问题描述
我正在开发一个新的 snakemake 宏基因组学管道来修剪 fastq 文件,并通过 kraken 运行它们。每个样本都有一个包含正向和反向读取的目录。
Sample_1/r1_paired.fq.gz
Sample_1/r2_paired.fq.gz
Sample_2/r1_paired.fq.gz
Sample_2/r2_paired.fq.gz
我提供了一个用户可以上传的样本表,其中包含样本名称和读取名称。我使用pandas 来解析样本表并提供snakefile 所需的名称。这是我的蛇文件。
#Extract sample names from CSV
import pandas as pd
import os
df = pd.read_csv("sample_table_test.csv")
print(df)
samples = df.library.to_list()
print("Samples being processed:",samples)
R1 = df.r1_file.to_list()
R2 = df.r2_file.to_list()
print(R1,R2)
rule all:
input:
expand("{sample}.bracken",sample=samples),#Trimmomatic to trim paired end reads
rule trim_reads:
input:
"{sample}/{R1}","{sample}/{R2}",output:
"{sample}/{R1}_1_trim_paired.fq.gz","{sample}/{R2}_2_trim_paired.fq.gz",conda:
"env.yaml",shell:
"trimmomatic PE -threads 8 {input} {input} {output} {output} SLIDINGWINDOW:4:30 LEADING:2 TRAILING:2 MINLEN:50"
#Kraken2 to bin reads and assign taxonomy
rule kraken2:
input:
"{sample}/{R1}_1_trim_paired.fq.gz",output:
"{sample}_report.txt","{sample}_kraken_cseqs#.fq",shell:
"kraken2 --gzip-compressed --paired --classified-out {output} {input} {input} --db database/minikraken2_v1_8GB/ --report {sample}_report.txt --threads 1"
#Bracken estimates abundance of a species within a sample
rule bracken:
input:
"{sample}_report.txt",output:
"{sample}.bracken",shell:
"bracken -d database/minikraken2_v1_8GB/ -i {input} -o {output} -r 150"
我收到以下错误,并一直在努力寻找更好的方法来编写我的蛇文件以避免此问题。非常感谢这里的任何帮助。
WildcardError in line 19 of /Metagenomics/Metagenomics/snakemake/Snakefile:
Wildcards in input files cannot be determined from output files:
'R1'
谢谢!
解决方法
问题出在您的 rule kraken2
:
rule kraken2:
input:
"{sample}/{R1}_1_trim_paired.fq.gz","{sample}/{R2}_2_trim_paired.fq.gz",output:
"{sample}_report.txt","{sample}_kraken_cseqs#.fq",
规则中的所有通配符都应从 output
部分确定。每个规则的逻辑是它提供某些文件作为可能的输出。在您的情况下,规则提供文件 "{sample}_report.txt"
和 "{sample}_kraken_cseqs#.fq"
,其中 {sample}
成为一个自由级别,并替换为将模式解析为文件名的特定值。现在 Snakemake 可以确定此规则的输入,但前提是它拥有所有信息。好的,{sample}
的值是根据输出定义的,但是 {R1}
和 {R2}
的值是什么?
您有多种选择。第一个是在 output:
中的某处定义这些值。看起来这不是你的情况。第二个选项是全局定义这些值(您可能正在尝试这样做):
R1 = df.r1_file.to_list()
R2 = df.r2_file.to_list()
在这种情况下,{R1}
和 {R2}
不应是通配符,而是 expand
函数的参数:
rule kraken2:
input:
expand("{{sample}}/{R1}_1_trim_paired.fq.gz",R1=R1),expand("{{sample}}/{R1}_1_trim_paired.fq.gz",R2=R2)
output:
"{sample}_report.txt",
甚至更好:
expand("{{sample}}/{R}_1_trim_paired.fq.gz",R=R1+R2)
请注意,通配符 {sample}
现在必须放在双大括号中才能与 expand
函数的参数区分开来。
还有其他选项,例如从其他 vildcards 的值中解析 {R1}
的值,例如 lambda wildcards: ...
,但我想这不是您所需要的。