在Snakemake中执行shell脚本无法识别input等内置变量怎么办

Snakemake 仅会对 Snakefile 规则中 shell 字段内直接编写的内容做 {input}/{output}/{params} 占位符的渲染替换，你调用的外部独立 shell 脚本不会被 Snakemake 解析，因此脚本内的占位符会被当做普通字符串原样执行，才会出现找不到路径的报错。

• 方法一：通过位置参数传递变量（最常用，适配性最高）
  首先修改 Snakefile 的 shell 字段，把需要的变量按顺序传给脚本：

rule xxx:
    input:
        munged = 'results/munged.sumstats.gz'
    output:
        ldsc = 'results/ldsc.txt'
    params:
        mkdir = 'results/ldsc_results/',
        ldsc_sumstats = '/resources/ldsc_sumstats/',
    shell:
        # 按顺序传递所有需要用到的变量给shell脚本
        "scripts/run_gc.sh {input.munged} {params.mkdir} {params.ldsc_sumstats} {output.ldsc}"

再修改scripts/run_gc.sh，用 shell 的位置参数读取传入的值即可：

#!/bin/bash
# $1对应第一个传入参数：input.munged
# $2对应第二个传入参数：params.mkdir
# $3对应第三个传入参数：params.ldsc_sumstats
# $4对应第四个传入参数：output.ldsc

chmod 770 "$1"
mkdir -p "$2"

ldsc=$(ls "$3")
for i in $ldsc; do
# 后续用到output的场景直接用$4即可
...

调用前可以给脚本加可执行权限，或者在shell调用时增加bash前缀，比如bash scripts/run_gc.sh ...避免执行报错。

• 方法二：通过环境变量传递（适合参数多的场景，避免位置参数顺序错乱）
  可以在规则中用env字段定义需要传递的环境变量，Snakemake会自动把这些变量传入shell运行环境：

rule xxx:
    input:
        munged = 'results/munged.sumstats.gz'
    output:
        ldsc = 'results/ldsc.txt'
    params:
        mkdir = 'results/ldsc_results/',
        ldsc_sumstats = '/resources/ldsc_sumstats/',
    # 定义要传入shell的环境变量
    env:
        INPUT_MUNGED = lambda wildcards, input: input.munged,
        PARAMS_MKDIR = lambda wildcards, params: params.mkdir,
        PARAMS_LDSC_SUMSTATS = lambda wildcards, params: params.ldsc_sumstats,
        OUTPUT_LDSC = lambda wildcards, output: output.ldsc
    shell:
        "scripts/run_gc.sh"

之后修改scripts/run_gc.sh直接读取对应的环境变量即可：

#!/bin/bash
chmod 770 "$INPUT_MUNGED"
mkdir -p "$PARAMS_MKDIR"

ldsc=$(ls "$PARAMS_LDSC_SUMSTATS")
for i in $ldsc; do
...

• 方法三：直接把shell逻辑写在Snakefile的shell块中（适合短脚本）
  如果你的shell脚本逻辑不复杂，可以直接把所有命令放到shell字段里，就能直接用Snakemake的占位符：

rule xxx:
    input:
        munged = 'results/munged.sumstats.gz'
    output:
        ldsc = 'results/ldsc.txt'
    params:
        mkdir = 'results/ldsc_results/',
        ldsc_sumstats = '/resources/ldsc_sumstats/',
    shell:
        """
        chmod 770 {input.munged}
        mkdir -p {params.mkdir}

        ldsc=$(ls {params.ldsc_sumstats})
        for i in $ldsc; do
        ...
        """

内容的提问来源于stack exchange，提问作者Ester