2 = "input/{sample}_R2_001.fastq"
    output:
        mapped = "output/{sample}_mapped.bam"
    params:
        ref = "refs/AF086833.fa"
    run:
        shell("bwa mem {params.ref} {input.R1} {input.R2} | samtools sort > {output.mapped}")

输出文件名为：

AAAAA_S1_mapped.bam
BBBBB_S2_mapped.bam

我希望输出文件为：

AAAAA_mapped.bam
BBBBB_mapped.bam

如何在bwa规则之前或之后更改输出名称或重命名文件。

Answer 1

尝试一下：

import pathlib

indir = pathlib.Path("input")
paths = indir.glob("*_S?_R?_001.fastq")
samples = set([x.stem.split("_")[0] for x in paths])

rule all:
    input:
        expand("output/{sample}_mapped.bam", sample=samples)


def find_fastqs(wildcards):
    fastqs = [str(x) for x in indir.glob(f"{wildcards.sample}_*.fastq")]
    return sorted(fastqs)


rule bwa:
    input:
        fastqs = find_fastqs
    output:
        mapped = "output/{sample}_mapped.bam"
    params:
        ref = "refs/AF086833.fa"
    shell:
        "bwa mem {params.ref} {input.fastqs} | samtools sort > {output.mapped}"

使用输入函数为rule bwa查找正确的样本。可能会有一个更优雅的解决方案，但我现在看不到。我认为这应该可以。

（已编辑，以反映OP的编辑。）

Answer 2

不幸的是，我也遇到了具有以下逻辑的文件名问题：{batch}/{seq_run}_{index}_{flowcell}_{lane}_{read_orientation}.fastq.gz。

我认为核心问题是各个通配符都不是唯一的。同样，并非所有通配符的所有值都可以合并； seq_run1在lane1而不是lane2上运行。因此，expand（）不起作用。

在Snakemake中多次尝试（见下文）之后，我的解决方案是使用mv / sed / rename 标准化输入。删除{batch}，{flowcell}和{lane}可以使用{sample}，这是{seq_run}和{index}的唯一组合。

不起作用的工作原理（但在相同情况下尝试其他人也值得）：

Adding the zip argument to expand()
使用以下语法重命名output：output: "_".join(re.split("[/_]", "{full_filename}")[1,2]+".fastq.gz"

Snakemake，使用通配符时如何更改输出文件名

2 个答案: