#python #config #sample #snakemake
#python #конфигурация #пример #snakemake
Вопрос:
Итак, я подумал, что наконец-то понял snakemake, но при попытке запустить несколько разных файлов данных я понял, что это работает не так, как я думал. Это файл Snakefile:
import pandas as pd
configfile: "config.json"
experiments = pd.read_csv(config["experiments"], sep = 't')
experiments['Name'] = [filename.split('/')[-1].split('.fa')[0] for filename in experiments['Files']]
rule all:
input:
expand("{output}/Preprocess/Trimmomatic/quality_trimmed_{name}{fr}.fq", output = config["output"],
fr = (['_forward_paired', '_reverse_paired'] if experiments["Files"].str.contains(',').tolist() else ''),
name = experiments['Name'])
rule preprocess:
input:
experiments["Files"].str.split(',')
output:
expand("{output}/Preprocess/Trimmomatic/quality_trimmed_{name}{fr}.fq", output = config["output"],
fr = (['_forward_paired', '_reverse_paired'] if experiments["Files"].str.contains(',').tolist() else ''),
name = experiments['Name'])
threads:
config["threads"]
run:
shell("python preprocess.py -i {reads} -t {threads} -o {output} -adaptdir MOSCA/Databases/illumina_adapters -rrnadbs MOSCA/Databases/rRNA_databases -d {data_type}",
output = config["output"], data_type = experiments["Data type"].tolist(), reads = ",".join(input))
это файл конфигурации:
{
"output": "test_snakemake",
"threads": 14,
"experiments": "experiments.tsv"
}
и это файл экспериментов
Files Sample Data type Condition
path/to/mg_R1.fastq,path/to/mg_R2.fastq Sample dna
path/to/a/0.01/mt_0.01a_R1.fastq,path/to/a/0.01/mt_0.01a_R2.fastq Sample rna c1
path/to/b/0.01/mt_0.01b_R1.fastq,path/to/b/0.01/mt_0.01b_R2.fastq Sample rna c1
path/to/c/0.01/mt_0.01c_R1.fastq,path/to/c/0.01/mt_0.01c_R2.fastq Sample rna c1
path/to/a/1/mt_1a_R1.fastq,path/to/a/1/mt_1a_R2.fastq Sample rna c2
path/to/b/1/mt_1b_R1.fastq,path/to/b/1/mt_1b_R2.fastq Sample rna c2
path/to/c/1/mt_1c_R1.fastq,path/to/c/1/mt_1c_R2.fastq Sample rna c2
path/to/a/100/mt_100a_R1.fastq,path/to/a/100/mt_100a_R2.fastq Sample rna c3
path/to/b/100/mt_100b_R1.fastq,path/to/b/100/mt_100b_R2.fastq Sample rna c3
path/to/c/100/mt_100c_R1.fastq,path/to/c/100/mt_100c_R2.fastq Sample rna c3
Что я хочу сделать, так это заставить правило предварительной обработки обрабатывать каждую строку отдельно. Я думал, что именно так shell интерпретирует команду, и она будет запускать команду python preprocess.py -i path/to/mg_R1.fastq,path/to/mg_R2.fastq -t 14 -o test_snakemake -adaptdir MOSCA/Databases/illumina_adapters -rrnadbs MOSCA/Databases/rRNA_databases -d dna
, вместо этого она пытается объединить ВСЕ строки и запустить это для всех образцов одновременно python preprocess.py -i path/to/mg_R1.fastq,path/to/mg_R2.fastq,path/to/a/0.01/mt_0.01a_R1.fastq,path/to/a/0.01/mt_0.01a_R2.fastq,path/to/b/0.01/mt_0.01b_R1.fastq,path/to/b/0.01/mt_0.01b_R2.fastq,... -t 14 -o test_snakemake -adaptdir MOSCA/Databases/illumina_adapters -rrnadbs MOSCA/Databases/rRNA_databases -d dna rna rna rna rna rna rna rna rna rna
.
Как я могу заставить snakemake рассматривать каждую строку отдельно?
Ответ №1:
Это очень распространенная ошибка. Следует помнить, что правила должны работать для одного образца. Snakemake будет использовать ваши пути (с подстановочными знаками) и генерировать конкретные задания из правил. Вы написали что-то, что принимает все входные и все выходные данные, тогда, я полагаю, preprocess.py ожидает один ввод / вывод.
Вместо этого рассматривайте по одному файлу за раз. Для вывода, "{output}/Preprocess/Trimmomatic/quality_trimmed_{name}{fr}.fq"
, как вы создаете этот файл? Вам нужно будет сопоставить с входным файлом во фрейме данных ваших экспериментов, используя имя в качестве ключа.
def preprocess_input(wildcards):
# get files with matching names
df = experiments.loc[experiments['Name'] == wildcards.name, 'Files']
# get first value (in case multiple) and split on commas
return df.iloc[0].split(',')
rule preprocess:
input:
preprocess_input
output:
"{output}/Preprocess/Trimmomatic/quality_trimmed_{name}{fr}.fq"
threads:
config["threads"]
shell:
'python preprocess.py -i {reads} -t {threads} -o {config[output]} ...'
Это использует функцию ввода для поиска правильных входных файлов из выходного файла. Это не идеально, но должно привести вас в правильном направлении.
Комментарии:
1. Большое вам спасибо! Использование версии вашего решения заставило его работать! Я мог бы просто начать понимать подстановочные знаки сейчас…