Snakemake中如何求glob_wildcards生成集合的并集

嘿，我知道你为啥用union()不行了——Snakemake自带的那个union()函数根本不是用来合并Python集合的，它是给规则里的输入输出通配符扩展用的！而你已经把FASTQ和GENOMES转成了Python原生的set类型，直接用Python集合的合并方法就搞定了。

两种可行的写法 #

你可以二选一来合并这两个集合：

1. 用Python集合自带的union()方法：

SAMPLES = FASTQ.union(GENOMES)

2. 用更简洁的集合运算符|（管道符），效果和上面完全一致：

SAMPLES = FASTQ | GENOMES

完整的修改后代码 #

把你的代码改成这样就可以正常运行了：

# 替换成你实际的文件路径
unzip_res = "path/to/your/unzipped_fastqs/"
renaming_res = "path/to/your/assembled_genomes/"

# 获取fastq样本集合
FASTQ, = glob_wildcards(unzip_res + "{fastq}_R1.fastq")
FASTQ = set(FASTQ)

# 获取组装序列样本集合
GENOMES, = glob_wildcards(renaming_res + "{genomes}.fasta")
GENOMES = set(GENOMES)

# 合并得到所有样本集合
SAMPLES = FASTQ | GENOMES  # 或者用 FASTQ.union(GENOMES)

额外小技巧 #

如果需要样本列表是有序的（方便后续规则执行更稳定），可以把结果转成排序后的列表：

SAMPLES = sorted(FASTQ | GENOMES)

再补充一句：Snakemake的union()函数是用来处理规则中的通配符模式的，比如你在规则输入里写input: union("data/{sample}_R1.fq", "refs/{sample}.fasta")，它会把两种通配符匹配到的结果合并，但这和你手里的Python集合完全是两码事哦~

内容的提问来源于stack exchange，提问作者JoergL