时间戳

首页 > 解决方案 > 如何处理snakemake的配置文件中提供的ftp链接？

python - 如何处理snakemake的配置文件中提供的ftp链接？

问题描述

我正在尝试构建一个snakemake工作流程，如果本地文件存在或文件不存在，它将提供指向本地文件的符号链接，它将下载文件并将其集成到工作流程中。为此，我使用两个具有相同输出的规则，并使用 ruleorder 优先考虑链接规则（下面的 ln_fastq_pe）。

在执行工作流之前知道文件是否存在。文件路径或 ftp 链接在制表符分隔的配置文件中提供，工作流使用该配置文件来读取样本。例如 samples.txt 的内容：

id      sample_name     fq1     fq2
b       test_paired     resources/SRR1945436_1.fastq.gz resources/SRR1945436_2.fastq.gz
c       test_paired2    ftp://ftp.sra.ebi.ac.uk/vol1/fastq/SRR194/005/SRR1945435/SRR1945435_1.fastq.gz  ftp://ftp.sra.ebi.ac.uk/vol1/fastq/SRR194/005/SRR1945435/SRR1945435_2.fastq.gz

此处工作流程中的相关代码：

import pandas as pd
from snakemake.remote.FTP import RemoteProvider as FTPRemoteProvider
FTP = FTPRemoteProvider()

configfile: "config/config.yaml"
samples = pd.read_table("config/samples.tsv").set_index("id", drop=False)
all_ids=list(samples["id"])

ruleorder: ln_fastq_pe > dl_fastq_pe
rule dl_fastq_pe:
    """
    download file from ftp link
    """
    input:
        fq1=lambda wildcards: FTP.remote(samples.loc[wildcards.id, "fq1"], keep_local=True),
        fq2=lambda wildcards: FTP.remote(samples.loc[wildcards.id, "fq2"], keep_local=True)
    output:
        "resources/fq/{id}_1.fq.gz",
        "resources/fq/{id}_2.fq.gz"
    shell:
        """
        mv {input.fq1} {output[0]}
        mv {input.fq2} {output[1]}
        """

rule ln_fastq_pe:
    """
    link file
    """
    input:
        fq1=lambda wildcards: samples.loc[wildcards.id, "fq1"],
        fq2=lambda wildcards: samples.loc[wildcards.id, "fq2"]
    output:
        "resources/fq/{id}_1.fq.gz",
        "resources/fq/{id}_2.fq.gz"
    shell:
        """
        ln -sr {input.fq1} {output[0]}
        ln -sr {input.fq2} {output[1]}
        """

当我运行此工作流时，我收到以下错误，指向描述 ln_fastq_pe 规则的行。

WorkflowError in line 58 of /path/to/Snakefile:
Function did not return str or list of str.

我认为错误在于我如何在 dl_fastq_pe 规则中描述 samples.txt 配置文件中的 FTP 链接。描述表格配置文件中给出的 FTP 链接的正确方法是什么，以便snakemake 能够理解它们并可以在工作流程中下载和使用这些文件？

另外，是否有可能做我想做的事情，这种方法能让我到达那里吗？我尝试了其他解决方案（例如，使用python代码检查文件是否存在，如果存在则执行一组shell命令，如果不存在则执行另一组）无济于事。

标签： pythonftpconfigsnakemake

解决方案

您正在尝试将对象传递pandas给 Snakemake。后者需要类型的值strorlist[str]在规则的输入部分，但您提供的值 ( samples.loc[wildcards.id, "fq1"]) 是类型pandas.core.frame.DataFrameor pandas.core.series.Series。您需要将它们转换为 Snamemake 所期望的。例如，这可能会有所帮助：samples.loc[wildcards.id, "fq1"].tolist().

推荐阅读