如何在Snakemake工作流中切换样本且无需从头运行？

给你几个实用方案，不用重复构建Conda环境，还能保留每个样本的运行记录：

1. 给每个样本单独建工作目录 #

• 为每个样本创建独立的工作文件夹，比如sample1_work、sample2_work
• 运行时用--directory指定工作目录：

  snakemake --directory sample1_work --config sample=sample1
  

  切换到第二个样本就换成sample2_work
• 每个样本的.snakemake缓存、中间文件和日志都存在各自目录里，不会互相覆盖。修改工作流后重新跑某个样本，Snakemake会自动跳过已完成的步骤，只跑修改后的部分。

2. 用配置文件指定工作路径，不用复制Snakefile #

• 不用复制Snakefile，只给每个样本做单独的config文件
• 在你的Snakefile开头加一行指定工作目录来自配置：

  configfile: "config.yaml"
  workdir: config["work_dir"]
  

• 比如config_sample1.yaml里写work_dir: "./sample1_work"，config_sample2.yaml里写work_dir: "./sample2_work"
• 运行时指定对应config文件：

  snakemake --configfile config_sample1.yaml
  

  这样所有样本共用同一个Snakefile，Conda环境只需要构建一次。

3. 临时切换用自定义缓存前缀 #

• 如果只是临时换样本，不想建太多目录，用--shadow-prefix指定不同的缓存目录前缀：

  # 跑第一个样本
  snakemake --shadow-prefix .snakemake_sample1
  # 跑第二个样本
  snakemake --shadow-prefix .snakemake_sample2
  

• 两个样本的缓存分别存在.snakemake_sample1和.snakemake_sample2里，互不干扰。修改工作流后重新跑时，指定对应的前缀就能增量运行。

4. 把工作流改成支持多样本（长期最优方案） #

• 修改Snakefile，让它支持同时处理多个样本，把样本列表放在config里：

  configfile: "config.yaml"
  SAMPLES = config["samples"]
  
  rule all:
      input:
          expand("results/{sample}/final.vcf", sample=SAMPLES)
  
  # 其他规则用{sample}通配符适配所有样本
  rule align:
      input: "raw/{sample}.fastq"
      output: "bam/{sample}.bam"
      conda: "envs/align.yaml"
      shell: "bwa mem ref.fasta {input} > {output}"
  

• 想单独跑某个样本就直接指定它的最终输出：

  snakemake results/sample1/final.vcf
  

• 每个样本的输出文件都有独立路径，Snakemake会自动追踪每个样本的运行状态，修改步骤后只会重新跑受影响的样本步骤，Conda环境只需要构建一次。

内容的提问来源于stack exchange，提问作者heiha