Snakemake，如何在同一规则的输出中引用输入

Question

我的逻辑可能有缺陷，我需要你的帮助来找到解决这个问题的最佳方法：

我有一个菊花链式工作流程，其中我分多个步骤注释 .vcf 文件，每个步骤都有一个中间索引操作（注意输入和输出之间的扩展名差异）：

rule first:
   input: "{file}.vcf.gz"
   output: "{file}_first.vcf"
   shell: "annotate {input} {output}"

rule first_index:
   input: rules.first.output
   output:
       gz="{file}_first.vcf.gz"
       tbi="{file}_first.vcf.gz.tbi"
   shell: """
       bgzip {input}
       tabix -p vcf {output.gz}
   """

rule second:
     input: rules.first.index.output.gz
     output: "{file}_first_second.vcf"
     shell: "annotate2 {input} {output}"

rule second_index:
   input: rules.second.output
   output:
       gz="{file}_first_second.vcf.gz"
       tbi="{file}_first_second.vcf.gz.tbi"
   shell: """
       bgzip {input}
       tabix -p vcf {output.gz}
   """

... (etc, five or six iterations more like that)

现在，这种方法可能非常庞大，并且由于工作流程链中的文件命名而导致一些错误，并且如果我想在两个现有规则中间添加规则，则可能非常不灵活，需要我重新编辑所有后续规则 - 两次，一次用于注释，第二次用于索引。

这里有两个时刻我想优化。首先是根据先前的规则输入加上当前的规则名称来命名输出文件。但是，这并不重要。更重要的是，我想清理索引步骤，这实际上是通用的。有没有办法设计一个在输出中引用输入的规则？

比如说，获取未知的输入文件并将其转换为具有不同扩展名的相同名称：

rule generic_index:
  input: "{file}.vcf"
  output: 
     gz="{input}.gz"
     tbi="{input}.gz.tbi"
  shell: """
     bgzip {input}
     tabix -p vcf {output.gz}
  """

这样我就可以在每一步之后以最小的更改重新使用索引规则：

  use rule generic_index as generic_index_first with:
    input: rules.first.output

这将消除每次我想重新使用规则时重新指定输出名称（从而重复信息）的需要。非常欢迎您分享任何其他建议/最佳实践解决方案！

谢谢！

Answer 1

您提出的通用索引规则对我来说看起来很正确，有一些小修正：

rule generic_index:
  input: "{file}.vcf"
  output: 
     gz  = "{file}.vcf.gz",
     tbi = "{file}.vcf.gz.tbi"
  shell: 
     """
        bgzip {input}
        tabix -p vcf {output.gz}
     """

修复是：您无法在输出文件名中引用

{input}

（仅在 shell 部分）；你必须说

{file}.vcf

。此外，您还需要在输出之间使用逗号，并在

shell:

之后添加换行符，因为命令字符串是多行的。 注意 - 我没有测试上面的代码

这应该就是您所需要的。当你问“我如何重新使用这条规则”时，答案是没有什么可做的。如果你的名字正确，那么 Snakemake 会根据与名字匹配的模式为你链接规则。查看代码的其余部分，所有对

rules.whatever.output

的显式引用看起来都是错误的。我的建议是花一点时间浏览官方的 Snakemake 教程。了解这些示例中的所有规则如何使用通配符模式进行链接 - 没有直接引用任何其他规则。