如何为Snakemake规则指定执行环境？能否串联不同执行选项的子工作流？

一、为单个规则指定执行环境 #

1. 强制本地执行 #

如果需要某个规则跳过集群直接在本地运行，只需在规则定义中添加localrule: True：

rule local_preprocess:
    localrule: True
    input: "raw_input.csv"
    output: "cleaned_input.csv"
    shell: "sed 's/,/\\t/g' {input} > {output}"

2. 为规则指定自定义集群参数 #

如果要让特定规则使用不同于全局的集群配置，可直接在规则中通过cluster参数覆盖：

rule heavy_processing:
    input: "large_dataset.bam"
    output: "aligned_sorted.bam"
    cluster: "qsub -V -l nodes=2:ppn=16,mem=64G,walltime=24:00:00"
    shell: "bwa mem ref.fasta {input} | samtools sort -o {output}"

如果使用自定义profile，也可以通过resources参数传递变量，让profile的模板文件读取这些值，实现规则级的配置差异。

3. 用集群配置文件映射规则到不同环境 #

创建一个cluster_config.yaml文件，为不同规则定义专属集群参数：

fastqc_rule:
    qsub_args: "-l nodes=1:ppn=4,mem=8G,walltime=2:00:00"
variant_calling:
    qsub_args: "-l nodes=3:ppn=8,mem=24G,walltime=12:00:00"

运行工作流时指定该配置文件，让Snakemake自动匹配规则参数：

snakemake --cluster "qsub -V {cluster.qsub_args}" --cluster-config cluster_config.yaml

二、串联带不同执行选项的子工作流 #

完全可以实现，且有两种常用方式：

1. 用include引入子Snakefile #

在主工作流的Snakefile中直接引入子工作流的定义：

# 主Snakefile
include: "quality_control/Snakefile"
include: "variant_calling/Snakefile"

子工作流的规则可以在自身Snakefile中定义执行环境（比如localrule或cluster参数），主工作流运行时会遵循这些规则级的设置，全局配置仅作为默认值。

2. 用workflow模块隔离子工作流（推荐） #

Snakemake 5.10+支持workflow指令，可实现子工作流的完全隔离，每个子工作流可独立设置执行选项：

# 主Snakefile
# 子工作流1：强制本地执行
workflow qc_subwf:
    snakefile: "quality_control/Snakefile"
    config: config["qc_config"]
    local: True

# 子工作流2：使用自定义集群参数
workflow calling_subwf:
    snakefile: "variant_calling/Snakefile"
    config: config["calling_config"]
    cluster: "qsub -V -l nodes=2:ppn=12,mem=32G"

这种方式下，子工作流的执行环境与主工作流及其他子工作流完全独立，适合复杂多环境的工作流场景。

内容的提问来源于stack exchange，提问作者newuser