snkemake入门

一、背景介绍

snakemake是一种用于自动化流程的开源工具，是一款基于python3的软件。在生物信息学、高通量测序数据分析、大规模数据处理等领域非常流行。

snakemake的官网：Snakemake | Snakemake 8.16.0 documentationhttps://snakemake.readthedocs.io/en/stable/

二、sankemake的安装

conda activate base
conda install -c conda-forge mamba
conda deactivate
mamba create -n snakemake -c conda-forge -c bioconda snakemake
conda activate snakemake
snakemake --help
conda deactivate
#删除环境
conda remove --all -n snakemake


#这里采用一种新的安装软件mamba，说是可以更快的加载和下载conda安装软件的速度，你也可以直接用conda安装

三、snakemake的书写规则

依据不同rule的输入和输出将其连接起来，形成一个完整的pipeline。

当检测到input，就执行相应的rule；检测到output，就跳过相应的rule。因此这个pipeline的逻辑是这样的，不是你要写一个rule的逻辑关系，而是用输入和输出控制。

snakemake在执行时，会默认执行第一条规则，因此我们会先写rule all。

之后依据rule all找逻辑，再执行。不是按照从上到下依次执行，因此rule的书写先后不影响执行，但是一般我们会依次书写方便阅读。（若第一个不是rule all，则默认执行第一个rule，然后找逻辑，最后退出）

若一个rule的输入是多个其他rule的结果，因此，这个rule一定会在所有输入都有条件下才会执行。

四、snakemake两种典型格式

rule fastp:
    input:
        cleandata_raw_R1="path/to/{sample}.R1.fq.gz"
        cleandata_raw_R2="path/to/{sample}.R2.fq.gz"
    output:
        b="{sample}.bam"
    params:
        n_d= 4
    shell:
        "bwt men -t {params[0]} {input[0]} {input[1]} > {output[0]}"


#或者是这样写，如下：
rule fastp:
	input:
		"path/to/{sample}.R1.fq"
		"path/to/{sample}.R2.fq"
	output:
		"{sample}.bam"
	params:
		"4"						
	shell:
		"bwt men -t {params[0]} {input[0]} {input[1]} > {output[0]}"

rule sort:
    input:
        "path/to/{dataset}.txt"
    output:
        "{dataset}.sorted.txt"
    log:
		"{dataset}.sort.log"
    run:
		with open(output.b, "w") as out:
			for l in sorted(open(input.a)):
				print(l,file=out)

#或者如下，不过还是建议赋给一个变量名。

rule sort:
	input:
		file1="path/to/{dataset}.txt"
	output:
		file2="{dataset}.sorted.txt"
	log:
		"{dataset}.sort.log"
	run:
		with open(output.b, "w") as out:
			for l in sorted(open(input.a)):
				print(l,file=out)

rule格式：

• 起始行（规则命名）rule+名称
• 使用TAB键缩进/四个空格
• 双引号""的使用
• 输入和输出的定义：直接写/赋给一个变量名
• 输入和输出的引用：起始下标是0（和python语法一致，从零开始）。使用花括号{}。