snakemake学习

DAG(directed acyclic graph)：有向无环图

条件：1. 每个顶点出现且只出现一次。2. 若存在一条从顶点A到顶点B的路径，那么在序列中顶点A出现在顶点B的前面。

只有有向无环图才有拓扑排序，非DAG图没有拓扑排序一说，DAG一般用有向边指示顺序。

#tutorial source

#https://snakemake.bitbucket.io/snakemake-tutorial.html

#https://www.cnblogs.com/raisok/p/10970060.html

#https://snakemake.readthedocs.io/en/stable/executor_tutorial/tutorial.html

#snakemake前期准备

#1.数据

#2.创建工作流文件(包括input and output)

##linux# touch Snakefile(snakemake默认自动识别的文件，可更改为其他文件名，但在使用snakemake命令时需要指定)

#最好将工作流文件命名为.py文件

###创建规则

sample= ["A","B"]

rule bwa: #将第一条规则命名为bwa，进行比对

    input: #指定输入

        "data/genome.fa", #多个input用逗号隔开？

        "data/samples/{sample}.fastq" #此处{sample}是通配符（wildcard）用来匹配所有样品，sample是一个自定义的变量名

    output:

        "mapped_reads/{sample}.bam"

    shell: #此处shell也可以使用run替代来运行python代码

        "bwa mem {input} | samtools view -Sb - > {output}" #此出- >是否可以替换成->?

        #bwa mem为bwa推荐使用的算法，速度更快，准确度更高

        #bwa输入需要两个文件Reference genome data(已经构建出参考基因组的FM-index)和short reads data

#save file as bwa_map.py

#linux

##snakemake -np -s bwa_map.py mapped_reads/{A,B,C}.bam #snakemake并不建议这样写，而是建议一个样本一个样本跑

#此处的-n指的是--dryrun，不真正执行，一般用来看Snakefile是否有错，-p指的是--printshellcmds，指的是输出要执行的shell命令。

# -s指的是--snakefile，用于指定Snakefile，否则是当前目录下的Snakefile

rule samtools_sort:

    input:

        "mapped_reads/{sample}.bam"

    output:

        "mapped_reads/{sample}.bam"

    shell:

        "samtools sort -T sorted_reads/{wildcards.sample}"#-T表示PREFIX设置临时文件的前缀

        "-O bam {input} > {output}" #-O用来指定输出的格式（bam/sam），重定向操作很迷惑

#samtools的sort命令格式如下

##samtools sort[-l level] [-m maxMem][-o out.bam] [-O format][-n] [-T tmpprefix] [- @ threads] [in.sam | in.bam | in.cram]

#上述的samtools_sort也可以写成这样

持续更新