基因组自动化组装

自动化组装流程基于snakemake进行

序列文件准备

设置工作目录为path，序列文件放在path/reads目录下，并按照如下格式进行重命名，每个样本的双端序列放在对应的文件夹中。

image

image

image

在序列文件比较多的时候，可以使用sort.py进行分类，自动将其放入对应的文件夹中。sort.py放在序列文件所在的目录下，运行即可。

#!/usr/bin/python3
import os
import shutil

# 获取当前工作目录
current_dir = os.getcwd()

# 遍历当前目录下的文件
for file in os.listdir(current_dir):
    if file.endswith(".fastq.gz"):
        prefix = file.split(".")[0]  # 获取文件名前缀
        if not os.path.exists(prefix):  # 如果文件夹不存在则创建
            os.makedirs(prefix)
        shutil.move(file, os.path.join(current_dir, prefix, file))  # 移动文件到对应文件夹

流程运行

根据样品序列的命名规则，修改SG_assembly.smk文件中的内容，需要修改rule fastp的input部分，使其与输入文件名称相匹配。

image

然后需要试运行流程，查看各个部分输入文件和输出文件能否正常衔接。试运行成功后即可正式开始流程。

# 试运行
snakemake -s SG_assembly.smk -np
# 正式运行
snakemake -s SG_assembly.smk -p -c 4

配置工作目录

所有在Snakefile中的路径都是相对于执行snakemake命令的目录解释的，因此在默认情况下，其他目录都需要与snakemake_file在同一个文件夹下。为了便于操作，也可指定工作目录运行，需要注意如下几点：

①工作目录下包含reads，results以及config文件夹，并对config.yaml进行修改，并修改序列文件所在的路径，该路径为对于工作目录的相对路径

samples_path: reads
unqualified: 10
read_length: 40

②工作流程中的snakemake_file以及scripts，modules，可保持在原位置不变，在该目录下运行SG_assembly.smk时程序仍然会在当前目录下读取这些文件。

③开始运行流程，通过-d 参数指定工作目录的绝对路径

# 试运行
snakemake -s SG_assembly.smk -np -d path
# 正式运行
snakemake -s SG_assembly.smk -p -c 4 -d path