通配符中的Snakemake特殊符号

Question

我有Snakamake规则如下所示，其中通配符包含特殊字符，所以我使用sub对它们进行转义，请参阅答案here。输出文件：data/extract_AAV(1).csv。

import re
rule get_data:
    input:
    output: "data/extract_{re.sub(r'([()])', r'\\\1', filename)}.csv"
    shell: "python get_data.py --filename {re.sub(r'([()])', r'\\\1', wildcards.filename)}"

但是，我得到一个错误如下：

模块're‘没有属性’sub‘(’r‘)

在Python中运行re模块很好：

filename = 'extract_AAV(1).csv'
print(re.sub(r'([()])', r'\\\1', filename)
# returns: extract_AAV\\(1\\).csv

在将具有特殊字符的通配符从Snakemake传递到python脚本时，一个可重复的错误示例如下：

Snakemake文件：

rule get_data:
     output: "extract_{sample}.csv"
     shell: "python run.py --fn {wildcards.sample}"

run.py

import argparse
parser = argparse.ArgumentParser()
parser.add_argument('--fn', type=str)
args = parser.parse_args()
import pandas as pd

df = pd.DataFrame({'a': [1,2,3]})
df.to_csv("extract_"+args.fn+'.csv')

命令执行尝试1：

$ snakemake extract_AAV(1).csv --cores 1
bash: syntax error near unexpected token `('

命令执行尝试2：

$ snakemake extract_AAV\(1\).csv --cores 1
Building DAG of jobs...
Using shell: /bin/bash
Provided cores: 1 (use --cores to define parallelism)
Rules claiming more threads will be scaled down.
Job counts:
        count   jobs
        1       get_data
        1

[Wed Apr 29 11:31:34 2020]
rule get_data:
    output: extract_AAV(1).csv
    jobid: 0
    wildcards: sample=AAV(1)
/bin/bash: -c: line 0: syntax error near unexpected token `('
/bin/bash: -c: line 0: `set -euo pipefail;  python run.py --fn AAV(1)'
[Wed Apr 29 11:31:34 2020]
Error in rule get_data:
    jobid: 0
    output: extract_AAV(1).csv
    shell:
        python run.py --fn AAV(1)
        (one of the commands exited with non-zero exit code; note that snakemake uses bash strict mode!)

Shutting down, this might take some time.
Exiting because a job execution failed. Look above for error message
Complete log: /home/XXXXX/.snakemake/log/2020-04-29T113134.773987.snakemake.log

Answer 1

在您的情况下，不需要在通配符中转义符号。此外，通配符只是一个标识符，不允许表达式。下面的脚本演示了如何生成文件data/extract_AAV(1).csv

rule all:
    input: "data/extract_AAV(1).csv"

rule get_data:
    output: "data/extract_AAV({index}).csv"
    shell: "touch {output}"

根据我的经验，如果在文件名中使用空格或引号，可能会出现问题。例如，如果文件名包含空白，则需要将其放在CLI命令中的引号中：

rule all:
    input: "data/extract_AAV (1).csv"

rule get_data:
    output: "data/extract_AAV ({index}).csv"
    shell: "touch \"{output}\""

Answer 2

要么我不能重现这个问题，要么你使事情变得更加复杂。这对我来说很管用：

samples = ['AAV(1)', 'AAV(2)']

rule all:
    input:
        expand('data/extract_{sample}.csv', sample= samples),

wildcard_constraints:
    sample= '|'.join([re.escape(x) for x in samples]),

rule one:
    output:
        'data/extract_{sample}.csv'
    shell:
        r"""
        touch '{output}'
        """

(这里没有必要使用wildcard_constraints位，但我倾向于使用它。)

如果这没有帮助，你能张贴一个可复制的例子吗？