宏转录组学习笔记（三）

通过脚本和snakemake实现自动化

到目前为止，我们已经完成了所有工作，并复制并粘贴了许多命令来完成所需的操作。这可行！但是也可能很耗时，并且更容易出错。接下来，我们将向你展示如何将所有这些命令放入Shell脚本中。

一个shell脚本是一个文本文件的完整的shell命令，运行时就如同你在命令行交互方式运行它们。

在这里，我们将创建一个从中获取并一次运行它们全部的命令。

编写shell脚本

让我们将质量控制过程中的所有命令放入一个脚本中。

我们称之为run_qc.sh。该sh在的结尾告诉你，这是一个bash脚本。

使用nano（编辑器）编辑文件run-qc.sh，并将以下内容放在其中：

cd ${PROJECT}
mkdir -p quality
cd quality

ln -s ../data/*.fq.gz ./

printf "I see $(ls -1 *.fq.gz | wc -l) files here.\n"

fastqc *.fq.gz -t 4

multiqc .

现在，这是一个shell脚本，您可以使用一个命令来执行所有这些命令的去-试试跑下吧！：

cd ~/
bash run-qc.sh

重新运行shell脚本

假设您想重新运行脚本。你要怎么做？

好吧，请注意，quality目录是在脚本开始创建的，所有内容都在该目录中执行。因此，要像这样删除quality目录，

rm -fr quality

然后你可以运行

bash run-qc.sh

编写Shell脚本的一些技巧

1.使它可执行

您可以bash通过一些magic来摆脱上面的命令部分：

把

#! /bin/bash

放在文件顶部，然后运行

chmod +x ~/run-qc.sh

您现在可以运行

./run-qc.sh

代替bash run-rnaseq.sh。

您可能会想，好吧，为什么这很重要？好的，您可以对R脚本和Python脚本执行相同的操作（但是放在/usr/bin/env Rscript或/usr/bin/env python放在顶部，而不是/bin/bash）。这基本上用脚本的编写语言来注释脚本，因此您不必自己了解或记住。

所以：这不是必须的，但这是一个很好的技巧。

您也可以始终通过指定或来强制脚本以特定语言运行。bash ``Rscript

2.另一个很好的补充：使它很好地报错

Shell脚本的一个怪异的方面是（默认情况下）即使有错误，它们也可以继续运行。这是不好的行为，我们应该将其关闭。

您可以通过重新运行上面的脚本而不删除目录来观察此行为rnaseq/-该mkdir命令将打印错误，因为目录仍然存在，但是每个shell脚本的一个很好的补充就是使它在第一个错误时失败。通过放

set -e

在顶部-告诉bash在第一个错误时退出，而不是勇敢地继续前进。

3.最后一个不错的补充：使shell脚本打印出它们正在运行的命令！

你可能会注意到，shell脚本为您提供了它的运行命令的输出，但不告诉你它的运行命令。

如果添加

set -x

在Shell脚本的顶部，然后重新运行它，

cd ~/
rm -fr quality
./run-qc.sh

然后您将看到正在运行的全部命令！

关于shell脚本的最后说明：

set -e并且set -x仅在shell脚本中起作用-它们是bash命令。您需要在Python和R中使用其他方法。

Snakemake自动化！

通过shell脚本实现自动化非常棒，但是这里存在一些问题。

首先，您必须每次都运行整个工作流程，并且每次都要重新计算所有内容。如果您运行的工作流需要4天，并且在最后更改了命令，则必须手动进入，然后运行依赖于已更改命令的内容。

其次，它是非常明确的，并且不是很通用。如果要在其他RNAseq数据集上运行，则必须更改许多命令。

snakemake是帮助解决这些问题的几种工作流程系统之一。（您可以在此处阅读文档。）让我们看一下！

首先，让我们激活我们的snakemake环境

source deactivate
source activate snake

我们将自动化相同的脚本进行修剪，但是使用snakemake。

rule all:
    input:
        "trim/TARA_135_SRF_5-20_rep1_1m_1.qc.fq.gz",
        "trim/TARA_135_SRF_5-20_rep1_1m_2.qc.fq.gz"

rule trim_reads:
    input:
        r1="data/TARA_135_SRF_5-20_rep1_1m_1.fq.gz",
        r2="data/TARA_135_SRF_5-20_rep1_1m_2.fq.gz",
        adapters="trim/combined.fa"
    ouput:
        p1="trim/TARA_135_SRF_5-20_rep1_1m_1.qc.fq.gz",
        p2="trim/TARA_135_SRF_5-20_rep1_1m_2.qc.fq.gz",
        s1="trim/TARA_135_SRF_5-20_rep1_1m_1_s1.qc.fq.gz",
        s2="trim/TARA_135_SRF_5-20_rep1_1m_2_s2.qc.fq.gz"
    shell:'''
    trimmomatic PE {input.r1} \
              {input.r2} \
     {output.p1} {output.s1} \
     {output.p2} {output.s2} \
     ILLUMINACLIP:{input.adapters}:2:40:15 \
     LEADING:2 TRAILING:2 \
     SLIDINGWINDOW:4:2 \
     MINLEN:25
    '''

现在我们可以运行

cd $PROJECT
snakemake

您应该看到“什么都没做”。

那是因为修剪的文件已经存在！

让我们修复一下：

rm trim/TARA_135_SRF_5-20_rep1*

现在，当您运行时snakemake，您应该看到正在运行Trimmomatic。是的！然后，如果snakemake再次运行，您将发现它不需要执行任何操作-所有文件都是“最新的”。

添加环境

在整个研讨会中，我们一直在使用conda环境。我们展示了您必须使用来在Bioconda课程中导出塔拉环境 conda env export -n tara -f $PROJECT/tara_conda_environment.yaml。我们也可以在snakemake规则中使用此环境！

rule all:
    input:
        "trim/TARA_135_SRF_5-20_rep1_1m_1.qc.fq.gz",
        "trim/TARA_135_SRF_5-20_rep1_1m_2.qc.fq.gz"

rule trim_reads:
    input:
        r1="data/TARA_135_SRF_5-20_rep1_1m_1.fq.gz",
        r2="data/TARA_135_SRF_5-20_rep1_1m_2.fq.gz",
        adapters="trim/combined.fa"
    ouput:
        p1="trim/TARA_135_SRF_5-20_rep1_1m_1.qc.fq.gz",
        p2="trim/TARA_135_SRF_5-20_rep1_1m_2.qc.fq.gz",
        s1="trim/TARA_135_SRF_5-20_rep1_1m_1_s1.qc.fq.gz",
        s2="trim/TARA_135_SRF_5-20_rep1_1m_2_s2.qc.fq.gz"
    conda: "tara_conda_environment.yaml"
    shell:'''
    trimmomatic PE {input.r1} \
              {input.r2} \
     {output.p1} {output.s1} \
     {output.p2} {output.s2} \
     ILLUMINACLIP:{input.adapters}:2:40:15 \
     LEADING:2 TRAILING:2 \
     SLIDINGWINDOW:4:2 \
     MINLEN:25
     '''

我们现在不打算在集群上运行它，因为它要求您能够下载内容，而我们不能执行此操作。但是，这是将来执行此操作的语法。

其他资源

今天，我们已经介绍了snakemake的一些基础知识，但是，如果您需要其他教程，可以在这里添加一个。