Skip to main content
 首页 » 编程设计

python之在 Snakemake 中处理等效的文件扩展名

2024年11月24日11duanxz

本质上,我想知道在 snakemake 中处理等效文件扩展名的推荐方法是什么。例如,假设我有一个规则来计算 fasta 文件中的条目数。该规则可能类似于....

rule count_entries: 
    input: 
        ["{some}.fasta"] 
    output: 
        ["{some}.entry_count"] 
    shell: 
        'grep -c ">" {input[0]} > {output[0]}' 

这很好用。但是,如果我希望此规则也允许“{some}.fa”作为输入怎么办?

有什么干净的方法可以做到这一点吗?

编辑:

这是我对第一个提议的解决方案的最佳猜测。这可能会变成更通用的高阶函数,但这是我理解的基本思想。我不认为这个想法真的适合任何一般用例,因为它在“构建 DAG”阶段不与其他规则合作。

import os 
 
def handle_ext(wcs): 
    base = wcs["base"] 
    for file_ext in [".fasta", ".fa"]: 
        if(os.path.exists(base + file_ext)): 
            return [base + file_ext] 
 
rule count_entries: 
    input: 
        handle_ext 
    output: 
        ["{base}.entry_count"] 
    shell: 
        'grep -c ">" {input[0]} > {output[0]}' 

EDIT2:这是我认为目前最好的解决方案......

count_entries_cmd = 'grep -c ">" {input} > {output}' 
count_entries_output = "{some}.entry_count" 
 
rule count_entries_fasta: 
    input: 
        "{some}.fasta" 
    output: 
        count_entries_output 
    shell: 
        count_entries_cmd 
 
rule count_entries_fa: 
    input: 
        "{some}.fa" 
    output: 
        count_entries_output 
    shell: 
        count_entries_cmd 

请您参考如下方法:

我注意到的一件事是您试图在输入和输出部分中指定文件列表,但实际上您的规则采用单个文件并生成另一个文件。 我建议您为不同的扩展指定两个单独的规则的直接解决方案:

rule count_entries_fasta: 
    input: 
        "{some}.fasta" 
    output: 
        "{some}.entry_count" 
    shell: 
        'grep -c ">" {input} > {output}' 
 
rule count_entries_fa: 
    input: 
        "{some}.fa" 
    output: 
        "{some}.entry_count" 
    shell: 
        'grep -c ">" {input} > {output}' 

除非您将具有相同 {some} 名称和不同扩展名的文件保存在同一文件夹中(我希望您不要这样做),否则这些规则是明确的。