snakemake 6.0.5：输入文件夹列表和每个文件夹中的多个文件（合并车道）

Question

美好的一天。我有一些目录（下面以粗体显示），每个目录都有一些用于不同车道的 .fastq 文件。

CND1/ UD_LOO3_R1.fastq.gz UD_LOO4_R1.fastq.gz

CND2/ XD_L001_R1.fastq.gz XD_L004_R1.fastq.gz

在每个目录中，我想创建一个合并的 fastq 文件，命名为：sample_R1.fastq.gz。例如，CND1/UD_R1.fastq.gz 和 CND2/XD_R1.fastq.gz 等等。为此，我创建了以下 snakemake 工作流程。

from collections import defaultdict
dirs,samp,lane = glob_wildcards("dir}/{sample}_L{lane}_R1.fastq.gz")

dirs, fls  = glob_wildcards("{dir}/{files}_R1.fastq.gz")

D = defaultdict(list)

for x,y in zip(dirs,fls):
    D[x].append(y+'_R1.fastq.gz')

rule ML:
    message:
        "Merge all Lanes for Fragment R1"
    input:
        expand( "{dir}/{files}",zip,dir=D.keys(),files=D.values() )
    output:
        expand( "{dir}/{s}_R1.fastq.gz",zip,dir=dirs,s=set(samp) )
    shell:
        "echo {input} && echo {output} "
        #"zcat {input} >> {output}"

在上面的代码中，dict D 包含目录作为键，fastq 列表作为值。

{ 'CND2': ['XD_L001_R1.fastq.gz', 'XD_L004_R1.fastq.gz'], 'CND1': ['UD_LOO3_R1.fastq.gz', 'UD_LOO4_R1.fastq.gz'] }

进行试运行，snakemake 抱怨我缺少文件，如下所示 缺少规则 ML 的输入文件：

CND2/['XD_L001_R1.fastq.gz', 'XD_L004_R1.fastq.gz'] CND1/['UD_LOO3_R1.fastq.gz', 'UD_LOO4_R1.fastq.gz']

我想了解同时提供目录和文件列表作为输入的正确方法是什么。非常感谢任何帮助。

谢谢。

Answer 1

错误清楚地解释了问题。由于expand 函数，您的input 是两个文件：

CND2/['XD_L001_R1.fastq.gz', 'XD_L004_R1.fastq.gz']
CND1/['UD_LOO3_R1.fastq.gz', 'UD_LOO4_R1.fastq.gz']

如果你需要输入是四个这样的文件：

CND1/UD_LOO3_R1.fastq.gz
CND1/UD_LOO4_R1.fastq.gz
CND2/XD_L001_R1.fastq.gz
CND2/XD_L004_R1.fastq.gz

你需要把你的字典弄平：

inputs = [(dir, file) for dir, files in D.items() for file in files]
rule ML:
    input:
        expand( "{dir}/{files}", zip, dir=[row[0] for row in inputs], files=[row[1] for row in inputs])

或者：

inputs = [(dir, file) for dir, files in D.items() for file in files]
rule ML:
    input:
        expand( "{filename}", filename=[f"{dir}/{file}" for dir, file in inputs])

总体而言，您使问题过于复杂。没有这种丑陋的元组列表也可以做到这一点。 glob_wildcards("{filename_base}_R1.fastq.gz") 应该会为您返回更方便的表示形式。