Snakemake MissingInputException：haplotype_caller_gvcf缺失参考基因组输入

问题根源 #

你的规则里将REFPATH（目录路径）和REFERENCE（文件名）分别列为input的独立项，但Snakemake会验证每个输入条目是否为存在的文件：

• REFPATH是目录，不是文件，Snakemake无法将其识别为有效输入
• REFERENCE仅为文件名，Snakemake会在当前工作目录查找，而非你指定的resources/genomes/路径下，因此找不到该文件

解决方案 #

方案1：合并路径与文件名作为单一输入项 #

1. 在Snakefile头部导入os模块：

   import os
   

2. 修改haplotype_caller_gvcf规则的input部分，合并路径与文件名：

   rule haplotype_caller_gvcf:
       # ... 其他属性保持不变
       input:
           reference = os.path.join(REFPATH, REFERENCE),
           bam = "results/04_Variants/{sample}_{aligner}_{mincov}X_indel-qual.bam"
       # ... 其他属性保持不变
       shell:
           "gatk HaplotypeCaller "
           "-R {input.reference} "
           "-I {input.bam} "
           "-O {output.gvcf} "
           "-ERC GVCF"
   

方案2：提前定义完整参考基因组路径 #

1. 在Snakefile头部直接定义完整的参考文件路径：

   import os
   FULL_REF_PATH = os.path.join(config["consensus"]["path"], config["consensus"]["reference"])
   

2. 修改规则的input部分使用该完整路径：

   rule haplotype_caller_gvcf:
       # ... 其他属性保持不变
       input:
           reference = FULL_REF_PATH,
           bam = "results/04_Variants/{sample}_{aligner}_{mincov}X_indel-qual.bam"
       # ... 其他属性保持不变
       shell:
           "gatk HaplotypeCaller "
           "-R {input.reference} "
           "-I {input.bam} "
           "-O {output.gvcf} "
           "-ERC GVCF"
   

额外检查项 #

• 确认参考文件确实存在于路径resources/genomes/GCA_018104305.1_AalbF3_genomic.fasta下，注意大小写敏感（macOS/Linux系统下路径区分大小写）
• 验证路径中是否存在拼写错误，比如目录名、文件名的空格或特殊字符

内容的提问来源于stack exchange，提问作者ltalignani