Input 在Snakemake中使用多个文件名作为通配符

我正在尝试创建一个规则来实现

snakemake

中的

bedtools

，该规则将

与另一个目录中包含大量文件的文件最接近

在
/home/bedfiles
目录下，我有20个bed文件：

1A.bed , 2B_83.bed , 3f_33.bed ...

1A_modified,  2B_83_modified , 3f_33_modified ...

我想要的是，在
/home/bedfiles
目录下，有20个修改过的bed文件：

1A.bed , 2B_83.bed , 3f_33.bed ...

1A_modified,  2B_83_modified , 3f_33_modified ...

所以bash命令应该是：

filelist='/home/bedfiles/*.bed'
for mfile in $filelist;
do
bedtools closest -a /home/other/merged.txt -b ${mfile} > ${mfile}_modified

因此，此命令将在
/home/bedfiles
目录中修改扩展名为
\u的文件

我想用
Snakemake
实现这一点，但是我一直有一个语法错误，我不知道如何修复。我的审判是：

步骤1：获取目录中bed文件的第一部分

FIRSTPART = [f.split(".")[0] for f in os.listdir("/home/bedfiles") if f.endswith('.bed')]

步骤2：定义输出名称和文件夹

MODIFIED = expand("/home/bedfiles/{first}_modified", first=FIRSTPART)

第三步：在
规则中写入此内容

rule all:
   input: MODIFIED

步骤4：制定具体规则以实施“最接近的床上工具”

rule closest:

    input:
        input1 = "/home/other/merged.txt" , \
        input2 = expand("/home/bedfiles/{first}.bed", first=FIRSTPART) 

    output:
        expand("/home/bedfiles/{first}_modified", first=FIRSTPART)  

    shell:
        """ bedtools closest -a {input.input1} -b {input.input2} > {output} """

它在规则all的行中抛出错误，输入：

invalid syntax

您是否知道如何克服此错误或以任何其他方式实现它

PS：无法逐个写入文件名。
简单：无效语法指的是
，
input1=“/home/other/merged.txt”
希望能有帮助
Marc
删除对
输入定义中的
展开
和
输出定义中的
最近
的调用。您当前正在将20个文件名的向量作为
input.input2
传递，将20个文件名的向量作为
output
传递

也就是说，您的规则
最近的
当前正在尝试运行一次并创建20个文件；而它应该运行20次，每次创建一个文件

在
closest
中，每次运行该规则时，您都希望
input.input2
成为单个文件，而
output
成为单个文件：

FIRSTPART = [f.split(".")[0] for f in os.listdir("/home/bedfiles") if f.endswith('.bed')]

print("These are the input files:")
print([f + ".bed" for f in FIRSTPART])

MODIFIED = expand("/home/bedfiles/{first}_modified", first=FIRSTPART)
print("These will be created")
print(MODIFIED)

rule all:
   input: MODIFIED

rule closest:
    message: """
        Converts /home/other/merged.txt and /some/dir/xyz.bed
        into /some/dir/xyz_modified
        """

    input:
        input1 = "/home/other/merged.txt",
        input2 = "{prefix}.bed" 

    output:    "{prefix}_modified"  

    shell:
        """ 
        bedtools closest -a {input.input1} -b {input.input2} > {output}
        """


下面是一个实验：

将自己移动到临时目录中，并在该目录中执行以下操作：

mkdir bedfiles                                                                  
touch bedfiles/{a,b,c,d}.bed

然后将名为
Snakefile
的文件添加到包含以下代码的当前目录中

import os                                                                         
import os.path
import re

input_dir = "bedfiles"
input_files = [os.path.join(input_dir, f) for f in os.listdir(input_dir)]

print(input_files)                                                                

output_files = [re.sub(".bed$", "_modified", f) for f in input_files]             

print(output_files)                                                               

rule all:                                                                         
    input: output_files                                                           

rule mover:                                                                       
    input: "{prefix}.bed"                                                         
    output: "{prefix}_modified"                                                   
    shell:                                                                        
       """ cp {input} {output} """

然后在命令行中使用
snakemake
运行它。蛇行是以目标为导向的；它解决了如何根据现有文件生成所需的输出。
但是，如果我不展开，如何在规则all中指定输出名称？另外，当我说/path/to/bedfiles/{prefix}.bed时，我在哪里指定这个前缀？在bash中是说*.bed吗？我没有说要修改
规则all
，将扩展保持在那里。由于输入
.bed
和输出
\u修改的
文件位于同一目录中，因此会自动定义
前缀。Snakemake将查看
all:：input
中的文件名，并根据现有文件和定义的规则确定如何创建每个文件名。例如，通过自动将
前缀设置为“/home/bedfiles/1A”，可以使用规则
最接近的
从“/home/bedfiles/1A.bed”生成“/home/bedfiles/1A_modified”。那么我是否也应该删除第一部分变量？感谢您扩展您的答复。我缺少输入文件的声明，因此无法绘制正确的床文件。这是一个极好的答案！再次感谢你@我认为snakemake有时会在报告规则开始的行时抛出错误。但可能不是因为语法错误……我认为这不应该被否决，在最初的帖子中有一个真正的语法错误