具有多个输入后缀的Snakemake glob_wildcards

Question

我想知道，当输入文件的命名稍有不同时，是否有一种方法来定义通配符。在本例中，FASTQ文件有不同的后缀--有些以“_L001_R1_001.fastq.gz”结尾，另一些以“R1_001快速q.gz”结尾。我希望使用glob_wildcards来读取运行名和示例名。在glob_wildcards中有使用“或”的好方法吗？任何建议都会很棒，谢谢！

# Define samples: 
RUNS, SAMPLES = glob_wildcards(config['fastq_dir'] + "{run}/{samp}" + config['fastq1_suffix'])

我的配置文件包含以下内容：

fastq_dir: 
    '~/tb/data/'
fastq1_suffix:
    '_L001_R1_001.fastq.gz'
fastq2_suffix:  
    '_L001_R2_001.fastq.gz'

第一条规则：

rule trim_reads:  
  input: 
    p1= config['fastq_dir'] + '{run}/{samp}' + config['fastq1_suffix'], 
    p2= config['fastq_dir'] + '{run}/{samp}' + config['fastq2_suffix']

Answer 1

一种方法是创建一个新的通配符，如下所示：

RUNS, SAMPLES, SFX = glob_wildcards("dir/{run}/{samp}_L001{suffix}.fastq.gz")

根据工作流的不同，如果确实不需要SFX，则可以通过以下方式丢弃它：

RUNS, SAMPLES, _ = ...