如何在snakemake指令下传递函数

Question

我在snakemake中构建一个工作流，并希望将其中一个规则循环到两个不同的输入源。输入源可以是source1或source1+source2，根据输入的不同，输出目录也会有所不同。因为在同一条规则中这样做非常复杂，而且我不想创建完整规则的副本，所以我想创建两个输入/输出不同的规则，但是运行相同的命令。

有可能让这件事成功吗？我得到了正确的DAG解析，但是任务不能在集群(ERROR : bamcov_cmd not defined)上完成。下面是一个示例(这两条规则在结尾处使用相同的命令)：

这是命令

def bamcov_cmd():
return( (deepTools_path+"bamCoverage " +
            "-b {input.bam} " +
            "-o {output} " +
            "--binSize {params.bw_binsize} " +
            "-p {threads} " +
            "--normalizeTo1x {params.genome_size} " +
            "{params.read_extension} " +
            "&> {log}") )

这是规矩

rule bamCoverage:
input:
    bam = file1+"/{sample}.bam",
    bai = file1+"/{sample}.bam.bai"
output:
    "bamCoverage/{sample}.filter.bw"
params:
    bw_binsize = bw_binsize,
    genome_size = int(genome_size),
    read_extension = "--extendReads"
log:
    "bamCoverage/logs/bamCoverage.{sample}.log"
benchmark:
    "bamCoverage/.benchmark/bamCoverage.{sample}.benchmark"
threads: 16
run:
    bamcov_cmd()

这是可选的rule2

rule bamCoverage2:
input:
    bam = file2+"/{sample}.filter.bam",
    bai = file2+"/{sample}.filter.bam.bai"
output:
    "bamCoverage/{sample}.filter.bw"
params:
    bw_binsize = bw_binsize,
    genome_size = int(genome_size),
    read_extension = "--extendReads"
log:
    "bamCoverage/logs/bamCoverage.{sample}.log"
benchmark:
    "bamCoverage/.benchmark/bamCoverage.{sample}.benchmark"
threads: 16
run:
    bamcov_cmd()

Answer 1

在python中，您所要求的是可能的。这取决于文件中是否只有python代码，或者python和Snakemake。我会先回答这个问题，然后我会有一个后续的回应，因为我希望你以不同的方式设置它，这样你就不用这样做了。

只需Python：

 from fileContainingMyBamCovCmdFunction import bamcov_cmd

 rule bamCoverage:
 ...
     run:
         bamcov_cmd()

在视觉上，看看我是如何在这个文件中这样做的，以引用对buildHeader和buildSample的访问。这些文件正在由一个Snakefile调用。对你来说也是一样的。buildFile/buildFile.py

编辑2017-07-23 -更新下面的代码段以反映用户评论

Snakemake和Python：

 include: "fileContainingMyBamCovCmdFunction.suffix"

 rule bamCoverage:
 ...
     run:
         shell(bamcov_cmd())

编辑端

如果函数确实是特定于bamCoverage调用的，那么如果您愿意，可以将它放回规则中。这意味着它不在其他地方被调用，这可能是真的。使用“.”注释文件时要小心。表示法，我使用'_‘，因为我发现它更容易防止产生周期性依赖的方式。另外，如果您确实将这两条规则分开处理，则可能会出现歧义错误。如果可能的话，让规则生成唯一的输出是http://snakemake.readthedocs.io/en/latest/snakefiles/rules.html?highlight=ruleorder#handling-ambiguous-rules的最佳实践。

至于替代方案，可以考虑这样设置代码吗？

from subprocess import call


rule all:
    input:
          "path/to/file/mySample.bw"
          #OR
          #"path/to/file/mySample_filtered.bw"


bamCoverage:
input:
    bam = file1+"/{sample}.bam",
    bai = file1+"/{sample}.bam.bai"
output:
    "bamCoverage/{sample}.bw"
params:
    bw_binsize = bw_binsize,
    genome_size = int(genome_size),
    read_extension = "--extendReads"
log:
    "bamCoverage/logs/bamCoverage.{sample}.log"
benchmark:
    "bamCoverage/.benchmark/bamCoverage.{sample}.benchmark"
threads: 16
run:
    callString= deepTools_path + "bamCoverage " \
            + "-b " + wilcards.input.bam \
            + "-o " + wilcards.output \
            + "--binSize " str(params.bw_binsize) \
            + "-p " + str({threads}) \
            + "--normalizeTo1x " + str(params.genome_size) \
            + " " + str(params.read_extension) \
            + "&> " + str(log)
    call(callString, shell=True)


rule filterBam:
input:
    "{pathFB}/{sample}.bam"
output:
    "{pathFB}/{sample}_filtered.bam"
run:
    callString="samtools view -bh -F 512 " + wildcards.input \
    + ' > ' + wildcards.output

    call(callString, shell=True)

有什么想法？