- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我目前遇到了一些关于 snakemake 运行检查点所需的中间规则的问题。在尝试解决此问题后,我认为问题出在 aggregate_input
函数中的 expand 命令中,但无法弄清楚为什么会这样。
这是我根据 https://snakemake.readthedocs.io/en/stable/snakefiles/rules.html#data-dependent-conditional-execution 建模的来自 snakemake 的当前检查点文档
rule all:
input:
¦ expand("string_tie_assembly/{sample}.gtf", sample=sample),
¦ expand("combined_fasta/{sample}.fa", sample=sample),
¦ "aggregated_fasta/all_fastas_combined.fa"
checkpoint clustering:
input:
¦ "string_tie_assembly_merged/merged_{sample}.gtf"
output:
¦ clusters = directory("split_gtf_file/{sample}")
shell:
¦ """
¦ mkdir -p split_gtf_file/{wildcards.sample} ;
collapse_gtf_file.py -gtf {input} -o split_gtf_file/{wildcards.sample}/{wildcards.sample}
¦ """
rule gtf_to_fasta:
input:
¦ "split_gtf_file/{sample}/{sample}_{i}.gtf"
output:
¦ "lncRNA_fasta/{sample}/canidate_{sample}_{i}.fa"
shell:
¦ "gffread -w {output} -g {reference} {input}"
rule rename_fasta_files:
input:
¦ "lncRNA_fasta/{sample}/canidate_{sample}_{i}.fa"
output:
¦ "lncRNA_fasta_renamed/{sample}/{sample}_{i}.fa"
shell:
¦ "seqtk rename {input} {wildcards.sample}_{i} > {output}"
#Gather N number of output files from the GTF split
def aggregate_input(wildcards):
checkpoint_output = checkpoints.clustering.get(**wildcards).output[0]
x = expand("lncRNA_fasta_renamed/{sample}/{sample}_{i}.fa",
¦ sample=sample,
¦ i=glob_wildcards(os.path.join(checkpoint_output, "{i}.fa")).i)
print(x)
return x
#Aggregate fasta from split GTF files together
rule combine_fasta_file:
input:
¦ aggregate_input
output:
¦ "combined_fasta/{sample}.fa"
shell:
"cat {input} > {output}"
¦ aggregate_input
output:
¦ "combined_fasta/{sample}.fa"
shell:
¦ "cat {input} > {output}"
#Aggegate aggregated fasta files
def gather_files(wildcards):
files = expand("combined_fasta/{sample}.fa", sample=sample)
return(files)
rule aggregate_fasta_files:
input:
¦ gather_files
output:
¦ "aggregated_fasta/all_fastas_combined.fa"
shell:
¦ "cat {input} > {output}"
我一直遇到的问题是,在运行这个 snakemake 文件时,combine_fasta_file
规则不会运行。花了更多时间解决这个错误后,我意识到问题是 aggregate_input
函数没有扩展,并返回一个空列表 []
而不是我期望的列表目录中所有文件的扩展,即:lncRNA_fasta_renamed/{sample}/{sample}_{i}.fa
。
这很奇怪,尤其是考虑到 checkpoint clustering
确实运行正常,并且下游输出文件在 rule all
有人知道为什么会这样吗?或者可能是这种情况的原因。
用于运行 snakemake 的命令:snakemake -rs Assemble_regions.snake --configfile snake_config_files/annotated_group_config.yaml
最佳答案
刚刚弄明白了。问题是我的 aggregat
e 命令针对错误的文件。以前我把它写成
def aggregate_input(wildcards):
checkpoint_output = checkpoints.clustering.get(**wildcards).output[0]
x = expand("lncRNA_fasta_renamed/{sample}/{sample}_{i}.fa",
¦ sample=sample,
¦ i=glob_wildcards(os.path.join(checkpoint_output, "{i}.fa")).i)
print(x)
return x
然而,这个问题是针对错误的文件。而不是 globbig {i}.fa
,它应该是从 checkpoint clustering
生成的文件。所以将此代码更改为
def aggregate_input(wildcards):
checkpoint_output = checkpoints.clustering.get(**wildcards).output[0]
print(checkpoint_output)
x = expand("lncRNA_fasta_renamed/{sample}/{sample}_{i}.fa",
¦ sample=wildcards.sample,
¦ i=glob_wildcards(os.path.join(checkpoint_output, "{sample}_{i}.gtf")).i)
print(x)
return x
解决了这个问题。
关于bioinformatics - 执行检查点中间命令,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56280274/
我目前遇到了一些关于 snakemake 运行检查点所需的中间规则的问题。在尝试解决此问题后,我认为问题出在 aggregate_input 函数中的 expand 命令中,但无法弄清楚为什么会这样。
1000 基因组计划为我们提供了有关数千人 DNA 序列与人类引用 DNA 序列“变异”的信息。变体存储在 VCF 中文件 格式。基本上,对于该项目中的每个人,我们都可以从 VCF 文件中获取他/她的
我尝试使用一种工具,但我需要在输入时使用通配符。 这是一个例子: aDict = {"120":"121" } #tumor : normal rule all: input: expand("{c
我正在尝试查找带有基因名和染色体位置的gene_info 文件。但是,我似乎无法在 NCBI FTP 站点上找到它。谁能给我指点? 最佳答案 见:ftp://ftp.ncbi.nlm.nih.gov/
我下载了 1000 个基因组数据(染色体 1 -22),采用 VCF 格式。如何将所有染色体合并到一个文件中?我应该先将所有染色体转换为 plink 二进制文件,然后再执行 --bmerge mmer
我试图了解 FASTA 算法在数据库中搜索查询序列的相似序列的基本步骤。这些是算法的步骤: 识别 I 和 J 之间的常见 k 词 用 k 字匹配对对角线进行评分,确定 10 个最佳 对角线 使用替代分
我对找到一些需要按拓扑排序的现实世界中的海量数据集(> = 1M)感兴趣。也许与生物信息学有关的东西? 最佳答案 您看过Stanford Large Network Dataset Collectio
我正在尝试使用 plink 将 .vcf 文件转换为 .ped 文件。我在网上看了一些手册和帖子,但似乎没有人特别提到如何将vcf转换为ped。 我希望这里可能有一些专家,他们有使用plink将vcf
我想过滤具有超过 8 个相同连续核苷酸的序列,例如 "GGGGGGGG" , "CCCCCCCC"等在我的 fastq 文件中。 我该怎么做? 最佳答案 快速且不正确的方式,可能足够接近:grep -
我很快意识到,生物信息学并不是一门定义明确且易于访问的学科。我与我的一些结果存在明显差异。 我用过 samtools view -b -h -f 8 fileName.bam > mateUnmapp
我很想知道是否有任何生物信息学工具能够处理 multiFASTA 文件,为我提供序列数量、长度、核苷酸/氨基酸含量等信息,并可能自动绘制描述图。 也可以使用 R BIOconductor 解决方案或
我正在尝试使用“Needleman -Wunsch”的“全局比对”算法来实现蛋白质成对序列比对。 我不清楚如何在我的源代码中包含“Blosum62 矩阵”来进行评分或填充二维矩阵? 我用谷歌搜索发现大
我在大学的生物信息学类(class)中有一个项目,我项目中的其中一件事是基因预测。 我今天的问题是如何获取字符串中多个特定单词的所有索引。例如,在我这里的例子中,我想找到所有出现的起始密码子 ("AU
我想做一个工作流,从远程服务器下载一些 FASTQ 文件的列表,检查 md5 并运行一些后处理,例如对齐。 我了解如何使用两个工作流程来实现这一点: 首先下载fastq文件列表文件,例如md5文件。
这个问题不太可能帮助任何 future 的访问者;它只与一个小的地理区域、一个特定的时间点或一个非常狭窄的情况有关,这些情况并不普遍适用于互联网的全局受众。为了帮助使这个问题更广泛地适用,visit
我正在编写一个 python 脚本,并希望将查询序列信息作为字符串变量而不是 FASTA 格式文件(如果可能)传递给 blastn。 我使用 Biopython 的 SeqIO 将多个转录名称存储为键
我有一个基因序列 - "acguccgcaagagaagccuuaauauauucaaaaagcuacgccucagauuucgcgcucgagcccaaaacaacugguguacggguugauc
我有一个网络 ( figure A ), . 在这个图中,每个节点中心(我很困惑,它是一个子节点吗?)的颜色与节点填充颜色不同,我该怎么做?谢谢你。 最佳答案 有趣的图。光是看着,我就可以想象出几种方
我正在与 PLINK 一起工作分析全基因组数据。 有谁知道如何去除重复的 SNP? 最佳答案 在 PLINK 1.9 中,使用 --list-duplicate-vars suppress-first
我有一个通过 Snakemake 的样本列表。当我到达我的 fastqc 步骤时,我突然发现每个样本有两个文件(R1 和 R2 文件)。考虑以下规则: rule fastqc: input:
我是一名优秀的程序员,十分优秀!