如何在Snakemake创建Conda环境时一次性执行Homer数据库安装命令？

有两种可行的方法实现仅安装一次Homer数据库，避免每次运行规则重复下载：

方法一：用Snakemake规则依赖控制（推荐） #

把Homer数据库安装拆为独立规则，生成“完成标记文件”，让注释峰的规则依赖该标记文件。仅当标记文件不存在时，才会执行数据库安装。

修改后的工作流代码：

# 新增安装Homer数据库的规则
rule install_homer_db:
    output:
        # 生成带基因组名称的标记文件，不同基因组会自动重新安装
        touch("envs/homer_db_{params.genome}.done")
    params:
        genome=config["general"]["genome"]
    conda:
        "envs/macs2.yaml"
    shell:
        "perl $CONDA_PREFIX/share/homer*/configureHomer.pl -install {params.genome}"

# 修改原注释峰规则，添加标记文件依赖
rule annotate_peaks:
    input:
        peaks="peaks/{sample_ip}_vs_{sample_input}/{sample_ip}_peaks.bed",
        db_installed="envs/homer_db_{params.genome}.done"
    output:
        "peaks/{sample_ip}_vs_{sample_input}/{sample_ip}_peaks_annotated.txt"
    params:
        genome=config["general"]["genome"],
        regions=config["chip-seq"]["macs2"]["regions"],
    threads: config["resources"]["macs2"]["cpu"]
    resources: 
        runtime=config["resources"]["macs2"]["time"]
    conda:
        "envs/macs2.yaml"
    shell:
        "annotatePeaks.pl {input.peaks} {params.genome} > {output}"

该方法完全遵循Snakemake依赖管理逻辑，标记文件自动跟踪基因组参数，换基因组时会重新安装，无需修改Conda环境配置，维护成本低。

方法二：通过Conda环境post-link脚本安装 #

利用Conda的post-link脚本机制，在环境创建完成后自动执行数据库安装，仅运行一次。

1. 创建post-link脚本scripts/install_homer_db.sh，内容如下：

#!/bin/bash
# 从环境变量获取基因组参数
perl $CONDA_PREFIX/share/homer*/configureHomer.pl -install $HOMER_GENOME

添加执行权限：chmod +x scripts/install_homer_db.sh

2. 修改macs2.yaml环境配置，添加scripts字段指定post-link脚本：

name: macs2
channels: 
  - conda-forge
  - bioconda
  - defaults
dependencies:
  - macs2=2.2.9.1
  - homer=4.11
scripts:
  post-link: scripts/install_homer_db.sh

3. 运行Snakemake前设置环境变量传递基因组参数：

# 从config.yaml读取基因组名称并设置环境变量
export HOMER_GENOME=$(python -c "import yaml; print(yaml.safe_load(open('config.yaml'))['general']['genome'])")
snakemake [你的其他参数]

若基因组为固定值，可直接将脚本中的$HOMER_GENOME替换为具体基因组名（如hg38），无需设置环境变量。

该方法将数据库安装与环境创建绑定，无需修改Snakemake规则，但需额外处理参数传递，灵活性稍弱。

内容的提问来源于stack exchange，提问作者justinian482