如何在Snakemake中复用排序规则实现A>B>A流水线？

云上老周

2026-5-11

嘿，这个问题刚好是Snakemake通配符的典型应用场景，能帮你彻底简化重复代码！你完全不需要写两个逻辑相同的排序规则，用通配符就能复用同一个规则处理不同的输入输出。

具体解决方案

下面是重构后的完整流水线，只需要一个通用排序规则就能实现你想要的排序→处理→再排序流程：

1. 编写通用排序规则

把原来的rule A和C替换成一个带通配符的规则，这里我们用正则通配符来精确匹配你的文件名编号逻辑（比如sample.1.txt→sample.2.sorted.txt，sample.3.man.txt→sample.4.man.sorted.txt）：

# 通用排序规则，替代原有的rule A和rule C
rule sort:
    # 正则捕获文件名中的数字部分和可选后缀（比如.man）
    input: r"data/sample\.(\d+)(\..+)?\.txt"
    # 输出时将数字+1，保留原有后缀，再加上.sorted标记
    output: r"data/sample.{int(\1)+1}\2.sorted.txt"
    shell: "somethingsomething sort {input} > {output}"

如果你的文件名规则不需要严格的数字递增，也可以用更灵活的通配符适配任意输入文件：

rule sort:
    input: "{input_file}"
    output: "{input_file}.sorted.txt"
    shell: "somethingsomething sort {input} > {output}"

2. 保留原有的处理规则B

你的rule B逻辑完全不需要改动，只需要确保它的输入输出和排序规则的产物对应：

rule manipulate:
    input: "data/sample.2.sorted.txt"  # 对应第一次sort处理sample.1.txt的输出
    output: "data/sample.3.man.txt"
    shell: "somethingsomething manipulate {input}"

3. 定义流水线的最终目标

Snakemake是目标驱动的工具，你需要明确指定最终要生成的文件，它会自动回溯整个依赖链：

rule all:
    input: "data/sample.4.man.sorted.txt"  # 最终目标：处理后的文件再排序的结果

运行效果

当你执行snakemake命令时，它会自动完成以下流程：

第一次调用sort规则，处理data/sample.1.txt生成data/sample.2.sorted.txt
调用manipulate规则，处理data/sample.2.sorted.txt生成data/sample.3.man.txt
第二次调用sort规则，处理data/sample.3.man.txt生成最终的data/sample.4.man.sorted.txt

核心原理

Snakemake的通配符会自动匹配文件名中的可变部分，当它识别到最终目标文件时，会反向推导依赖：从最终的排序产物，找到需要的输入（处理后的文件），再找到处理文件的输入（第一次排序的产物），最后回溯到初始的原始文件。整个过程不需要你手动指定调用顺序，完全由Snakemake自动处理。

内容的提问来源于stack exchange，提问作者AGarofoli