Snakemake中单未知变量场景下expand()函数的正确使用方法

你当前的写法在Snakemake 7.0及以上版本执行dry run不会报错，也能生成符合预期的文件路径，但存在两个明确的隐患，不属于可靠的生产级写法：

• 跨版本兼容性差：7.0以下的旧版本Snakemake中，expand()默认会尝试替换所有占位符，你在expand中保留{sample}作为通配符的写法不会被自动识别，会直接把字符串{sample}作为字面量拼入输出路径，导致运行报错。
• 可维护性差：直接返回无命名的输出列表后，后续在shell、run块中调用输出文件只能靠位置索引（如output[0]），一旦调整config['workreq']里的扩展名顺序，所有索引对应的文件都会错位，排查成本极高。

针对你这种「同一文件前缀、批量追加不同扩展名生成输出」的场景，有两种经过验证的可靠写法，全版本Snakemake兼容：

方案1：使用内置multiext函数（优先推荐） #

multiext是Snakemake专门为同根多后缀场景设计的内置函数，比手写expand更简洁，通配符解析逻辑稳定，不需要额外加参数。
你只需要保持现有config配置不变（config['workreq']存带.开头的扩展名列表即可），把规则output块修改为如下形式：

rule gridss_preprocess:
    input:
        ref=config['ref'],
        bam=config['bamdir'] + "{sample}.dedup.downsampled.bam",
        bai=config['bamdir'] + "{sample}.dedup.downsampled.bam.bai"
    output:
        multiext(config['bamdir'] + "{sample}.dedup.downsampled.bam", *config['workreq'])

该写法生成的输出路径和你预期完全一致，以样本S1为例，会自动生成你列出的4个目标文件。

方案2：带命名键的输出写法（适合需单独调用单个输出的场景） #

如果你后续需要在规则中单独引用某一个固定扩展名的文件（比如单独提取cigar_metrics文件做统计），可以用字典推导式给每个输出绑定和扩展名对应的命名键，彻底避免位置索引带来的错位问题：

rule gridss_preprocess:
    input:
        ref=config['ref'],
        bam=config['bamdir'] + "{sample}.dedup.downsampled.bam",
        bai=config['bamdir'] + "{sample}.dedup.downsampled.bam.bai"
    output:
        # 自动以扩展名（去掉开头的.）作为输出键名
        {ext.lstrip('.'): config['bamdir'] + "{sample}.dedup.downsampled.bam" + ext for ext in config['workreq']}

用该写法后，你可以直接通过键名调用对应输出，比如output.cigar_metrics、output.coverage_blacklist_bed，不需要关心扩展名在列表里的顺序。

如果你坚持要用expand()实现，必须显式添加allow_missing=True参数，告诉函数{sample}是规则通配符不需要当场替换，才能保证跨版本兼容，修正后的写法如下：

output:
    expand(
        config['bamdir'] + "{sample}.dedup.downsampled.bam{ext}",
        ext = config['workreq'],
        sample = "{sample}",
        allow_missing=True
    )

不要依赖Snakemake的自动通配符匹配扫描文件，建议在工作流顶层显式提取所有符合命名规则的样本，通过rule all指定最终生成目标，避免漏跑、错配样本：

import os
import re

# 从bam目录自动提取所有S开头的样本名
SAMPLES = []
for fname in os.listdir(config['bamdir']):
    match = re.match(r"^(S\d+)\.dedup\.downsampled\.bam$", fname)
    if match:
        SAMPLES.append(match.group(1))

# 顶层目标规则，放在所有业务规则最前面
rule all:
    input:
        expand(
            multiext(config['bamdir'] + "{sample}.dedup.downsampled.bam", *config['workreq']),
            sample = SAMPLES
        )

注意：顶层rule all里的expand()不要加allow_missing参数，这里需要把所有样本对应的所有输出文件完全展开，明确告诉Snakemake需要生成的全部目标。

内容的提问来源于stack exchange，提问作者James