Snakemake规则中基于样本信息动态生成基因组索引输出路径问题

你的问题出在输出路径的写法上：直接用"{sample}"字符串无法触发Snakemake的wildcards替换，必须像输入那样通过lambda函数结合wildcards参数来动态获取样本对应的物种信息。

修正后的规则代码 #

rule index:
    input:
        lambda wildcards: config["genome"][samples.loc[wildcards.sample, "organism"]]["fasta"]
    output:
        lambda wildcards: config["genome"][samples.loc[wildcards.sample, "organism"]]["index"]
    shell:
        """
        bowtie2-build {input} {output}
        """

关键说明 #

1. 规范获取物种信息：用samples.loc[wildcards.sample, "organism"]替代原来的链式索引，既符合Pandas最佳实践，也能避免潜在的索引警告。
2. 输出路径动态化：输出必须通过lambda函数接收wildcards参数，这样才能根据当前样本的sampleName匹配到对应的物种，再从config中提取对应的索引路径。
3. 修正Shell命令：原命令存在语法错误，比如{output未闭合，且bowtie2构建索引的正确命令是bowtie2-build，而非bowtie2。

额外验证与优化建议 #

• 路径测试：在流程初始化代码后添加打印语句，验证路径是否正确生成：

  # 测试sampleA对应的索引路径
  print("SampleA索引路径:", config["genome"][samples.loc["sampleA", "organism"]]["index"])
  

• 多文件索引处理：如果bowtie2索引是多个.bt2文件，可通过通配符或列表定义输出，确保所有索引文件都被流程追踪：

  output:
      expand(
          "{prefix}.{suffix}.bt2",
          prefix=lambda wc: config["genome"][samples.loc[wc.sample, "organism"]]["index"],
          suffix=["1", "2", "3", "4", "rev.1", "rev.2"]
      )
  

内容的提问来源于stack exchange，提问作者Guillaume Corre