Snakemake中如何正确指定glob_wildcards获取到的文件

首先直接给出结论：你代码里直接写SAMPLES[0]、SAMPLES[1]的写法不正确，存在两个核心问题：

1. glob_wildcards返回的通配符匹配结果是无序的，没有任何规范保证返回列表的索引顺序，索引0不一定对应sample1.txt，索引1也不一定对应sample2.txt，换运行环境、文件系统时很容易出现匹配错误。
2. SAMPLES列表里存储的只是从文件名中提取到的样本名字符串（比如sample1、sample2），不包含完整的文件路径和后缀，直接作为输入传入规则时，Snakemake无法定位到实际文件。

正确写法 #

首先先修正原代码的基础错误：你代码中expand("{sample}txt", sample=SAMPLES)缺少文件名的点分隔符，且和glob_wildcards匹配的data/目录路径不统一，需要先对齐路径规则。
要稳定指定拼接sample1.txt和sample2.txt，最稳妥的方式是明确指定目标样本名，通过expand生成完整文件路径，参考代码如下：

FILES = glob_wildcards("data/{sample}.txt")
SAMPLES = FILES.sample

# 明确声明需要拼接的目标样本，不依赖通配符返回顺序
CONCAT_TARGETS = ["sample1", "sample2"]

rule all:
    input:
        expand("data/{sample}.txt", sample=SAMPLES),
        "data/concat.txt"

rule concat:
    input:
        expand("data/{sample}.txt", sample=CONCAT_TARGETS)
    output:
        "data/concat.txt"
    shell:
        "cat {input} > {output}"

补充说明 #

• 如果你确实需要从glob_wildcards自动获取的样本列表中筛选目标文件，不要靠索引取值，要按样本名做匹配筛选，避免顺序问题：

  # 按样本名匹配筛选，比索引取值可靠
  sample1 = [s for s in SAMPLES if s == "sample1"][0]
  sample2 = [s for s in SAMPLES if s == "sample2"][0]
  

• 所有传入规则的输入文件路径，要和glob_wildcards匹配的路径规则保持一致，否则会出现文件找不到的报错。

内容的提问来源于stack exchange，提问作者mimi