如何在Snakemake中配置多级目录匹配，保留lane与样本标识

glob_wildcards会分别返回所有匹配到的lane和sample列表，expand()默认对传入的多组通配符做笛卡尔积组合，所以会生成大量不存在的lane+sample组合路径。

通过成对匹配真实存在的(lane, sample)组合，配合expand的zip参数实现一一对应，避免全量组合：

步骤1：获取真实存在的lane-sample配对 #

# 该方法返回的两个列表按位置一一对应，均为实际存在的路径组合
lane_list, sample_list = glob_wildcards('path/to/MyFolder/{lane}/{sample}/Aligned.out.sam')

步骤2：修改rule all的input逻辑 #

给expand添加zip参数，让lane和sample按位置配对生成目标路径：

rule all: 
    input:
        expand('logs/fastqc/{lane}/{sample}.log', zip, lane=lane_list, sample=sample_list)

步骤3：补全fastqc规则的输入配置 #

原规则缺少输入SAM文件的声明，补充即可：

rule fastqc: 
    input:
        'path/to/MyFolder/{lane}/{sample}/Aligned.out.sam'
    output:
        html='/fastqc/{lane}/{sample}.html',
        zip='/fastqc/{lane}/{sample}_fastqc.zip'
    threads: 1
    log: 'logs/fastqc/{lane}/{sample}.log'
    resources: mem_mb=8000, cpus=1
    wrapper: '0.77.0/bio/fastqc'

如果需要按样本合并不同lane的SAM文件，可以先构建样本到所属lane的映射，再编写合并规则：

from collections import defaultdict
# 构建样本-对应lane列表的映射
sample_to_lanes = defaultdict(list)
for lane, sample in zip(lane_list, sample_list):
    sample_to_lanes[sample].append(lane)

rule merge_sample_sam:
    input:
        lambda wildcards: [f'path/to/MyFolder/{lane}/{wildcards.sample}/Aligned.out.sam' for lane in sample_to_lanes[wildcards.sample]]
    output:
        'merged_sam/{sample}.merged.sam'
    threads: 4
    resources: mem_mb=16000
    shell:
        'samtools merge -@ {threads} {output} {input}'

内容的提问来源于stack exchange，提问作者Shashank Nagaraja