Snakemake工作流重命名SPAdes输出文件报错求助

核心逻辑 #

Snakemake靠文件依赖追踪运行，必须明确规则的输入输出文件——不能直接引用未被其他规则显式输出的文件，也不能随便把目录当输入（得用directory()标记）。

方案一：修改SPAdes规则，显式输出contigs.fasta #

如果能改动原SPAdes规则，直接把contigs.fasta加到输出项里，后续规则就能直接引用：

rule spades:
    input:
        reads1="reads/{sample}_R1.fastq.gz",
        reads2="reads/{sample}_R2.fastq.gz"
    output:
        directory("{sample}_de_novo"),
        "{sample}_de_novo/contigs.fasta"  # 新增这行，显式声明这个文件是输出
    params:
        k="21,33,55"
    shell:
        "spades.py --pe1-1 {input.reads1} --pe1-2 {input.reads2} -k {params.k} -o {output.directory}"

然后写重命名规则：

rule rename_contigs:
    input:
        "{sample}_de_novo/contigs.fasta"
    output:
        "{sample}_de_novo/{sample}.fasta"
    shell:
        "mv {input} {output}"

这样Snakemake能明确追踪到contigs.fasta是SPAdes生成的，不会报MissingInputError，用mv比cp更高效，也避免了目录输入的问题。

方案二：不修改原SPAdes规则的适配方法 #

如果原SPAdes规则只能输出目录，就在重命名规则里用directory()标记输入目录，同时加通配符约束确保样本名匹配：

先在Snakefile开头加通配符约束（避免样本名里的下划线干扰目录名匹配）：

wildcard_constraints:
    sample=r"[^_]+"  # 限定sample只能是不含下划线的字符串，比如foo

然后写重命名规则：

rule rename_contigs:
    input:
        spades_dir=directory("{sample}_de_novo")
    output:
        "{sample}_de_novo/{sample}.fasta"
    shell:
        # 先检查文件存在再重命名，避免无意义报错
        "test -f {input.spades_dir}/contigs.fasta && mv {input.spades_dir}/contigs.fasta {output}"

这里directory()告诉Snakemake输入是一个目录，只要SPAdes生成了这个目录，就会触发重命名步骤。

之前报错的原因 #

• 第一种写法：直接拿{sample}_de_novo/contigs.fasta当输入，但原SPAdes规则没把这个文件列为输出，Snakemake找不到它的生成来源，所以报MissingInputError。
• 第二种写法：用目录当输入却没加directory()标记，Snakemake没法正确识别目录的生成状态，再加上cp命令如果遇到文件不存在或权限问题，就会触发ChildIOException。

内容的提问来源于stack exchange，提问作者Sean