Yaml 使用snakemake映射读取

我正在尝试使用snakemake运行hisat2映射。 基本上，我使用的config.yaml文件如下：

reads:
    set1: /path/to/set1/samplelist.tab
hisat2:
    database: genome
    genome: genome.fa
    nodes: 2
    memory: 8G
    arguments: --dta
executables:
    hisat2: /Tools/hisat2-2.1.0/hisat2
    samtools: /Tools/samtools-1.3/samtools

id  reads1  reads2
set1a set1a_R1.fastq.gz set1a_R2.fastq.gz
set1b set1b_R1.fastq.gz set1b_R2.fastq.gz

import pandas as pd

reads = pd.read_csv(config["reads"]['set1'], sep='\t', index_col=0)
def get_fastq(wildcards):
    return list(reads.loc[wildcards.sample].values)

rule hisat2:
    input:
          get_fastq
    ...

然后蛇形档案：

configfile: "config.yaml"
workdir: "/path/to/working_dir/"
# Hisat2
rule hisat2:
    input:
          reads = lambda wildcards: config["reads"][wildcards.sample]
    output:
        bam = "{sample}/{sample}.bam"
    params:
        idx=config["hisat2"]["database"],
        executable = config["executables"]["hisat2"],
        nodes = config["hisat2"]["nodes"],
        memory = config["hisat2"]["memory"],
        executable2 = config["executables"]["samtools"]
    run:
        shell("{params.executable} --dta -p {params.nodes} -x {params.idx} {input.reads} |"
        "{params.executable2} view -Sbh -o {output.bam} -")
# all
rule all:
    input:
        lambda wildcards: [sample + "/" + sample + ".bam"
        for sample in config["reads"].keys()]

我的samplelist.tab如下所示：

reads:
    set1: /path/to/set1/samplelist.tab
hisat2:
    database: genome
    genome: genome.fa
    nodes: 2
    memory: 8G
    arguments: --dta
executables:
    hisat2: /Tools/hisat2-2.1.0/hisat2
    samtools: /Tools/samtools-1.3/samtools

id  reads1  reads2
set1a set1a_R1.fastq.gz set1a_R2.fastq.gz
set1b set1b_R1.fastq.gz set1b_R2.fastq.gz

import pandas as pd

reads = pd.read_csv(config["reads"]['set1'], sep='\t', index_col=0)
def get_fastq(wildcards):
    return list(reads.loc[wildcards.sample].values)

rule hisat2:
    input:
          get_fastq
    ...

---

有什么提示可以让它工作吗？我对一个混乱的脚本表示歉意，因为它刚刚开始使用snakemake。

您必须执行以下操作：

reads:
    set1: /path/to/set1/samplelist.tab
hisat2:
    database: genome
    genome: genome.fa
    nodes: 2
    memory: 8G
    arguments: --dta
executables:
    hisat2: /Tools/hisat2-2.1.0/hisat2
    samtools: /Tools/samtools-1.3/samtools

id  reads1  reads2
set1a set1a_R1.fastq.gz set1a_R2.fastq.gz
set1b set1b_R1.fastq.gz set1b_R2.fastq.gz

import pandas as pd

reads = pd.read_csv(config["reads"]['set1'], sep='\t', index_col=0)
def get_fastq(wildcards):
    return list(reads.loc[wildcards.sample].values)

rule hisat2:
    input:
          get_fastq
    ...

首先，您需要加载samplelist并存储它（我将它作为一个数据帧）。然后可以查找属于该示例名称的文件

编辑：

重写代码使其看起来更具可读性（在我看来）

---

您必须执行以下操作：

reads:
    set1: /path/to/set1/samplelist.tab
hisat2:
    database: genome
    genome: genome.fa
    nodes: 2
    memory: 8G
    arguments: --dta
executables:
    hisat2: /Tools/hisat2-2.1.0/hisat2
    samtools: /Tools/samtools-1.3/samtools

id  reads1  reads2
set1a set1a_R1.fastq.gz set1a_R2.fastq.gz
set1b set1b_R1.fastq.gz set1b_R2.fastq.gz

import pandas as pd

reads = pd.read_csv(config["reads"]['set1'], sep='\t', index_col=0)
def get_fastq(wildcards):
    return list(reads.loc[wildcards.sample].values)

rule hisat2:
    input:
          get_fastq
    ...

首先，您需要加载samplelist并存储它（我将它作为一个数据帧）。然后可以查找属于该示例名称的文件

编辑：

重写代码使其看起来更具可读性（在我看来）

---

---

什么不起作用？基本上，我不确定它需要read1和read2，我必须为此创建两个不同的输入文件吗？我对脚本进行了一些编辑…这是它给我的错误：错误：reads文件看起来不像FASTQ文件。所以我认为它没有很好地读取samplelist.tab文件…reads应该是读取的实际路径，而不是tab分隔的文件。samplelist.tab是什么样子的？问题中有一个samplelist.tab的例子。你能给我举个例子吗？我怎样才能把路径放在能同时读取r1和r2的路径上？还有一组我有超过1个fastq.gz文件。什么不起作用？基本上，我不确定它是否需要read1和read2，我是否必须为此创建两个不同的输入文件？我对脚本进行了一些编辑…这是它给我的错误：错误：reads文件看起来不像fastq文件。所以我认为它没有很好地读取samplelist.tab文件…reads应该是读取的实际路径，而不是tab分隔的文件。samplelist.tab是什么样子的？问题中有一个samplelist.tab的例子。你能给我举个例子吗？我怎样才能把路径放在能同时读取r1和r2的路径上？还有一组我有不止一个fastq.gz文件。谢谢，我还有另外两个问题，如果你愿意的话，我可以在这里开始一个新的讨论或发布。如果我在config.yaml中列出我的所有文件，比如：set1:set1a_R1.fastq.gz，set1a_R2.fastq.gz，set1b set1b_R1.fastq.gz，set1b_R2.fastq.gz，会怎么样。然后在规则中我定义r1和r2如下：r1=lambda通配符：config[“reads”][wildcards.sample]\u r1.fastq.gz r2=lambda通配符：config[“reads”][wildcards.sample]\u r2.fastq.gz。ISo我的问题：1。如何在config.yaml中列出fastq.gz文件？逗号分隔？2.错误提示r1和r2行中存在语法错误。是否确实需要指定两个文件路径？您可以给出一个基本路径，并在最后填写R1.fastq.gz和R2.fastq.gz。类似的内容：set1:set1a，set1b？我发现错误语法无效，所以可能是出了问题：(（谢谢，如果你愿意，我还有两个问题，我可以在这里开始一个新的讨论或发布。如果我在config.yaml中列出我的所有文件，比如：set1:set1a_R1.fastq.gz，set1a_R2.fastq.gz，set1b set1b_R1.fastq.gz，set1b_R2.fastq.gz。然后在规则中我这样定义R1和R2：R1=lambda通配符：config[“reads”][wildcards.sample]_R1.fastq.gz r2=lambda通配符：配置[“读取”][wildcards.sample]_ISo我的问题：1.如何在config.yaml中列出fastq.gz文件？逗号分隔？2.错误我认为r1和R2行中存在语法错误。您是否确实需要指定两个文件路径？您可以给出一个基本路径，并在最后填写r1.fastq.gz和R2.fastq.gz。类似的内容：set1:set1a，set1b？我得到e error无效语法，因此可能有问题：((