Snakemake搭建AMRFinder数据库更新查询流程无检查点文件实现问询

完全可以不用额外的update_finished.txt检查点文件，以下是两种常用的实现方式：

方案1：直接跟踪AMRFinder实际数据库目录（最推荐） #

你可以显式指定AMRFinder的数据库存储路径，将数据库目录直接作为更新规则的输出，不需要额外生成空标记文件，逻辑更直观，也能真实反映数据库文件的状态：

# 统一定义数据库存储路径，方便后续修改
AMRFINDER_DB = "amrfinder_db"

rule update_amrfinder:
    output:
        # 直接输出数据库目录，无需单独的检查点文件
        directory(AMRFINDER_DB)
    conda:
        "../envs/amrfinder.yaml"
    shell:
        """
        # 显式指定数据库下载路径，更新到对应目录
        amrfinder -u --database_dir {output}
        """

rule amrfinder_query:
    input:
        fasta="{sample}.fasta",
        # 直接依赖数据库目录即可
        db=AMRFINDER_DB
    output:
        "{sample}_amrfinder.tsv"
    conda:
        "../envs/amrfinder.yaml"
    shell:
        """
        # 查询时指定同一个数据库目录
        amrfinder -n {input.fasta} --database_dir {input.db} 1> {output}
        """

该方案优势是如果数据库目录被意外删除或修改，Snakemake会自动触发重新更新，可靠性远高于自定义的txt检查点。

方案2：用临时标记文件自动清理（无残留文件） #

如果你不想在工作目录保留任何额外的标记文件，也不想显式管理数据库路径，可以将更新规则的输出设置为临时标记，Snakemake执行完后会自动清理该文件，不会留下冗余文件：

rule update_amrfinder:
    output:
        # 标记为临时文件，执行完后自动删除
        temp("amrfinder_updated")
    conda:
        "../envs/amrfinder.yaml"
    shell:
        """
        amrfinder -u
        # 生成临时标记用于任务状态校验
        touch {output}
        """

rule amrfinder_query:
    input:
        fasta="{sample}.fasta",
        db="amrfinder_updated"
    output:
        "{sample}_amrfinder.tsv"
    conda:
        "../envs/amrfinder.yaml"
    shell:
        "amrfinder -n {input.fasta} 1> {output}"

该方案适合不需要复用数据库、每次运行都要更新的场景，缺点是无法感知数据库本身的损坏，只要临时标记曾经生成过，就不会重新执行更新操作。

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