78.《Bioinformatics Data Skills》之Make实现pipeline

如果你经常在Linux系统安装软件的话,对Make工具一定不会陌生,它会执行一个makefile脚本,通过一个非常复杂的过程来确保所有依赖满足条件。我们也可以编写makefile脚本来实现一些简单的pipeline。makefile采用声明式语句,每条语句包含目标先决条件命令三个部分。

  • 目标:即这条语句想要达成的最终目的
  • 先决条件:这条语句达到目的所依赖的文件
  • 命令:达到目的所要执行的命令

由于makefile的语言特色,它的执行逻辑并不是从上到下,而是会根据依赖条件进行跳转。

举个栗子

下载一个fasta文件并总结其碱基组分,我们可以编写包括如下内容的Makefile文件:

FASTA_LINK=http://bit.ly/egfr_flank ## 1

.PHONY: all clean ## 2

all: egfr_comp.txt ## 3

egfr_flank.fa:  ##4
    curl -L ${FASTA_LINK} > egfr_flank.fa 

egfr_comp.txt: egfr_flank.fa ## 5
    seqtk comp egfr_flank.fa > egfr_comp.txt 

clean: ##6
    rm -f egfr_flank.fa egfr_comp.txt

解释:

  1. 声明变量存放fasta链接,方便修改重用
  2. .PHONY为特殊的关键词,在先决条件部分声明all与clean为目标而非文件
  3. all为一个常用的目标名称,表示所有需要的结果,这里我们通过下载并操作egfr_flank.fa文件,得到最终的egfr_comp.txt,因此先决条件为存在egfr_comp.txt文件
  4. 以egfr_flank.fa文件的存在为目标,由于此文件由下载得到,不需要先决条件。这里采用curl命令下载(-L表示可以跟随链接跳转)
  5. 以egfr_comp.txt文件的存在为目标,需要下载好的egfr_flank.fa文件作为先决条件,采用seqtk comp命令进行碱基信息提取
  6. clean目标用于将目录恢复到make命令运行前状态

当我们调用make all命令时,make将会在当前目录下寻找Makefile文件并加载,从all目标开始执行,如下:

$ make all
curl -L http://bit.ly/egfr_flank > egfr_flank.fa
% Total % Received % Xferd Average Speed Time Time Time Current
Dload Upload Total Spent Left Speed
100 190 100 190 0 0 566 0 --:--:-- --:--:-- --:--:-- 567
100 1215 100 1215 0 0 529 0 0:00:02 0:00:02 --:--:-- 713
seqtk comp egfr_flank.fa > egfr_comp.txt

make非常厉害的特点在于它只会达成不存在或者修改过的目标,因此当我们再次运行命令,由于目标都已经达成将会出现如下的提示:

$ make all
make: Nothing to be done for `all'

这里更新一下egfr_flank.fa文件的时间,再次运行将会从中间步骤开始:

$ touch egfr_flank.fa
$ make all
seqtk comp egfr_flank.fa > egfr_comp.txt

最后,可以使用make clean命令删除所有生成的文件:

$ make clean
rm -f egfr_comp.txt egfr_flank.fa

Make语言非常复杂,这里只能提供一个基础的介绍用于完成简单的任务或工作流,想要了解更多的话可以参阅make说明文档

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容