Snakemake：针对许多基因组的许多RNAseq读数的HISAT2比对已更新

Question

我有几个后缀为1.ht2l至.8.ht2l的基因组文件

bob.1.ht2l
...
bob.8.ht2l
steve.1.ht2l 
...
steve.8.ht2l

和sereval RNAseq样本

flower_kevin_1.fastq.gz
flower_kevin_2.fastq.gz
flower_daniel_1.fastq.gz
flower_daniel_2.fastq.gz 

我需要将所有rnaseq读数与每个基因组对齐。dariober建议更新：

workdir: "/path/to/aligned"  
(HISAT2_INDEX_PREFIX,)=glob_wildcards("/path/to/index/{prefix}.1.ht2l")
(SAMPLES,)=glob_wildcards("/path/to/{sample}_1.fastq.gz") 
print(HISAT2_INDEX_PREFIX)  
print (SAMPLES)

rule all:
    input: 
        expand("{prefix}.{sample}.bam", zip, prefix=HISAT2_INDEX_PREFIX, sample=SAMPLES)

rule hisat2:
    input:
        hisat2_index=expand("%s.{ix}.ht2l" % "/path/to/index/{prefix}", ix=range(1, 9), prefix = HISAT2_INDEX_PREFIX),
        fastq1="/path/to/{sample}_1.fastq.gz",
        fastq2="/path/to/{sample}_2.fastq.gz"
    output:
        bam = "{prefix}.{sample}.bam",
        txt = "{prefix}.{sample}.txt",
    log: "{prefix}.{sample}.snakemake_log.txt"
    threads: 5
    shell:
      "/Tools/hisat2-2.1.0/hisat2 -p {threads} -x {/path/to/index/{wildcards.prefix}"
      " -1 {input.fastq1} -2 {input.fastq2}  --summary-file {output.txt} |"
      "/Tools/samtools-1.9/samtools sort -@ {threads} -o {output.bam}"

我得到的问题是，在运行HISAT2时，一次将所有bob.1.ht2l：bob.8.ht2l和steve.1.ht2l：steve.8.ht2l都作为-x输入。虽然rna-seq应该分别定位在每个基因组上。错误在哪里？注意：我之前的问题：Snakemake: HISAT2 alignment of many RNAseq reads against many genomes

Answer 1

我认为您的困惑来自于事实，那就是hisat希望为索引文件提供prefix，而不是索引文件的所有列表。因此，请使用-x {input.hisat2_index}代替-x /path/to/{wildcards.prefix}（即索引文件列表）。

换句话说，输入hisat2_index=expand(...)应该只在这些文件准备好之后才告诉snakemake启动此规则，但是您不能直接使用它们（当然，hisat确实会使用它们，但是您不会在命令行上传递它们。