snakemake 学习笔记2

邓飞

发布于 2019-07-07 15:28:59

1.2K0

发布于 2019-07-07 15:28:59

文章被收录于专栏：育种数据分析之放飞自我育种数据分析之放飞自我

一个稍微复杂的案例, 看看snakemake的用法.

过程介绍

1, 安装snakemake
2, 新建文件
3, 新建一个简单的Snakemake参数文件
4, 扩展, 去关联输出文件
5, 使用全局变量, 关联文件
6, 批量运行

1, 安装snakemake

这里需要时python3, 不支持python2

pip3 install --user snakemake pyaml

2, 新建几个FASTQ文件

这里, 我们新建两个配对的RNA-seq数据, 格式是FASTQ的文件, 然后经过下面两步处理:

第一步: 数据质量控制
第二部: 将基因表达合并为一个文件

创建文件

创建genome.fa文件, 使用touch创建空文件即可
创建fastq文件夹
在fastq文件夹中, 创建Sample1.R1.fastq.gz Sample1.R2.fastq.gz Sample2.R1.fastq.gz Sample2.R2.fastq.gz四个空文件

touch genome.fa
mkdir fastq
touch fastq/Sample1.R1.fastq.gz fastq/Sample1.R2.fastq.gz
touch fastq/Sample2.R1.fastq.gz fastq/Sample2.R2.fastq.gz

创建结果, 使用tree查看:

(base) [dengfei@localhost test]$ tree
.
├── fastq
│   ├── Sample1.R1.fastq.gz
│   ├── Sample1.R2.fastq.gz
│   ├── Sample2.R1.fastq.gz
│   └── Sample2.R2.fastq.gz
└── genome.fa

1 directory, 5 files

3, 创建snakemake参数文件

将下面代码命名为Snakefile

SAMPLES = ['Sample1', 'Sample2']

rule all:
    input:
        expand('{sample}.txt', sample=SAMPLES)

rule quantify_genes:
    input:
        genome = 'genome.fa',
        r1 = 'fastq/{sample}.R1.fastq.gz',
        r2 = 'fastq/{sample}.R2.fastq.gz'
    output:
        '{sample}.txt'
    shell:
        'echo {input.genome} {input.r1} {input.r2} > {output}'

4, 参数解释

我们下面进行代码的讲解:

这里，定义了一个SAMPLE的数组：

SAMPLES = ['Sample1', 'Sample2']

数组, SAMPLES,里面有两个元素: Sample1和Sample2

定义一个rule，名称为all， input使用expand函数, 能够将数组的内容解析给{sample}

rule all:
    input:
        expand('{sample}.txt', sample=SAMPLES)

定义一个rule, 命名为 quantify_genes, 里面有input, output, shell, 其中{sample}是用的rule all里面的name

rule quantify_genes:    
    input:
        genome = 'genome.fa',
        r1 = 'fastq/{sample}.R1.fastq.gz',
        r2 = 'fastq/{sample}.R2.fastq.gz'
    output:
        '{sample}.txt'
    shell:
        'echo {input.genome} {input.r1} {input.r2} > {output}'

5, 运行参数

预览命令, 使用命令:

snakemake -np

参数介绍 -n 或者—dryrun, 表示只生成命令, 但是不执行命令, 可以预览一下生成的命令.

-p 或者—printshellcmds, 表示将生成的shell打印出来

注意:

-n 不执行, 只打印命令 -p 执行, 同时打印命令(shell) 两者执行的前提是结果文件还没有生成.

例子:

(snake_test) [dengfei@localhost ex2]$ snakemake -np
Building DAG of jobs...
Job counts:
    count    jobs
    1    all
    2    quantify_genes
    3

[Tue Apr  2 13:49:34 2019]
rule quantify_genes:
    input: genome.fa, fastq/Sample1.R1.fastq.gz, fastq/Sample1.R2.fastq.gz
    output: Sample1.txt
    jobid: 1
    wildcards: sample=Sample1

echo genome.fa fastq/Sample1.R1.fastq.gz fastq/Sample1.R2.fastq.gz > Sample1.txt

[Tue Apr  2 13:49:34 2019]
rule quantify_genes:
    input: genome.fa, fastq/Sample2.R1.fastq.gz, fastq/Sample2.R2.fastq.gz
    output: Sample2.txt
    jobid: 2
    wildcards: sample=Sample2

echo genome.fa fastq/Sample2.R1.fastq.gz fastq/Sample2.R2.fastq.gz > Sample2.txt

[Tue Apr  2 13:49:34 2019]
localrule all:
    input: Sample1.txt, Sample2.txt
    jobid: 0

Job counts:
    count    jobs
    1    all
    2    quantify_genes
    3
This was a dry-run (flag -n). The order of jobs does not reflect the order of execution

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2019-04-09，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法

shell

本文分享自育种数据分析之放飞自我微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

编程算法

shell

登录后参与评论

0 条评论

热度