如何用Snakemake解决glob_wildcards多目录一对一输出问题？

先明确你的目录结构应该是这样的对吧：

DIR_A/
├── dir1/
│   └── file1.clean.vcf
├── dir2/
│   └── file2.clean.vcf
└── dir3/
    └── # 要生成file1.output.vcf和file2.output.vcf

你之前遇到的问题核心在于：要么展开输入时生成了不存在的交叉组合，要么把多个文件塞进同一个任务里，没法实现一对一的处理。其实只要调整规则的通配符用法就能轻松解决。

最直接的解决方案：让规则处理单个文件 #

不用提前展开所有文件，直接在规则里用通配符定义输入和输出的对应关系，Snakemake会自动帮你匹配每个文件并生成单独的任务：

rule convert_output:
    input:
        # 用{dir}匹配输入所在的子目录，{name}匹配文件名前缀
        "DIR_A/{dir}/{name}.clean.vcf"
    output:
        # 输出固定放到dir3，用{name}和输入保持对应
        "DIR_A/dir3/{name}.output.vcf"
    shell:
        # 替换成你实际的处理命令，比如用bcftools转换或者自定义脚本
        "your_processing_tool {input} > {output}"

运行snakemake -s snakefile -n做 dry run 时，你会看到Snakemake为每个.clean.vcf文件生成单独的任务，每个任务对应一个输入和一个输出，完全符合你的需求。

如果需要指定目标文件（可选） #

要是你想明确指定要生成哪些输出文件（比如只处理特定几个文件），可以先用glob_wildcards配合zip获取正确的文件配对，再通过rule all定义目标：

# 用zip=True确保(dir, name)是一一对应的，不会生成交叉组合
(DIR, NAME) = glob_wildcards("DIR_A/{dir}/{name}.clean.vcf", zip=True)

# 生成所有需要的输出文件路径
target_outputs = expand("DIR_A/dir3/{name}.output.vcf", name=NAME)

# 定义总目标，Snakemake会自动处理所有依赖
rule all:
    input:
        target_outputs

# 处理单个文件的规则和上面一样
rule convert_output:
    input:
        "DIR_A/{dir}/{name}.clean.vcf"
    output:
        "DIR_A/dir3/{name}.output.vcf"
    shell:
        "your_processing_tool {input} > {output}"

为什么你之前的尝试会出错？ #

• 第一次没加zip时，expand会生成dir和name的笛卡尔积，也就是dir1/file2.clean.vcf和dir2/file1.clean.vcf这些不存在的文件，所以触发了MissingInputException。
• 加了zip后，expand生成的是正确的输入文件列表，但如果你把这个列表直接作为规则的input，Snakemake会把所有文件当成同一个任务的输入，而不是每个文件单独一个任务，自然就变成多输入对应单输出了。

内容的提问来源于stack exchange，提问作者gminer23543