时间戳

首页 > 解决方案 > 使用snakemake映射读取

yaml - 使用snakemake映射读取

问题描述

我正在尝试使用snakemake 运行 hisat2 映射。基本上，我使用的是这样的 config.yaml 文件：

reads:
    set1: /path/to/set1/samplelist.tab
hisat2:
    database: genome
    genome: genome.fa
    nodes: 2
    memory: 8G
    arguments: --dta
executables:
    hisat2: /Tools/hisat2-2.1.0/hisat2
    samtools: /Tools/samtools-1.3/samtools

然后蛇文件：

configfile: "config.yaml"
workdir: "/path/to/working_dir/"
# Hisat2
rule hisat2:
    input:
          reads = lambda wildcards: config["reads"][wildcards.sample]
    output:
        bam = "{sample}/{sample}.bam"
    params:
        idx=config["hisat2"]["database"],
        executable = config["executables"]["hisat2"],
        nodes = config["hisat2"]["nodes"],
        memory = config["hisat2"]["memory"],
        executable2 = config["executables"]["samtools"]
    run:
        shell("{params.executable} --dta -p {params.nodes} -x {params.idx} {input.reads} |"
        "{params.executable2} view -Sbh -o {output.bam} -")
# all
rule all:
    input:
        lambda wildcards: [sample + "/" + sample + ".bam"
        for sample in config["reads"].keys()]

我的 samplelist.tab 是这样的：

id  reads1  reads2
set1a set1a_R1.fastq.gz set1a_R2.fastq.gz
set1b set1b_R1.fastq.gz set1b_R2.fastq.gz

任何提示如何使它工作？我为一个凌乱的脚本道歉，刚开始使用snakemake。

标签： yamlsnakemake

解决方案

你将不得不做这样的事情：

import pandas as pd

reads = pd.read_csv(config["reads"]['set1'], sep='\t', index_col=0)
def get_fastq(wildcards):
    return list(reads.loc[wildcards.sample].values)

rule hisat2:
    input:
          get_fastq
    ...

首先，您需要加载样本列表并将其存储（我将其作为 pandas 数据框进行）。然后您可以查找哪些文件属于该示例名称。

编辑：

重写代码看起来像这样更具可读性（在我看来）。

rule hisat2:
    input:
          [{sample}_R1.fastq.gz,
           {sample}_R2.fastq.gz]
    ...

推荐阅读