使用通配符简化文件名的Snakemake规则

Question

输入数据

.
├── barcode01
│   └── fastq_runid_6292747b0109c4fa5918c50eb8204bb715f19ad0_0.fastq
├── barcode02
│   └── fastq_runid_6292747b0109c4fa5918c50eb8204bb715f19ad0_0.fastq
├── barcode03
│   └── fastq_runid_6292747b0109c4fa5918c50eb8204bb715f19ad0_0.fastq
├── barcode04
│   └── fastq_runid_6292747b0109c4fa5918c50eb8204bb715f19ad0_0.fastq

Snakemake规则

rule symlink_results_demultiplex:
    input:
        inputdirectory+"/basecall/demultiplex/{sample_demultiplex}/{sample_runid}.fastq"
    output:
        outdirectory+"/mothur/{sample_demultiplex}.fastq"
    threads: 1
    shell:
        "ln -s {input} {output}"

但是，这个错误是因为没有使用相同的通配符。我想要创建一个符号链接，其中的输出文件只有barcode01.Quickq。我想删除多余的"fastq_runid_6292747b0109c4fa5918c50eb8204bb715f19ad0_0“部件。

做这件事最好的方法是什么？

Answer 1

一种选择是在只依赖于{sample_demultiplex}通配符的函数中找到输入的文件名。此示例代码可能对此起作用，具体取决于您的文件夹的设置方式(现在它假设每个{sample_demultiplex} wilcard只对应于一个fastq文件)。

import os
import glob

def get_symlink_results_demultiplex_input(wildcards):
    fastq_dir = os.path.join(inputdirectory, "/basecall/demultiplex/", wildcards.sample_demultiplex)
    fastq_file = glob.glob("*.fastq", root_dir=fastq_dir)[0] # this assumes there is only ever one fastq file in a directory
    return os.path.join(fastq_dir, fastq_file)
    

rule symlink_results_demultiplex:
    input:
        get_symlink_results_demultiplex_input
    output:
        outdirectory+"/mothur/{sample_demultiplex}.fastq"
    threads: 1
    shell:
        "ln -s {input} {output}"