我不能让这个正则表达式在snakemake中为wildcard_constraints工作
我有一个用Snakemake编写的工作流，用于分析生物测序数据。工作流程要求组织所有数据文件，以便每个原始读取文件都以分析类型(RNASeq、DNaseSeq等)开头。并且此文件名约定在工作流生成的所有文件中都保持不变。
我有一个规则来对齐除RNASeq之外的每个分析的数据读数，还有一个仅应用于RNASeq数据的不同规则。我在设置这些规则时遇到了麻烦，这样snakemake才能知道对哪些文件使用哪些规则。
在RNASeq规则中，我有以下内容：
wildcard_constraints: library='RNASeq_.+'这将确保RNASeq库使用该规则。但是，我仍然收到关于其他分析的模糊规则的错误，所以我认为我需要约束其他规则中的通配符。我试过了：
wildcard_constraints: library='(!?RNASeq)_.+'匹配任何没有RNASeq的内容，但是如果我在python解释器中尝试它，snakemake似乎无法与这个正则表达式匹配任何内容。我尝试过其他方法，例如“^R^A”，但无法正常工作。
由于这些正则表达式在我手动对字符串进行尝试时会起作用，我认为要么是snakemake应用正则表达式的方式有问题，要么是我不了解snakemake是如何使用它们的。我假设它只是“如果这个正则表达式匹配通配符字符串，就使用这个规则。如果不匹配，就不要使用这个规则。”
回答 2
Stack Overflow用户
发布于 2018-02-16 16:16:02
我相信以下内容说明了您正在尝试实现的目标：
# Snakefile
rule sam_startswith_dna:
output: '{pattern}.sam'
wildcard_constraints: pattern='dna.+'
shell: 'touch {output}'
rule sam_not_startswith_dna:
output: '{pattern}.sam'
wildcard_constraints: pattern='(?!dna).+' # negative lookahead assertion
shell: 'touch {output}'
rule bam_endswith_rna:
output: '{pattern}.bam'
wildcard_constraints: pattern='.+rna'
shell: 'touch {output}'
rule bam_not_endswith_rna:
output: '{pattern}.bam'
wildcard_constraints: pattern='.+(?<!rna)' # negative lookbehind assertion
shell: 'touch {output}'使用它(snakemake 4.6.0，python 3.6)：
$ snakemake -n dna_sample.sam # runs rule: sam_startswith_sam
$ snakemake -n sample.sam # runs rule: sam_not_startswith_sam
$ snakemake -n sample_dna.sam # runs rule: sam_not_startswith_sam
$ snakeamke -n sample_rna.bam # runs rule: bam_endswith_rna
$ snakemake -n sample.bam # runs rule: bam_not_endswith_rna
$ snakemake -n rna_sample.bam # runs rule: bam_not_endswith_rna这是我认为你在做的事情：
# Snakefile2
rule sam_startswith_dna_:
output: '{pattern}.sam'
wildcard_constraints: pattern='dna_.+'
shell: 'touch {output}'
rule sam_not_startswith_dna_:
output: '{pattern}.sam'
wildcard_constraints: pattern='(?!dna)_.+'
shell: 'touch {output}'使用它：
$ snakemake -s Snakefile2 dna_data.sam # runs rule: sam_startswith_dna_
$ snakemake -s Snakefile2 rna_data.sam # raises MissingRuleException :( :( :(下面是你本可以修复它的方法：
# Snakefile3
rule sam_startswith_dna_:
output: '{pattern}.sam'
wildcard_constraints: pattern='dna_.+'
shell: 'touch {output}'
rule sam_not_startswith_dna_:
output: '{pattern}.sam'
wildcard_constraints: pattern='(?!dna)[^_]{3}_.+'
shell: 'touch {output}'使用它：
$ snakemake -s Snakefile3 -n dna_data.sam # runs rule: sam_startswith_dna_
$ snakemake -s Snakefile3 -n rna_data.sam # runs rule: sam_not_startswith_dna_但由于硬编码的{3}，所以它不是很通用
$ snakemake -s Snakefile3 -n gdna_data.sam # raises MissingRuleException下面是基于我对snakemake.io.regex的简要阅读和一些探索；可能包含错误
通常，给定如下规则：
rule some_rule:
output: 'some.{pattern}.txt'
wildcard_constraints: pattern='[a-z_]+'
shell: 'touch {output}'以及如下所示的命令行调用：
$ snakemake some.tar_get.txt如果满足以下条件，将执行规则some_rule
re.search('some\.(?P<pattern>[a-z_]+)\.txt$', 'some.tar_get.txt')返回匹配(假设其他检查通过(例如模糊性、循环dag等))。
有趣的是，$被附加到模式中，但^没有被附加在模式前面。
这种行为与我最初认为的不同，我最初的想法是这样的(这将允许在wildcard_constraints中使用^和$ )：
# python3, pseudo-code-ish
output = 'some.{pattern}.txt'
pattern = '[a-z_]+'
target = 'some.tar_get.txt'
# First test: does the target file name match the output (without the constraint)?
m = re.search('some\.(?P<pattern>.+)\.txt', target)
if not m:
raise MissingInputException
# Second test: does the wildcard satisfy user-supplied constraint?
m = re.search(pattern, m.group('pattern'))
if not m:
raise MissingInputException
run_rule()Stack Overflow用户
发布于 2017-10-21 04:19:10
如果您不希望代码行以RNASeq或DNaseSeq开头，您可以这样做
r'^(?!RNASeq)(?!DNaseSeq).+'https://stackoverflow.com/questions/46856698
复制相似问题
腾讯云开发者
