Snakemake：染色体拆分后的未知输出/输入文件

Question

为了加快某个蛇形步骤，我想：

• 使用
  bamtools split -in sample.bam --reference
  将我的 bamfile 拆分为每个染色体 这导致文件名为 sample.REF_{chromosome}.bam
• 对每个结果执行变体调用，例如sample.REF_{chromosome}.vcf
• 使用 vcf-concat (VCFtools) 重新组合获得的 vcf 文件
  vcf-concat file1.vcf file2.vcf file3.vcf > sample.vcf

问题是我不知道哪些染色体可能在我的 bam 文件中。所以我无法准确指定bamtools split 的输出。此外，我不确定如何输入vcf-concat 来获取所有vcf 文件。

我想过使用 samples.fofn 并做类似的事情

rule split_bam:
    input:
        bam = "alignment/{sample}.bam",
        pattern = "alignment/{sample}.REF_"
    output:
        alignment/anon.splitbams.fofn
    log:
        "logs/bamtools_split/{sample}.log"
    shell:
        "bamtools split -in {input.bam} -reference && \
         ls alignment/{input.pattern}*.bam | sed 's/.bam/.vcf/' > {output}"

并使用相同的fofn 连接获得的vcf 文件。但这感觉像是一个非常尴尬的 hack，非常感谢您的建议。

---

编辑 20180409

正如@jeeyem 所建议的，我尝试了dynamic() 函数，但我无法弄清楚。

我完整的蛇文件在GitHub，动态部分在lines 99-133。

我得到的错误是： InputFunctionException in line 44 of /home/wdecoster/DR34/SV-nanopore.smk: KeyError: 'anon___snakemake_dynamic' Wildcards: sample=anon___snakemake_dynamic （anon 是匿名的 {sample} 标识符）

使用 --debug-dag 运行会给出（出错前的最后部分）： candidate job cat_vcfs wildcards: sample=anon candidate job nanosv wildcards: sample=anon___snakemake_dynamic, chromosome=_ candidate job samtools_index wildcards: aligner=split_ngmlr, sample=anon___snakemake_dynamic.REF__ candidate job split_bam wildcards: sample=anon___snakemake_dynamic, chromosome=_ InputFunctionException in line 44 of /home/wdecoster/DR34/SV-nanopore.smk: KeyError: 'anon___snakemake_dynamic' Wildcards: sample=anon___snakemake_dynamic

这表明通配符被误解了？

---

干杯， 沃特

Answer 1

您可以从 bam 标头或相应的 .fai 文件中查找染色体名称以供参考。这可以在 Snakefile 的开头完成。然后，您可以使用expand("alignment/{{sample}}.REF_{chromosome}.bam", chromosome=chromosomes) 定义该规则的输出文件。无需使用动态。