Snakemake scatter-gather报AmbiguousRuleException问题求助

核心原因 #

你遇到的歧义问题，本质是fastq_to_fasta和split两个规则的输出文件通配符模式完全重叠，导致Snakemake无法判断应该用哪个规则生成目标文件data/trimmed/Ornek_411-of-81-of-81-of-81-of-81-of-81-of-81-of-81-of-81-of-8.fasta。

具体排查与解决步骤 #

1. 严格区分两个规则的输出命名格式 #

最根本的解决方法是让两个规则的输出文件名结构完全不重叠：

• 给split生成的分片文件加专属标识（比如_split后缀），避免和fastq_to_fasta的输出混淆：

  rule fastq_to_fasta:
      input: "data/raw/{sample}.fastq"
      output: "data/trimmed/{sample}.fasta"
      shell: "seqtk seq -A {input} > {output}"
  
  rule split:
      input: "data/trimmed/{sample}.fasta"
      output: "data/trimmed/{sample}_split-{chunk}.fasta"
      shell: "split -l 1000 {input} {output}_split-"
  

  这样分片文件会变成Ornek_411_split-1.fasta这类格式，和原fasta文件彻底区分开。

2. 用正则约束通配符（适合无法改命名的场景） #

如果必须保留现有命名格式，给规则的通配符加上正则表达式，明确限定匹配范围：

• 给fastq_to_fasta的sample通配符约束：只匹配不含-of-的字符串
• 给split的chunk通配符约束：只匹配数字部分

  rule fastq_to_fasta:
      input: "data/raw/{sample, regex=r'[^-]+'}.fastq"
      output: "data/trimmed/{sample}.fasta"
      shell: "seqtk seq -A {input} > {output}"
  
  rule split:
      input: "data/trimmed/{sample}.fasta"
      output: "data/trimmed/{sample}-of-{chunk, regex=r'\\d+'}.fasta"
      shell: "split -l 1000 {input} {output}-of-"
  

  这样Snakemake会根据文件名是否包含-of-数字的结构，精准匹配对应的规则。

3. 验证规则匹配逻辑 #

用以下命令测试目标文件的匹配情况，帮助定位问题：

snakemake --dry-run data/trimmed/Ornek_411-of-81-of-81-of-81-of-81-of-81-of-81-of-81-of-81-of-8.fasta

执行后会显示Snakemake尝试匹配的规则，你可以从中确认两个规则的通配符是否仍存在重叠。

4. 检查scatter-gather的配置 #

确保scatter阶段的目标文件严格指向split规则的输出，而不是错误地指向fastq_to_fasta的输出路径。比如scatter的参数应该指定分片文件的模式，而非原fasta文件的模式。

应急方案：调整规则优先级（不推荐） #

如果以上方法都无法快速生效，可以给其中一个规则加上priority参数（数值越高优先级越高），强制Snakemake选择指定规则：

rule split:
    priority=2
    input: "data/trimmed/{sample}.fasta"
    output: "data/trimmed/{sample}-of-{chunk}.fasta"
    shell: "split -l 1000 {input} {output}-of-"

注意：这只是临时 workaround，本质没有解决通配符重叠的问题，长期来看还是要从命名或正则约束入手。

内容的提问来源于stack exchange，提问作者sahin