能否在同一Snakemake流程中混用目录与文件作为规则输入？

我正在用Python脚本构建Snakemake流程，部分脚本需要传入目录作为输入，另一部分则需要传入目录内的文件作为输入。我想让流程里同时存在接收目录和接收文件的规则，请问这可行吗？以下是我写的示例代码：

FILES = glob.glob("data/*/*raw.csv")
FOLDERS = glob.glob("data/*/")

rule targets:
  input:
    processed_csv = expand("{files}raw_processed.csv", files =FILES),
    normalised_csv = expand("{folders}/normalised.csv", folders=FOLDERS)

rule process_raw_csv:
  input: 
    script = "process.py",
    csv = "{sample}raw.csv"
  output:
    processed_csv = "{sample}raw_processed.csv"
  shell:
  "python {input.script} -i {input.csv} -o {output.processed_csv}"

rule normalise_processed_csv:
  input:
    script = "normalise.py",
    processed_csv = "{sample}raw_processed.csv" # 这个输入不会被脚本解析，而是在normalise.py内部获取
    
  params:
    folder = "{folders}"
  
  output:
    normalised_csv = "{folders}/normalised.csv" # 输出文件
  
  shell:
  "python {input.script} -i {params.folder}"

部分脚本（比如process.py）需要明确传入指定文件，而另一些脚本（比如normalise.py）只需要传入主目录，文件会在脚本内部获取并输出到该目录。我考虑过改写所有Python脚本让它们统一接收目录作为输入，但希望找到不用改写全部脚本的方案。

我已经查阅过类似问题，但和本次情况不完全一致。

完全可行，Snakemake支持同时处理文件和目录作为输入的规则，核心是要正确关联规则间的依赖关系，避免通配符匹配冲突。

原代码存在的问题 #

• normalise_processed_csv规则中，{sample}和{folders}两个通配符无明确关联，Snakemake无法正确推断依赖关系
• targets规则的expand逻辑错误：FILES是具体文件路径（如data/sample1/file_raw.csv），expand后会生成data/sample1/file_raw.csvraw_processed.csv这类无效路径

修改后的可行代码 #

import glob

# 获取所有样本目录，去除末尾斜杠统一格式
FOLDERS = [f.rstrip('/') for f in glob.glob("data/*/")]
# 基于目录生成对应的raw文件匹配路径
FILES = [f"{folder}/*raw.csv" for folder in FOLDERS]

rule all:
    input:
        # 每个目录对应一个处理后的csv
        expand("{folder}/raw_processed.csv", folder=FOLDERS),
        # 每个目录对应一个归一化后的csv
        expand("{folder}/normalised.csv", folder=FOLDERS)

rule process_raw_csv:
    input:
        script = "process.py",
        csv = "{folder}/*raw.csv"
    output:
        processed_csv = "{folder}/raw_processed.csv"
    shell:
        """
        python {input.script} -i {input.csv} -o {output.processed_csv}
        """

rule normalise_processed_csv:
    input:
        script = "normalise.py",
        # 明确依赖对应目录下的处理后文件，保证执行顺序
        processed_csv = "{folder}/raw_processed.csv"
    output:
        normalised_csv = "{folder}/normalised.csv"
    shell:
        """
        python {input.script} -i {wildcards.folder}
        """

关键调整说明 #

• 统一使用{folder}作为核心通配符，关联目录与下属文件的归属，让Snakemake能清晰推断每个目录对应的依赖链
• 修正路径生成逻辑，避免无效文件路径
• normalise_processed_csv规则直接通过wildcards.folder获取目录路径，无需额外params，同时明确依赖该目录下的处理后文件，确保流程按顺序执行
• 若单个目录下存在多个raw.csv文件，可在process_raw_csv规则中扩展输入逻辑（如用expand处理多文件），或修改process.py支持批量读取目录内的raw文件

内容的提问来源于stack exchange，提问作者Ulises Rey