如何从CSV提取变量定义Snakemake输入文件并调用bwa规则？

看起来你在处理从CSV读取样本文件路径并在Snakemake中批量运行BWA的问题，核心问题出在CSV的读取方式、样本名的提取以及通配符与输入文件的映射上。我来帮你一步步修正代码：

问题分析 #

1. 你的test.csv没有表头，直接是一行两个fastq路径，但默认pandas.read_csv会把第一行当作表头，导致读取的数据不符合预期。
2. rule all中直接用samplesData作为expand的sample参数，这会传入整个DataFrame，而不是单个样本名。
3. bwa_map的input没有正确关联通配符sample到对应的fastq文件。

修正后的完整Snakefile #

import pandas
import os

# 读取配置中的CSV路径
input_table = config["samples"]["summaryFile"]
# 读取CSV，因为没有表头，指定header=None
samplesData = pandas.read_csv(input_table, header=None)
# 提取第一行的所有fastq文件路径
fastq_files = samplesData.iloc[0].tolist()
# 从fastq路径中提取样本名（比如从data/samples/A.fastq得到A）
sample_names = [os.path.splitext(os.path.basename(f))[0] for f in fastq_files]
# 建立样本名到fastq文件的映射字典
sample_to_fastq = dict(zip(sample_names, fastq_files))

rule all:
    # 用提取到的样本名生成所有需要的bam文件目标
    input: expand("mapped_reads/{sample}.bam", sample=sample_names)

rule bwa_map:
    input:
        # 参考基因组
        ref="data/genome.fa",
        # 根据通配符sample从字典中获取对应的fastq文件
        reads=lambda wildcards: sample_to_fastq[wildcards.sample]
    output: "mapped_reads/{sample}.bam"
    shell:
        # 注意input[0]是参考基因组，input[1]是fastq文件，顺序要对应bwa mem的参数
        "bwa mem {input.ref} {input.reads} | samtools view -Sb - > {output}"

关键改动说明 #

• CSV读取修正：添加header=None确保pandas把第一行当作数据而不是表头，然后用iloc[0]取出所有fastq路径。
• 样本名提取：通过os.path.basename获取文件名，再用splitext去掉后缀，得到干净的样本名（A、B）。
• 样本-文件映射：用字典sample_to_fastq建立样本名到对应fastq文件的关联，这样lambda通配符可以快速找到对应的输入文件。
• Input结构优化：把input拆分为ref和reads两个命名项，让shell命令更清晰，避免索引出错。

这样修改后，Snakemake会逐个为每个样本（A、B）调用bwa_map规则，生成对应的bam文件，完全符合你的需求。

内容的提问来源于stack exchange，提问作者nicoluca