Snakemake中MissingInputException报错：批量处理文件失败排查

问题场景 #

编写Snakefile读取resources/bin目录下的所有.fasta文件，在results/cctyper目录生成对应同名子目录，代码如下：

strain = glob_wildcards("resources/bin/{isolate}.fasta")

rule all:
    input:
        expand("results/cctyper/{isolate}/", isolate=strain)

rule cctyper:
    input:
        "resources/bin/{isolate}.fasta"
    output:
        directory("results/cctyper/{isolate}/")
    conda:
        "cctyper"
    shell:
        """
        mkdir {output}
        touch {output}/cas_operons.tab
        """

（shell部分为替代代码，因平台问题无法执行原命令）

运行时持续报错：

MissingInputException in rule cctyper in file /Users/cloudy/PRACStest/workflow/Snakefile, line 7:
Missing input files for rule cctyper:
    output: results/cctyper/['SAMEA5061681', 'SAMEA5061682']
    wildcards: isolate=['SAMEA5061681', 'SAMEA5061682']
    affected files:
        resources/bin/['SAMEA5061681', 'SAMEA5061682'].fasta

原因分析 #

glob_wildcards返回的是命名元组，而非直接的字符串列表。直接将strain传给expand时，会把整个元组作为单个参数传递，导致expand生成的路径中，{isolate}被替换为整个样本名列表的字符串形式（如['SAMEA5061681', 'SAMEA5061682']），进而触发规则时，通配符isolate被错误赋值为列表，找不到对应的resources/bin/['SAMEA5061681', 'SAMEA5061682'].fasta文件。

解决方案 #

需要提取命名元组中对应通配符的列表，即调用strain.isolate（通配符名为isolate），修改后的代码如下：

strain = glob_wildcards("resources/bin/{isolate}.fasta")

rule all:
    input:
        expand("results/cctyper/{isolate}/", isolate=strain.isolate)

rule cctyper:
    input:
        "resources/bin/{isolate}.fasta"
    output:
        directory("results/cctyper/{isolate}/")
    conda:
        "cctyper"
    shell:
        """
        mkdir -p {output}  # 加-p参数避免目录已存在时报错
        touch {output}/cas_operons.tab
        """

另外，建议给mkdir加上-p参数，避免因目录已存在导致的报错。

内容的提问来源于stack exchange，提问作者cloudy