Snakemake输入函数异常：带下划线文库名引发KeyError问题

问题根源 #

你遇到的KeyError: '130241_1'是两个核心问题叠加导致的：

• Wildcard自动类型转换坑：Snakemake会优先尝试把wildcard解析为数字，而像130241_1这种带下划线的字符串，会被它当成千位分隔符处理，直接解析成整数1302411。当你用这个整数去访问config['lib_input']时，它会转成字符串'1302411'，但你的config里的key是'130241_1'，自然匹配不上。
• 单引号格式不匹配：你提到输入样本带单引号但lib_input的key缺失，这会进一步加剧匹配失败——如果实际样本名带单引号，而config里的key不带，两者完全无法对应。

解决方案 #

1. 强制Wildcard为字符串类型

要阻止Snakemake把library解析成数字，有两种实用方法：

方法一：在规则内添加Wildcard约束

修改findPeaks规则，用正则表达式限定library只能是包含下划线的字符串：

rule findPeaks:
    wildcard_constraints:
        library = r'[\w_]+'  # 匹配字母、数字、下划线组成的字符串
    input: 
        sample = os.path.join(HOMERTAG_DIR, "{library}"),
        input = lambda wildcards: os.path.join(HOMERTAG_DIR, config['lib_input'][wildcards.library])
    output: os.path.join(HOMERPEAK_DIR, "{library}.all.hpeaks")
    params: config['homer_findPeaks_params']
    shell: "findPeaks {input.sample} -i {input.input} {params} -o {output}"

这个正则会强制Snakemake把library当作字符串处理，完整保留原始的130241_1格式。

方法二：全局设置Wildcard约束

如果多个规则都用到library wildcard，可以在Snakefile顶部全局声明，避免重复设置：

wildcard_constraints:
    library = r'[\w_]+'

2. 处理单引号匹配问题

根据你的实际情况调整：

• 如果实际样本名带单引号（比如'130241_1'）但config里的key不带，给wildcard添加前置单引号：

  input = lambda wildcards: os.path.join(HOMERTAG_DIR, config['lib_input'][f"'{wildcards.library}'"])
  

• 如果反过来，config里的key带单引号而wildcard不带，就去掉wildcard的单引号：

  input = lambda wildcards: os.path.join(HOMERTAG_DIR, config['lib_input'][wildcards.library.strip("'")])
  

3. 检查Config格式

最后确认你的配置文件（比如config.yaml）里的lib_input key格式和wildcard完全一致。例如：

lib_input:
    130241_1: path/to/input_sample1
    130241_2: path/to/input_sample2

YAML中数字开头的字符串不需要加引号，会自动识别为字符串；如果key带特殊字符才需要用引号包裹。

验证测试 #

修改后先运行dry run验证：

snakemake -n findPeaks

如果没有再出现KeyError，说明问题已经解决。

内容的提问来源于stack exchange，提问作者RonicK