Snakemake如何基于样本名或运行名定义对应的参考序列参数

步骤1：建立映射字典 #

首先创建一个字典存储样本或运行批次与参考序列的对应关系，根据你的实际业务需求修改键值对即可：

# 按样本名关联参考的示例
sample_to_ref = {
    "sampleA": "hg38",
    "sampleB": "mm10",
    "sampleC": "tair10"
}

# 如果是按运行批次统一指定参考，就用批次映射字典
# run_to_ref = {
#     "run20240501": "hg38",
#     "run20240502": "mm10"
# }

步骤2：修改map_reads规则，动态生成路径 #

使用Snakemake支持的lambda函数接收通配符参数，动态读取映射字典得到对应参考序列，修改后规则如下：

rule map_reads:
  input:
    # 按样本取参考用这个：
    ref_path=lambda wildcards: f"/xyz/refs/{sample_to_ref[wildcards.samp]}.fasta",
    # 按批次取参考就换成这个：
    # ref_path=lambda wildcards: f"/xyz/refs/{run_to_ref[wildcards.run]}.fasta",
    kr1='process/trim/{run}_{samp}_trim_kr_1.fq.gz',
    kr2='process/trim/{run}_{samp}_trim_kr_2.fq.gz'
  output:
    bam=lambda wildcards: f"process/bams/{wildcards.run}_{wildcards.samp}_{wildcards.mapper}_{sample_to_ref[wildcards.samp]}_rg_sorted.bam"
  params:
    mapper='{mapper}'
  log:
    lambda wildcards: f"process/bams/{wildcards.run}_{wildcards.samp}_{wildcards.mapper}_{sample_to_ref[wildcards.samp]}_map.log"
  threads: 8
  shell:
    "/xyz/scripts/map_reads.sh {input.ref_path} {params.mapper} {input.kr1} {input.kr2} {output.bam} &>> {log}"

补充优化建议 #

• 为避免样本/批次不在映射字典中报错，可以在取值时设置默认参考：sample_to_ref.get(wildcards.samp, "默认参考名称")
• 如果需要在规则中多处使用参考名称，可以将其放在params中统一生成：

  params:
    mapper='{mapper}',
    ref=lambda wildcards: sample_to_ref[wildcards.samp]
  

  后续在shell命令、输出、日志中都可以直接调用{params.ref}，不需要重复写lambda逻辑。

内容的提问来源于stack exchange，提问作者ksw