snakemake执行rule all时报Missing input file错误求助

• 核心错误1：违反Snakemake执行逻辑，在输入函数get_fastq_files中执行生成文件的操作。Snakemake的输入函数仅在DAG构建阶段运行，作用是返回任务所需的输入文件路径，该阶段Snakemake仅收集所有任务的输入输出依赖，不会将你在函数中通过subprocess偷偷生成的文件纳入依赖管理体系，因此就算文件实际存在，Snakemake也会因为没有匹配到可生成该文件的规则，抛出MissingInputException。
• 错误2：路径不匹配。从报错日志可以看到原始fastq路径被打印为data/RUNs/xxx，但你提供的样本表中路径前缀是data/，同时如果你的Snakefile存放在子目录下，执行snakemake命令的工作目录与预期不一致，会导致相对路径解析错误，不需要拼接的样本因为Snakemake找不到原始fastq输入，无法运行后续test_rule，自然不会生成touch文件。
• 代码小瑕疵：concatenate_fastq函数中{[sample_df['path']][0]}的写法冗余，[sample_df['path']][0]完全等价于sample_df['path']。

步骤1：新增独立的拼接规则 #

将拼接逻辑从输入函数中剥离，单独声明为Snakemake规则，让Snakemake可以感知到拼接文件的生成逻辑：

rule concatenate_fastq:
    input:
        r1 = lambda wildcards: SAMPLES.loc[wildcards.sample, "path"],
        r2 = lambda wildcards: SAMPLES.loc[wildcards.sample, "path2"]
    output:
        "data/processed/{sample}_concatenated.fastq.gz"
    # 仅对存在path2的样本运行该规则，避免无效匹配
    wildcard_constraints:
        sample = "|".join(SAMPLES[~SAMPLES["path2"].isna()].index.tolist())
    shell:
        "cat {input.r1} {input.r2} > {output}"

步骤2：修改输入函数，仅返回路径 #

删除输入函数中的文件生成逻辑，仅根据样本情况返回对应的输入路径：

def get_fastq_files(wildcards):
    sample_df = SAMPLES.loc[wildcards.sample]
    if pd.isna(sample_df["path2"]):
        # 无第二个fastq，直接返回原始路径
        return [sample_df["path"]]
    else:
        # 有第二个fastq，返回拼接后的文件路径，Snakemake会自动调用上面的拼接规则生成
        return [f"data/processed/{wildcards.sample}_concatenated.fastq.gz"]

步骤3：校验路径一致性 #

• 检查prueba_snakemake.csv中的路径是否和实际文件路径一致，确认是否多余RUNs/前缀
• 执行snakemake命令时，确保工作目录为项目根目录（即data/文件夹所在的目录），避免相对路径解析错误

步骤4：保留原有test_rule无需修改 #

rule test_rule:
    input:
        reads = get_fastq_files
    output:
        "data/processed/{sample}.test"
    shell:
        "touch {output}"

修复后Snakemake会自动识别依赖：不需要拼接的样本直接用原始fastq运行test_rule，需要拼接的样本先运行concatenate_fastq生成拼接文件，再运行test_rule，两个问题都会解决。

内容的提问来源于stack exchange，提问作者garcesj