【发布时间】:2021-06-03 03:37:42
【问题描述】:
我正在尝试将通过一次执行多个对齐生成的 x 个 bam 文件(在批量 y 个 fastq 文件上)合并到一个单独的 bam 文件中下一个流程。
到目前为止,在执行对齐和排序/索引生成的 bam 文件时,我有以下内容:
//Run minimap2 on concatenated fastqs
process miniMap2Bam {
publishDir "$params.bamDir"
errorStrategy 'retry'
cache 'deep'
maxRetries 3
maxForks 10
memory { 16.GB * task.attempt }
input:
val dirString from dirStr
val runString from stringRun
each file(batchFastq) from fastqBatch.flatMap()
output:
val runString into stringRun1
file("${batchFastq}.bam") into bamFiles
val dirString into dirStrSam
script:
"""
minimap2 --secondary=no --MD -2 -t 10 -a $params.genome ${batchFastq} | samtools sort -o ${batchFastq}.bam
samtools index ${batchFastq}.bam
"""
}
其中${batchFastq}.bam 是一个bam 文件,其中包含一批y 个fastq 文件。
此管道完成得很好,但是,当尝试在另一个进程 (samToolsMerge) 中对这些 bam 文件执行 samtools merge 时,该进程在每次运行对齐时运行(在本例中为 4),而不是一次收集的所有 bam 文件:
//Run samtools merge
process samToolsMerge {
echo true
publishDir "$dirString/aligned_minimap/", mode: 'copy', overwrite: 'false'
cache 'deep'
errorStrategy 'retry'
maxRetries 3
maxForks 10
memory { 14.GB * task.attempt }
input:
val runString from stringRun1
file bamFile from bamFiles.collect()
val dirString from dirStrSam
output:
file("**")
script:
"""
samtools merge ${runString}.bam ${bamFile}
"""
}
输出为:
executor > lsf (9)
[49/182ec0] process > catFastqs (1) [100%] 1 of 1 ✔
[- ] process > nanoPlotSummary -
[0e/609a7a] process > miniMap2Bam (1) [100%] 4 of 4 ✔
[42/72469d] process > samToolsMerge (2) [100%] 4 of 4 ✔
Completed at: 04-Mar-2021 14:54:21
Duration : 5m 41s
CPU hours : 0.2
Succeeded : 9
如何仅从 miniMap2Bam 获取生成的 bam 文件并通过 samToolsMerge 运行它们一次,而不是多次运行该进程?
提前致谢!
编辑: 感谢下面 cmets 中的 Pallie,问题是将之前进程中的 runString 和 dirString 值输入 miniMap2Bam 和 samToolsMerge,导致每次传递值时该进程都会重复。
解决方案就像从 miniMap2Bam 中删除 val 一样简单(如下):
//Run minimap2 on concatenated fastqs
process miniMap2Bam {
errorStrategy 'retry'
cache 'deep'
maxRetries 3
maxForks 10
memory { 16.GB * task.attempt }
input:
each file(batchFastq) from fastqBatch.flatMap()
output:
file("${batchFastq}.bam") into bamFiles
script:
"""
minimap2 --secondary=no --MD -2 -t 10 -a $params.genome ${batchFastq} | samtools sort -o ${batchFastq}.bam
samtools index ${batchFastq}.bam
"""
}
【问题讨论】:
-
什么是 runstring 和 dirstring,你想用它们来完成什么?感觉就像您获得的行为来自将 val 输出到价值通道中。我认为您正在尝试强制执行某个流程,但没有使用 nextflow 中可用的正确工具。
-
感谢您的回复。我相信您是对的,因为这些值可能是导致这种行为发生的原因。 runstring 是存放 fastq 文件的目录的父目录,dirstring 是存放 fastq 文件的父目录。这些字符串是在最初读取成批的 fastq 文件时创建的,以便成功地将文件发布到正确的目录 - 我会尝试想出一个解决方法。
-
非常感谢@Pallie!现在,只需通过重新路由流程周围的值来解决此问题,因此它不再用于合并流程 - 我将编辑问题以提供解决方案,尽管它非常简单。我想奖励你,但我不确定我是否可以为 cmets 提供答案投票/选择?
标签: input merge samtools nextflow bam