MD任务与“蛇形制造”`

Question

我想为分子动力学模拟创建一个非常简单的管道。该程序（琥珀色）只需要3个文件作为输入，并产生了很多文件，其中一些我将需要在未来。因此，我的管道非常简单：

1. 检查*.in、*.prmtop和*.rst是否在文件夹中（我保证这些扩展名中只有一个文件），并在这些文件不存在时发出警告
2. 运行shell命令（基于所有输入文件的名称）
3. 检查是否产生了*.out、mden、mdinfo和*.nc

就这些。这是我处理项目的标准方法。一个文件夹，一个任务，基于文件目的而非内容的简短文件名

我写了一句简单的台词：

rule all:
    input: '{inp}.out'

rule amber:
    input:
        '{inp}.in',
        '{top}.prmtop',
        '{coord}.rst'
    output:
        '{inp}.out',
        'mden',
        'mdinfo',
        '{inp}.nc'
    shell:
        'pmemd.cuda'
        ' -O'
        ' -i {inp}.in'
        ' -o {inp}.out'
        ' -p {top}.prmtop'
        ' -c {coord}.rst'
        ' -r {inp}.rst'
        ' -x {inp}.nc'
        ' -ref {coord}.rst'

但它不起作用

1. all规则中的所有输入必须是显式的。（为什么？为什么不能是regex或通配符表达式？如果我在文件夹中看到*.out，并且shell脚本的状态代码是0，就这样，工作完成了）
2. 我必须在output中使用来自input的所有通配符，但我只想在shell或其他规则中使用一些通配符
3. 我不能期望像mden这样的文件具有潜在的“非唯一”名称，因为它可能会随着另一个任务而改变，但我知道，它将只是一个任务，这是我的MD程序工作的直接方式（是的，我知道Ambers的-e和-inf键，但这已经超过了简单任务的复杂性）

因此，我想决定是否值得为此使用snakemake。这是一项非常简单的任务，但我已经花了几个小时，我看到了很多文档，很多例子，我无法应用到我的案例中snakemake看起来正是我所需要的，但我不能用这个框架来表达一般意义上的简单任务，我不想指定显式的文件名，因为我会失去灵活性，我想自动运行数百个简单任务，只有输入文件会有所不同。我确信我还没有弄明白如何处理这个框架。也许你能告诉我该怎么做？谢谢大家!

Answer 1

希望这将把你带向正确的方向

如果我理解正确，snakemake的输入是一个文件夹，其中包含amber的输入文件。您知道此文件夹包含一个.in文件、一个.prmtop文件和一个.rst文件，但您不知道这些文件的全名

如果您希望snakemake在单个输入文件夹上运行，那么您根本不需要通配符，下面的脚本就可以了

import glob
import os

input_folder = config['amber_folder']

# We don't know the name of input file. We only know it ends in '.in'
inp = glob.glob(os.path.join(input_folder, '*.in'))
assert len(inp) == 1
inp = inp[0]

name = os.path.splitext(os.path.basename(inp))[0]
output_folder = name + '_results'

out = os.path.join(output_folder, name + '.out')

rule all:
    input:
        out

rule amber:
    input:
        inp= inp,
        top= glob.glob(os.path.join(input_folder, '*.prmtop')),
        rst= glob.glob(os.path.join(input_folder, '*.rst')),
    output:
        out= out,
        nc= os.path.join(output_folder, name + '.nc'),
        mden= os.path.join(output_folder, 'mden'),
        mdinfo= os.path.join(output_folder, 'mdinfo'),
    shell:
        r"""
        pmemd.cuda \
         -O \
         -i {input.inp} \
         -o {output.out} \
         -p {input.top} \
         -c {input.rst} \
         -r {input.rst} \
         -x {output.nc} \
         -ref {input.rst}
        """

执行时：

snakemake -j 1 -C amber_folder='your-input-folder'

如果您有许多输入文件夹，您可以编写for循环来执行上面的命令，但最好是将输入列表传递给snakemake并让它处理它们