将rule_1输出文件与获取文件文件夹的rule_2输入链接[snakemake]

Question

我试图用两个规则在snakemake中创建一个工作流：

• pool_files，根据保存在不同文件夹中的基因组列表，将每个基因组复制到同一个文件夹中。
• 选择包含基因组副本的文件夹的路径的run_pairwise运行一个函数(在ANI计算中是这样，但与此无关)，并将所有结果保存在一个输出文件夹中。

我的问题是，第一个规则pool_files的输入和输出是单个文件，而第二个规则run_pairwise的输入和输出是文件夹。我的解决办法是提供复制的pool_files文件和run_pairwise的输出文件夹作为rule all的输入，但是，在最好的情况下，我得到的错误如下：

ChildIOException:文件/目录是另一个输出的子程序

我读取的表(下面示例中的对象gnm_table )和包含所有基因组路径的表如下所示：

                  dir          file
0  _input/genomes/ref   aaa_v1.0.fa
1      _input/genomes        bbb.fa
2      _input/genomes        ccc.fa
3      _input/genomes        ddd.fa

虽然我到目前为止想出的诱惑代码如下所示：

import os

rule all:
    input:
        expand("_results/pool_gnms/{target}", target=gnm_table.file),
        "_plots/ANI"


rule pool_files:
input:
    i_gnm = lambda wildcards: os.path.join(gnm_table.dir[gnm_table.file == wildcards.target].to_string(), wildcards.target)
output:
    gnm_link = "_results/pool_gnms/{target}",
shell:
    'ln -s '
    '{input.i_gnm} '
    '{output.gnm_link}'


rule calculate_ANI:
input:
    pool_dir = "_results/pool_gnms",
output:
    ANI_dir = directory("_results/ANI")
shell:
    'average_nucleotide_identity.py '
    '-o {output.ANI_dir} '
    '-i {input.pool_dir}'

我应该采取什么策略来完成这项任务？也许我该用个检查点？非常感谢您的投入！

Answer 1

没有必要在检查站。当您不知道规则将创建的文件(例如，您不知道算法找到的集群数量)时，就需要检查点。在您的情况下，您可以在gnm_table中获得所需的一切。您可以定义一条规则，要求将需要在rule pool_files中复制的所有文件作为其输入。此规则的输出可能是标志，此标志可能是rule calculate_ANI的输入。