Я работаю над написанием скрипта, который представляет собой комбинацию кода snakemake и python для автоматизации большого количества файлов, которые поставляются в паре. Точнее, я работаю над согласованием чтения с BWA MEM с парными конечными чтениями (http://bio-bwa.sourceforge.net/bwa.shtml). В первой части сценария я перебирал список имен в моем файле (которые являются файлами fastq bunzip), а затем отсортировал их соответствующим образом в списке. Вот несколько файлов:
['NG-8653_ 1A _lib95899_4332_7_ 1', 'NG-8653_ 1A _lib95899_4332_7_ 2', 'NG- 8653_ 1B _lib95900_4332_7_ 1 ',' NG-8653_ 1B _lib95900_4332_7_ 2 ',' NG-8653_ 1N _lib95898_4332_7_ 1 ',' NG-8653_ 1N _lib95898_4332_7_ 2 ']
Как видите, чтения отсортированы по два (1A _... 1 и 1A ..._ 2 и т. Д.). Теперь, используя подпроцесс, я хочу выровнять их, распаковав их с помощью bunzip2, а затем передав их через стандартный ввод в bwa mem. Команда bwa mem преобразует файлы формата fastq в файлы .sam, а затем я должен использовать samtools для их преобразования в формат .bam. Вот сценарий:
import re, os, subprocess, bz2
WDIR = "/home/alaa/Documents/snakemake"
workdir: WDIR
SAMPLESDIR = "/home/alaa/Documents/snakemake/fastq/"
REF = "/home/alaa/Documents/inputs/reference/hg19_ref_genome.fa"
FILE_FASTQ = glob_wildcards("fastq/{samples}.fastq.bz2")
LIST_FILE_SAMPLES = []
for x in FILE_FASTQ[0]:
LIST_FILE_SAMPLES.append(x)
LIST_FILE_SAMPLES = sorted(LIST_FILE_SAMPLES)
print(LIST_FILE_SAMPLES)
rule fastq_to_bam:
run:
for x in range(0, len(LIST_FILE_SAMPLES), 2):
# get the name of the sample (1A, 1B ...)
samp = ""
samp += LIST_FILE_SAMPLES[x].split("_")[1]
# get the corresponding read (1 or 2)
r1 = SAMPLESDIR + LIST_FILE_SAMPLES[x] + ".fastq.bz2"
r2 = SAMPLESDIR + LIST_FILE_SAMPLES[x+1] + ".fastq.bz2"
# gunzipping the files and pipping them
p1 = subprocess.Popen(['bunzip2', '-kc', r1], stdout=subprocess.PIPE)
p2 = subprocess.Popen(['bunzip2', '-kc', r2], stdout=subprocess.PIPE)
# now write the output file to .bam format after aligning them
with open("sam/" + samp + ".bam", "w") as stdout:
fastq2sam = subprocess.Popen(["bwa", "mem", "-T 1", REF, p1.stdout, p2.stdout], stdout=subprocess.PIPE)
fastq2samOutput = subprocess.Popen(["samtools", "view", "-Sb", "-"], shell = True, stdin=fastq2sam.stdout, stdout=stdout)
Я пытался отладить сценарий, пытаясь построчно. При записи bunzip2 в выходной файл он работал нормально. Теперь, если я попытаюсь передать его по конвейеру, я получаю сообщение об ошибке:
Error in job fastq_to_bam while creating output file .
RuleException:
TypeError in line 39 of /home/alaa/Documents/snakemake/Snakefile:
Can't convert '_io.BufferedReader' object to str implicitly
File "/home/alaa/Documents/snakemake/Snakefile", line 39, in __rule_fastq_to_bam
File "/usr/lib/python3.5/subprocess.py", line 947, in __init__
File "/usr/lib/python3.5/subprocess.py", line 1490, in _execute_child
File "/usr/lib/python3.5/concurrent/futures/thread.py", line 55, in run
Exiting because a job execution failed. Look above for error message
Will exit after finishing currently running jobs.
Exiting because a job execution failed. Look above for error message
Подскажите, пожалуйста, в чем проблема со скриптом? Я пытаюсь найти проблему с сегодняшнего утра и, кажется, не могу ее понять. Любая помощь горячо приветствуется. Заранее спасибо.
ИЗМЕНИТЬ 1:
Прочитав больше об отзывах от @bli и @Johannes, я зашел так далеко:
import re, os, subprocess, bz2, multiprocessing
from os.path import join
from contextlib import closing
WDIR = "/home/alaa/Documents/snakemake"
workdir: WDIR
SAMPLESDIR = "fastq/"
REF = "/home/alaa/Documents/inputs/reference/hg19_ref_genome.fa"
FILE_FASTQ = glob_wildcards("fastq/{samples, NG-8653_\d+[a-zA-Z]+_.+}")
LIST_FILE_SAMPLES = []
for x in FILE_FASTQ[0]:
LIST_FILE_SAMPLES.append("_".join(x.split("_")[0:5]))
LIST_FILE_SAMPLES = sorted(LIST_FILE_SAMPLES)
print(LIST_FILE_SAMPLES)
rule final:
input:
expand('bam/' + '{sample}.bam', sample = LIST_FILE_SAMPLES)
rule bunzip_fastq:
input:
r1 = SAMPLESDIR + '{sample}_1.fastq.bz2',
r2 = SAMPLESDIR + '{sample}_2.fastq.bz2'
output:
o1 = SAMPLESDIR + '{sample}_r1.fastq.gz',
o2 = SAMPLESDIR + '{sample}_r2.fastq.gz'
shell:
"""
bunzip2 -kc < {input.r1} | gzip -c > {output.o1}
bunzip2 -kc < {input.r2} | gzip -c > {output.o2}
"""
rule fastq_to_bam:
input:
r1 = SAMPLESDIR + '{sample}_r1.fastq.gz',
r2 = SAMPLESDIR + '{sample}_r2.fastq.gz',
ref = REF
output:
'bam/' + '{sample}.bam'
shell:
"""
bwa mem {input.ref} {input.r1} {input.r2} | samtools -b > {output}
"""
Большое спасибо за вашу помощь! Думаю, с этого момента я смогу справиться.
С уважением, Алаа
subprocess
. Затем вы делаете выходные данные этого правила входными данными вашего правила сопоставления (и удаляете цикл и вместо этого используете подстановочные знаки). - person bli   schedule 11.04.2017