使用 for 循环访问 snakemake 中不接受列表的参数的输入

Question

我想使用

gatk MakeVcfSampleNameMap

工具生成一个制表符分隔的文件，将样本名称映射到Snakemake工作流程中相应的VCF文件。这些vcfs在一个目录中

input/

预期输出-> (sample_name_map.txt)

input/vcf1.vcf.gz   control5-a
input/vcf2.vcf.gz   control5-c

MakeVcfSampleNameMap

一次接受一个

--INPUT

参数，所以我必须以以下形式向它提交多个VCF文件：

• --INPUT {input.vcfs[0]}

• --INPUT {input.vcfs[1]}

  等

当前的snakemake规则：

rule MakeVcfSampleNameMap:
    input:
        vcfs=["input/vcf1.vcf.gz", "input/vcf2.vcf.gz"],
    output:
        "sample_name_map.txt",
    shell:
        "gatk MakeVcfSampleNameMap \
        --INPUT {input.vcfs[0]} \
        --INPUT {input.vcfs[1]} \
        --OUTPUT {output}"

如何在 Snakemake 规则中使用循环来访问所有 VCF 文件，因为这对于许多输入文件来说很麻烦？

Answer 1

这个 python 脚本可以解决问题，但我愿意接受有关如何改进它的建议：

#!/usr/bin/env python3
import os
import sys

# Get the directory path from the command line arguments
directory = sys.argv[1]

# Get a list of all the VCF files in the directory
vcf_files = [f for f in os.listdir(directory) if f.endswith('.vcf.gz')]

# Create a list of tuples with the file paths and names
file_list = []
for vcf_file in vcf_files:
    file_name = os.path.splitext(vcf_file)[0]
    file_path = os.path.join(directory, vcf_file)
    file_list.append((file_path, file_name))

# Sort the list by the second element of each tuple (the file name)
file_list.sort(key=lambda x: x[1])

# Write the file names and paths to a TSV file
with open('sample_name_map.tsv', 'w') as tsv_file:
    for file_path, file_name in file_list:
        tsv_file.write(f'{file_path}\t{os.path.splitext(file_name)[0]}\n')

然后从像这样的 snakemake 规则中调用此脚本：

rule generate_sample_name_map:
    input:
        directory="input",
    output:
        "sample_name_map.txt",
    shell:
        "python MakeVcfSampleNameMap.py {input.directory} > {output}"

Answer 2

这个怎么样，没有测试但希望你明白了：

rule MakeVcfSampleNameMap:
    input:
        vcfs=["input/vcf1.vcf.gz", "input/vcf2.vcf.gz"],
    output:
        "sample_name_map.txt",
    params:
        gatk_input=lambda wc, input: ' '.join(['--INPUT %s' % x for x in input.vcfs]),
    shell:
        r"""
        gatk MakeVcfSampleNameMap {params.gatk_input} \
            --OUTPUT {output}
        """

如果您输入的是目录，则类似于：

rule MakeVcfSampleNameMap:
    input:
        vcfs='input_dir'
    output:
        "sample_name_map.txt",
    params:
        gatk_input=lambda wc, input: ' '.join(['--INPUT %s' % x for x in os.listdir(input.vcfs)]),
    shell:
        r"""
        gatk MakeVcfSampleNameMap {params.gatk_input} \
            --OUTPUT {output}
        """