如何在ExomeDepth的R脚本中调用Bash变量？

我之前用包含SLURM数组的Bash脚本处理文件，运行正常，脚本如下：

#!/bin/bash --login
#SBATCH --ntasks=1
#SBATCH --ntasks-per-node=1
#SBATCH -p htc
#SBATCH --mail-type=ALL          # Mail events (NONE, BEGIN, END, FAIL, ALL)
#SBATCH --array=1-64

module load parallel
module load tool

EXOME_IDs_FILE=/home/bestcoverage_E036
INPUTFILE=/home/{}.bam

sed -n "${SLURM_ARRAY_TASK_ID}p" $EXOME_IDs_FILE | parallel -j 1 "tool $INPUTFILE"

现在需要改用R的ExomeDepth工具，官方示例代码如下：

data(exons.hg19)
my.counts <- getBamCounts(bed.frame = exons.hg19,
                          bam.files = my.bam,
                          include.chr = FALSE,
                          referenceFasta = fasta)

我希望把Bash中定义的INPUTFILE、HG38、INPUTBEDFILE等变量传入R代码中，但尝试的脚本无法正常运行，请问如何实现Bash变量在R代码中的调用？我尝试的脚本如下：

#!/bin/bash --login
#SBATCH --ntasks=1
#SBATCH --ntasks-per-node=1
#SBATCH -p htc
#SBATCH --mail-type=ALL          # Mail events (NONE, BEGIN, END, FAIL, ALL)
#SBATCH --array=1-64

module load parallel
module load tool

EXOME_IDs_FILE=/home/bestcoverage_E036
INPUTFILE=/home/{}.bam
HG38=/home/hg38.fasta
INPUTBEDFILE=/home/inputbed.bed

sed -n "${SLURM_ARRAY_TASK_ID}p" $EXOME_IDs_FILE | parallel -j 1 "data($INPUTBEDFILE)
                                                                 my.counts <- getBamCounts(bed.frame = $INPUTBEDFILE,
                                                                 bam.files = $INPUTFILE,
                                                                 include.chr = FALSE,
                                                                 referenceFasta = $HG38)

你尝试的脚本存在几个关键问题，以下是修正后的实现方式：

1. 核心问题说明 #

• R的data()函数是加载内置数据集的，不能直接读取外部BED文件，需要用专门的文件读取函数
• Bash变量传入R时要作为字符串处理，必须加引号，同时要避免Bash提前解析R代码里的变量
• 必须通过R -e或Rscript命令来执行R代码逻辑

2. 修正后的完整Bash+R脚本 #

#!/bin/bash --login
#SBATCH --ntasks=1
#SBATCH --ntasks-per-node=1
#SBATCH -p htc
#SBATCH --mail-type=ALL
#SBATCH --array=1-64

# 加载环境模块，替换成你实际的R版本
module load parallel
module load R/4.2.0

EXOME_IDs_FILE=/home/bestcoverage_E036
HG38=/home/hg38.fasta
INPUTBEDFILE=/home/inputbed.bed

# 读取对应行的样本ID，并行处理
sed -n "${SLURM_ARRAY_TASK_ID}p" $EXOME_IDs_FILE | parallel -j 1 '
    # 替换占位符为当前样本的BAM路径
    BAM_PATH=/home/{}.bam
    OUTPUT_PATH={}_exome_counts.rds

    # 调用R执行分析，通过嵌套引号传递Bash变量
    R -e '\''
        # 加载所需R包，提前确保已安装
        library(ExomeDepth)
        library(rtracklayer)

        # 读取BED文件为R可用的格式
        bed_data <- import("'"$INPUTBEDFILE"'")

        # 运行ExomeDepth的计数函数
        sample_counts <- getBamCounts(
            bed.frame = bed_data,
            bam.files = "'"$BAM_PATH"'",
            include.chr = FALSE,
            referenceFasta = "'"$HG38"'"
        )

        # 保存结果到单独文件，避免样本间干扰
        saveRDS(sample_counts, file = "'"$OUTPUT_PATH"'")
    '\''
'

3. 关键修正点 #

• 变量传递格式：用'"$VAR_NAME"'的嵌套引号格式，让Bash先解析变量，再传递给R作为字符串参数
• BED文件读取：用rtracklayer::import()读取BED文件（需提前安装rtracklayer包），如果不需要GRanges对象，也可以用read.table()手动构建数据框
• 结果隔离：每个样本的计数结果保存为独立的RDS文件，方便后续批量分析

4. 备选方案：分离R脚本 #

如果觉得命令行里的R代码可读性差，可以把R逻辑单独写成脚本文件：

独立R脚本 exomedepth_count.R #

# 读取命令行传入的参数
args <- commandArgs(trailingOnly = TRUE)
bed_file <- args[1]
bam_file <- args[2]
fasta_file <- args[3]
output_file <- args[4]

# 加载依赖包
library(ExomeDepth)
library(rtracklayer)

# 读取BED文件
bed_frame <- import(bed_file)

# 计算外显子计数
count_result <- getBamCounts(
    bed.frame = bed_frame,
    bam.files = bam_file,
    include.chr = FALSE,
    referenceFasta = fasta_file
)

# 保存结果
saveRDS(count_result, file = output_file)

对应的Bash脚本 #

#!/bin/bash --login
#SBATCH --ntasks=1
#SBATCH --ntasks-per-node=1
#SBATCH -p htc
#SBATCH --mail-type=ALL
#SBATCH --array=1-64

module load parallel
module load R/4.2.0

EXOME_IDs_FILE=/home/bestcoverage_E036
HG38=/home/hg38.fasta
INPUTBEDFILE=/home/inputbed.bed
R_SCRIPT_PATH=/path/to/exomedepth_count.R

sed -n "${SLURM_ARRAY_TASK_ID}p" $EXOME_IDs_FILE | parallel -j 1 '
    BAM_FILE=/home/{}.bam
    OUTPUT_FILE={}_counts.rds
    # 通过Rscript传递参数给独立R脚本
    Rscript '"$R_SCRIPT_PATH"' '"$INPUTBEDFILE"' '"$BAM_FILE"' '"$HG38"' '"$OUTPUT_FILE"'
'

内容的提问来源于stack exchange，提问作者Amy Houseman