错误的snakemake glob_wilcards 和 wildcard_constraints

在我的 Snakemake 管道中，我试图检索正确的通配符。我研究过 wildcard_constraints 和这个帖子 https://stackoverflow.com/questions/66882849/snakemake-how-to-use-glob-wilcards-properly and 这个帖子 https://stackoverflow.com/questions/46856698/cant-get-this-regex-to-work-for-wildcard-constraints-in-snakemake，但是我无法找出确切的解决方案。

以下是 2 个数据集中的文件名示例。 1 个数据集包含配对的小鼠 RNAseq 读取文件，另一个数据集包含人类配对的 RNAseq 读取文件。

“Mus_musculus”数据集为“PRJNA362883_GSE93946_SRP097621”，文件名：

“SRR5195524_GSM2465521_KrasT_45649_NoDox_Mus_musculus_RNA-Seq_1.fastq.gz” “SRR5195524_GSM2465521_KrasT_45649_NoDox_Mus_musculus_RNA-Seq_2.fastq.gz”

“Homo_sapiens”数据集为“PRJNA362883_GSE93946_SRP097621”，文件名：

“SRR7942395_GSM3406786_sAML_Control_1_Homo_sapiens_RNA-Seq_1.fastq.gz” “SRR7942395_GSM3406786_sAML_Control_1_Homo_sapiens_RNA-Seq_2.fastq.gz”

我希望 glob_wildcards 吐出以下通配符

> ['PRJNA362883_GSE93946_SRP097621', 'PRJNA362883_GSE93946_SRP097621',
> 'PRJNA493818_GSE120639_SRP162872', 'PRJNA493818_GSE120639_SRP162872']
> ['SRR5195524_GSM2465521_KrasT_45649_NoDox',
> 'SRR5195524_GSM2465521_KrasT_45649_NoDox',
> 'SRR7942395_GSM3406786_sAML_Control_1',
> 'SRR7942395_GSM3406786_sAML_Control_1'] ['Mus_musculus', 'Mus_musculus',
> 'Homo_sapiens', 'Homo_sapiens'] ['1', '2', '1', '2']

我尝试过以下代码：

> import glob import os
> 
> DATASET,SAMPLE,SPECIES,FRR,
> =glob_wildcards(config["project_path"]+"resources/raw_datasets/{dataset}/{sample}_{species}_RNA-Seq_{frr}.fastq.gz")
> print(DATASET,SAMPLE,SPECIES,FRR)

但是，我得到了这个作为输出。许多下划线弄乱了 glob_wildcards

> ['PRJNA362883_GSE93946_SRP097621', 'PRJNA362883_GSE93946_SRP097621',
> 'PRJNA493818_GSE120639_SRP162872', 'PRJNA493818_GSE120639_SRP162872']
> ['SRR5195524_GSM2465521_KrasT_45649_NoDox_Mus',
> 'SRR5195524_GSM2465521_KrasT_45649_NoDox_Mus',
> 'SRR7942395_GSM3406786_sAML_Control_1_Homo',
> 'SRR7942395_GSM3406786_sAML_Control_1_Homo'] ['musculus', 'musculus',
> 'sapiens', 'sapiens'] ['1', '2', '1', '2']

例如，我尝试了这个，但输出保持不变： 通配符约束：物种 = '!(sapiens)'

谁能建议正确的代码来获得想要的通配符？提前致谢！

如果适合您的情况，最好准备一个样本表或 yaml 文件来指示每个文件的特征（例如物种、数据集等）。然后使用 python 代码（例如使用 pandas）提取通配符值并引导管道。

在我看来，从文件名中提取信息很脆弱，除非名称是在管道中创建的并且您可以完全控制它们。