Snakemake在群集上：OutputException并为每个通配符项提交一项作业

问题描述

我尝试在LSF profile的LSF上使用snakemake，但是使用通配符时仅提交一项作业。

Submitted job 1 with external jobid '660343 logs/cluster/try_expand/unique/jobid1_4530cab3-d29c-485d-8d46-871fb7042e50.out'.

下面是运行的一个最小示例

snakemake --profile lsf -s try.smk 2> `date +"%Y%m%d_%H%M"`_snakemake_try.log --latency-wait 20

CHROMOSOMES = [ 20,21,22]

rule targets:
    input: 
         expand("try/chr{chromosome}.GATK_calls.indels.PASS.common_var_2.bcf",chromosome=CHROMOSOMES)
    log:
        "try_logs/targets.log"

rule try_expand:
    threads: 6
    output:
        expand("try/chr{chromosome}.GATK_calls.indels.PASS.common_var_2.bcf",chromosome=CHROMOSOMES) 
    shell:"""
        touch {output}
    """

以上命令的日志文件为here。我怀疑这是运行较大的任务（需要很长时间才能完成第一个通配符）时出现OutputException的原因。

Waiting at most 20 seconds for missing files.
MissingOutputException in line 22 of extraction.smk:
Missing files after 20 seconds:
chr21.GATK_calls.indels.PASS.common_var.bcf
chr22.GATK_calls.indels.PASS.common_var.bcf

如何避免OutputException并将每个通配符项作为作业提交？谢谢！

解决方法

您混淆了通配符和expand函数的变量。您的规则try_expand在输出中定义了三个文件，因此将只运行一次以产生所有目标。在输出中，{chromosome}不是通配符，而是expand函数第二个参数的占位符。

您可能想要的是：

CHROMOSOMES = [ 20,21,22]

rule targets:
    input: 
         expand("try/chr{chromosome}.GATK_calls.indels.PASS.common_var_2.bcf",chromosome=CHROMOSOMES)
    log:
        "try_logs/targets.log"

rule try_expand:
    threads: 6
    output:
        "try/chr{chromosome}.GATK_calls.indels.PASS.common_var_2.bcf" 
    shell:
    """
        touch {output}
    """

请注意，如果需要在扩展功能中使用通配符，则必须将{}加倍。
例如：

output: expand("{path}/chr{{chromosome}}.GATK_calls.indels.PASS.common_var_2.bcf",path="/my/path")

在这里，{path}是在expand函数的第二个参数中定义的占位符，{{chromosome}}是通配符。