可以使用不同的路径/通配符定义snakemake输入规则吗

我想知道是否可以定义一个依赖于不同通配符的输入规则。

详细地说，我使用 qsub 在不同的 fastq 文件上运行这个 Snakemake 管道，它将每个作业提交到不同的节点：

1. 原始 fastq 上的 fastqc - 不依赖其他作业的下游
2. 适配器/质量修剪以生成修剪后的 fastq
3. fastqc_after 位于修剪后的 fastq（步骤 2 的输出）上，并且没有下游依赖性
4. 修剪后的 fastq 上的 star-rsem 管道（上面步骤 2 的输出）
5. rsem 和 tximport（步骤 4 的输出）
6. 运行多重QC

多QC-https://multiqc.info/ https://multiqc.info/- 在结果文件夹上运行，其中包含来自 fastqc、star、rsem 等的结果。但是，由于每个作业在不同的节点上运行，有时步骤 3（fastqc 和/或 fastqc_after）仍在节点上运行，而其他步骤完成运行（步骤 2、4 和 5）或反之亦然。

目前，我可以创建一个 MultiQc 规则，该规则等待步骤 2、4、5 的结果，因为它们通过输入/输出规则相互链接。

我已将我的管道以 png 格式附加到这篇文章中。任何建议都会有所帮助。

我需要什么：我想创建一个“整理”步骤，我希望 MultiQC 等待所有步骤（从 1 到 5）完成。换句话说，使用我附加的 png 作为指导，我想为 MultiQC 定义多个输入规则，这些规则也等待 fastqc 的结果

提前致谢。

Note: Based on comments I received from 'colin https://stackoverflow.com/users/251276/colin' and 'bli https://stackoverflow.com/users/1878788/bli' after my original post, I have shared the code for the different rules here.

步骤 1 - fastqc

rule fastqc:
    input:  "raw_fastq/{sample}.fastq"
    output: "results/fastqc/{sample}_fastqc.zip"
    log: "results/logs/fq_before/{sample}.fastqc.log"
    params: ...
    shell: ...

步骤 2 - bbduk

rule bbduk:
    input: R1 = "raw_fastq/{sample}.fastq"
    output: R1 = "results/bbduk/{sample}_trimmed.fastq",
    params: ...
    log: "results/logs/bbduk/{sample}.bbduk.log"
    priority:95
    shell: ....

步骤 3 - fastqc_after

rule fastqc_after:
    input:  "results/bbduk/{sample}_trimmed.fastq"
    output: "results/bbduk/{sample}_trimmed_fastqc.zip"
    log: "results/logs/fq_after/{sample}_trimmed.fastqc.log"
    priority: 70
    params: ...
    shell: ...

第 4 步 - 星形对齐

rule star_align:
    input: R1 = "results/bbduk/{sample}_trimmed.fastq"
    output:
        out_1 = "results/bam/{sample}_Aligned.toTranscriptome.out.bam",
        out_2 = "results/bam/{sample}_ReadsPerGene.out.tab"
    params: ...
    log: "results/logs/star/{sample}.star.log"
    priority:90
    shell: ...

步骤 5 - rsem_norm

rule rsem_norm:
    input:
        bam = "results/bam/{sample}_Aligned.toTranscriptome.out.bam"
    output:
        genes = "results/quant/{sample}.genes.results"
    params: ...
    threads = 16
    priority:85
    shell: ...

第 6 步 - rsem_model

rule rsem_model:
    input: "results/quant/{sample}.genes.results"
    output: "results/quant/{sample}_diagnostic.pdf"
    params: ...      
    shell: ...

步骤 7 - tximport rsem

rule tximport_rsem:
        input: expand("results/quant/{sample}_diagnostic.pdf",sample=samples)
        output: "results/rsem_tximport/RSEM_GeneLevel_Summarization.csv"
        shell: ...

第 8 步 - 多重QC

rule multiqc:
    input: expand("results/quant/{sample}.genes.results",sample=samples)
    output: "results/multiqc/project_QS_STAR_RSEM_trial.html"
    log: "results/log/multiqc"
    shell: ...

如果你想要统治multiqc仅在之后发生fastqc完成后，您可以添加输出fastqc的输入multiqc:

rule multiqc:
    input:
        expand("results/quant/{sample}.genes.results",sample=samples),
        expand("results/fastqc/{sample}_fastqc.zip", sample=samples)
    output: "results/multiqc/project_QS_STAR_RSEM_trial.html"
    log: "results/log/multiqc"
    shell: ...

或者，如果您需要能够引用的输出rsem_norm在你的shell部分：

rule multiqc:
    input:
        rsem_out = expand("results/quant/{sample}.genes.results",sample=samples),
        fastqc_out = expand("results/fastqc/{sample}_fastqc.zip", sample=samples)
    output: "results/multiqc/project_QS_STAR_RSEM_trial.html"
    log: "results/log/multiqc"
    shell: "... {input.rsem_out} ..."

在您的一篇评论中，您写道：

MultiQC 需要目录作为输入 - 我在 shell 命令中为其指定“结果”目录。

如果我理解正确的话，这意味着results/quant/{sample}.genes.results是目录，而不是普通文件。如果是这种情况，您应该确保没有下游规则在这些目录中写入文件。否则，目录将被视为在输出后已更新multiqc, and multiqc每次运行管道时都会重新运行。