参考资料

一个稍微复杂的案例

这是另一个snakemake的案例, 之前介绍过通过简单的方法, 使用snakemake, 这里我们用另一个案例, 看看snakemake的用法.

过程介绍


  • 1, 安装snakemake
  • 2, 新建文件
  • 3, 新建一个简单的Snakemake参数文件
  • 4, 扩展, 去关联输出文件
  • 5, 使用全局变量, 关联文件
  • 6, 批量运行

1, 安装snakemake

这里需要时python3, 不支持python2

pip3 install --user snakemake pyaml

2, 新建几个FASTQ文件

这里, 我们新建两个配对的RNA-seq数据, 格式是FASTQ的文件, 然后经过下面两步处理:


  • 第一步: 数据质量控制
  • 第二部: 将基因表达合并为一个文件

创建文件


  • 创建genome.fa文件, 使用touch创建空文件即可
  • 创建fastq文件夹
  • 在fastq文件夹中, 创建Sample1.R1.fastq.gz Sample1.R2.fastq.gz Sample2.R1.fastq.gz Sample2.R2.fastq.gz四个空文件

touch genome.fa

# Make some fake data:
mkdir fastq
touch fastq/Sample1.R1.fastq.gz fastq/Sample1.R2.fastq.gz
touch fastq/Sample2.R1.fastq.gz fastq/Sample2.R2.fastq.gz

创建结果, 使用tree查看:

(base) [dengfei@localhost test]$ tree
.
├── fastq
│   ├── Sample1.R1.fastq.gz
│   ├── Sample1.R2.fastq.gz
│   ├── Sample2.R1.fastq.gz
│   └── Sample2.R2.fastq.gz
└── genome.fa

1 directory, 5 files

3, 创建snakemake参数文件

将下面代码命名为Snakfile

SAMPLES = ['Sample1', 'Sample2']

rule all:
    input:
        expand('{sample}.txt', sample=SAMPLES)

rule quantify_genes:
    input:
        genome = 'genome.fa',
        r1 = 'fastq/{sample}.R1.fastq.gz',
        r2 = 'fastq/{sample}.R2.fastq.gz'
    output:
        '{sample}.txt'
    shell:
        'echo {input.genome} {input.r1} {input.r2} > {output}'

4, 参数解释

我们下面进行代码的讲解:

  1. 这里， 定义了一个​​SAMPLE​​的数组：
SAMPLES = ['Sample1', 'Sample2']

数组, ​​SAMPLES​​,里面有两个元素: Sample1和Sample2

  1. 定义一个rule， 名称为all， input使用​​expand​​​函数, 能够将数组的内容解析给​​{sample}​​ 
rule all:
    input:
        expand('{sample}.txt', sample=SAMPLES)
  1. 定义一个rule, 命名为 ​​quantify_genes​​​, 里面有​​input​​​, ​​output​​​, ​​shell​​​, 其中​​{sample}​​​是用的​​rule all​​里面的name
rule quantify_genes:
    input:
        genome = 'genome.fa',
        r1 = 'fastq/{sample}.R1.fastq.gz',
        r2 = 'fastq/{sample}.R2.fastq.gz'
    output:
        '{sample}.txt'
    shell:
        'echo {input.genome} {input.r1} {input.r2} > {output}'

5, 运行参数

  • 1, 预览命令
    使用命令:
snakemake -np

参数介绍

-n 或者–dryrun, 表示只生成命令, 但是不执行命令, 可以预览一下生成的命令.

--dryrun, -n          Do not execute anything, and display what would be
                        done. If you have a very large workflow, use --dryrun
                        --quiet to just print a summary of the DAG of jobs.

-p 或者–printshellcmds, 表示将生成的shell打印出来

--printshellcmds, -p  Print out the shell commands that will be executed.

注意:

-n 不执行, 只打印命令

-p 执行, 同时打印命令(shell)

两者执行的前提是结果文件还没有生成.

例子:

(snake_test) [dengfei@localhost ex2]$ snakemake -np
Building DAG of jobs...
Job counts:
    count   jobs
    1   all
    2   quantify_genes
    3

[Tue Apr  2 13:49:34 2019]
rule quantify_genes:
    input: genome.fa, fastq/Sample1.R1.fastq.gz, fastq/Sample1.R2.fastq.gz
    output: Sample1.txt
    jobid: 1
    wildcards: sample=Sample1

echo genome.fa fastq/Sample1.R1.fastq.gz fastq/Sample1.R2.fastq.gz > Sample1.txt

[Tue Apr  2 13:49:34 2019]
rule quantify_genes:
    input: genome.fa, fastq/Sample2.R1.fastq.gz, fastq/Sample2.R2.fastq.gz
    output: Sample2.txt
    jobid: 2
    wildcards: sample=Sample2

echo genome.fa fastq/Sample2.R1.fastq.gz fastq/Sample2.R2.fastq.gz > Sample2.txt

[Tue Apr  2 13:49:34 2019]
localrule all:
    input: Sample1.txt, Sample2.txt
    jobid: 0

Job counts:
    count   jobs
    1   all
    2   quantify_genes
    3
This was a dry-run (flag -n). The order of jobs does not reflect the order of execution.

​

snakemake-学习笔记2_python