Snakemake提取fastq输入文件名片段生成简化输出文件名的问题求助

问题1：expand实现同索引配对的方法 #

Snakemake的expand函数内置了zip参数，设置为zip=True即可实现多列表同索引元素一一配对，不会生成笛卡尔积。
针对你方案二的场景，修改写法如下即可：

ID = ["1000_John","1200_Smith"]
INFO = ["brain_1-hiseq_2500-LAB_KA-","Liver_5-Novaseq_6000-LAB_RH"]
# 同索引配对生成R1/R2文件路径
f1 = expand("start-{sample}_{info}-end_R1.fastq.gz", sample=ID, info=INFO, zip=True)
f2 = expand("start-{sample}_{info}-end_R2.fastq.gz", sample=ID, info=INFO, zip=True)

问题2：方案一的修复方法 #

你方案一的报错核心原因是find_fastq函数的通配符匹配规则错误：你当前的匹配规则为f"{wildcards.sample}*.fastq.gz"，但所有fastq文件前缀都是start-，导致匹配不到任何文件，返回空列表，因此bwa命令没有传入fastq参数。另外shell命令中重复写了两次{input.fastqs}属于冗余错误，不需要重复输入。

修正后的完整代码如下：

import pathlib
indir = pathlib.Path("FASTQ/chr1/")
paths = indir.glob("start-*R?.fastq.gz")
# 提取Number_NAME格式的样本ID
SAMPLES = set([x.stem.split("-")[1] for x in paths])

rule all:
    input:
        expand("output/{sample}_mapped.bam", sample=SAMPLES)

def find_fastq(wildcards):
    # 补全start-前缀，匹配对应样本的R1/R2文件
    fastqs = sorted(indir.glob(f"start-{wildcards.sample}*.fastq.gz"))
    # 可选加校验逻辑，确保匹配到2个双端文件
    assert len(fastqs) == 2, f"样本{wildcards.sample}匹配到{len(fastqs)}个fastq文件，应为2个"
    return [str(f) for f in fastqs]

rule bwa:
    input:
        fastqs = find_fastq
    output:
        mapped = "output/{sample}_mapped.bam"
    params:
        ref = "ref.fa"
    threads: 8 # 可选配置线程数，提升运行效率
    shell:
        "bwa mem -t {threads} {params.ref} {input.fastqs} | samtools sort -@ {threads} -o {output.mapped} -"

如果想要更稳妥的方案，也可以提前构造样本ID到R1/R2路径的映射字典，避免运行时动态匹配路径的不确定性：

import pathlib
indir = pathlib.Path("FASTQ/chr1/")
# 构造样本ID到R1/R2的映射
sample_fq_map = {}
for fq in indir.glob("*_R1.fastq.gz"):
    sample_id = fq.stem.split("-")[1]
    r1 = str(fq)
    r2 = r1.replace("_R1.fastq.gz", "_R2.fastq.gz")
    assert pathlib.Path(r2).exists(), f"样本{sample_id}的R2文件不存在"
    sample_fq_map[sample_id] = [r1, r2]
SAMPLES = sample_fq_map.keys()

rule all:
    input:
        expand("output/{sample}_mapped.bam", sample=SAMPLES)

rule bwa:
    input:
        fastqs = lambda wildcards: sample_fq_map[wildcards.sample]
    output:
        mapped = "output/{sample}_mapped.bam"
    params:
        ref = "ref.fa"
    threads: 8
    shell:
        "bwa mem -t {threads} {params.ref} {input.fastqs} | samtools sort -@ {threads} -o {output.mapped} -"

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