首页
/ Snakemake中如何从指定规则重新运行流程并忽略上游依赖

Snakemake中如何从指定规则重新运行流程并忽略上游依赖

2025-07-01 16:04:54作者:温玫谨Lighthearted

在Snakemake工作流管理系统中,有时我们需要从某个特定规则重新运行流程,而不关心其上游依赖是否完整。这种需求常见于以下场景:上游规则生成了大型临时文件,这些文件在流程完成后已被删除,但我们希望仅重新执行下游规则。

问题背景

假设我们有一个典型的Snakemake工作流,包含四个规则a、b、c、d,其中每个规则的输出都是下一个规则的输入:

rule a → rule b → rule c → rule d

当我们需要重新运行rule d时,默认情况下Snakemake会检查整个依赖链,包括rule b的输出。但如果rule b生成了大型临时文件且已被删除,这种检查就会导致问题。

解决方案:使用ancient函数

Snakemake提供了ancient()函数来解决这个问题。该函数可以标记输入文件,告诉Snakemake忽略这些文件的时间戳检查,仅检查文件是否存在。

基本用法

对于简单的规则依赖,可以直接在输入文件前使用ancient()

rule d:
    input:  
        ancient("path/to/output/of/c")
    output: 
        "path/to/output/of/d"
    shell:  
        "..."

复杂场景:动态输入文件列表

当rule d的输入是通过函数动态生成的文件列表时,可以将整个列表包裹在ancient()中:

def get_lst_of_c_output(wildcards):
    smpl_list = sample_list[wildcards.tag]
    return expand("path/to/output/of/c/{smpl}.txt", smpl=smpl_list)

rule d:
    input:  
        ancient(get_lst_of_c_output)
    output: 
        "path/to/output/of/d"
    shell:  
        "..."

重要注意事项

  1. rule all的输入:确保rule all仅依赖于最终输出文件(如rule d的输出),而不是中间文件。如果rule all依赖于中间文件,Snakemake仍会尝试重建这些文件。

  2. 命令行参数:运行时需要添加--rerun-triggers mtime参数,确保Snakemake仅检查文件存在性而不检查时间戳。

  3. 文件存在性:虽然ancient()跳过了时间戳检查,但输入文件必须实际存在,否则会报错。

实际应用示例

以下是一个完整的工作示例,展示了如何正确使用ancient()

rule all:
    input:
        "d/output.txt"

rule a:
    output:
        "a/output.txt"
    shell:
        "echo a > {output}"

rule b:
    input:
        rules.a.output
    output:
        "b/output.txt"
    shell:
        "echo b > {output}"

rule c:
    input:
        rules.b.output
    output:
        "c/{smpl}.txt"
    shell:
        "echo c > {output}"

def get_lst_of_c_output(wildcards):
    return expand("c/{smpl}.txt", smpl=range(3))

rule d:
    input:
        ancient(get_lst_of_c_output)
    output:
        "d/output.txt"
    shell:
        "echo d > {output}"

在这个例子中,即使删除了rule b的输出文件,只要rule c的输出文件存在,就可以直接运行rule d:

snakemake --rerun-triggers mtime

总结

通过使用ancient()函数,我们可以灵活控制Snakemake工作流的执行方式,在需要时跳过对上游依赖的检查。这种方法特别适用于处理大型中间文件的场景,可以显著提高工作流的执行效率。记住要正确设置rule all的依赖关系,并添加必要的命令行参数,才能确保这一机制正常工作。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
506
42
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
940
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
335
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70