前言
Hello大家好！我们又见面了！
大家在学习生信分析的时候往往会遇到这样的问题，面对成百上千的样本，跑着同样的流程，如果使用Linux shell或者Python写个分析的pipeline吧，开发时间太长，不灵活，等下一次稍微改变一些参数，或者是要对已有流程进行修改的时候，往往就会又变成了和bug的一场恶战。我们今天就是要给大家介绍一下Snakemake，在Snakemake的帮助下，我们可以快速搭建生物信息学分析流程。
举个例子
我们都知道ATAC-seq是探索染色体开放程度的一项非常重要的技术，比如我们要分析ATAC-seq的数据（注：ATAC-seq的原理请移步 ATAC-seq - Wikipedia），根据ENCODE的建议，ATAT-seq数据分析往往会分成下面几个步骤：
raw FASTQ cut adapter
mapping to the reference with aligner like bowtie2
sort alignment result (BAM files)
remove BAM file duplications
peak-calling with MACS2
如果有50个样品需要跑这样重复的流程，使用shell去写循环提交任务当然可以。但是在提交的时候，我们需要考虑前后生成文件的逻辑，需要考虑整体使用的CPU核心数目，需要考虑如果任务从中间断掉之后怎么去恢复之前的文件状态。还需要考虑，如果生成的文件不完整怎么办等等。此外，除去这些问题，下次我们再跑一个ChIP-seq的数据，虽然也是类似的流程，就需要再次重新构建一个pipeline，费事费力。
那么这个时候就需要请出我们今天的主角——Snakemake！
什么是Snakemake？
Snakemake是一款基于Python3的软件，在它的帮助下，我们不但可以快速搭建流程，还可以实现包括并不限于下列功能的流程控制：
1支持并行运算；
2支持断点运行；
3支持流程控制；
4支持内存控制；
5支持CPU核心控制；
6支持运行时间控制；
7支持向大型计算机集群提交任务；
8…… ……
同时，在Snakemake的帮助下，我们可以生成数据运行的网络拓扑图，就比如我们前文提到的ATAC-seq的数据分析。假设我们有2个重复的ATAC-seq的数据需要分析，那么使用Snakemake搭建出的流程就类似于：
在运行的时候，我们还可以自动生成运行逻辑拓扑图，如下图所示：
国内第2个Snakemake教学视频
为了方便大家的学习，我们为大家录制了Snakemake教学视频。必须要强调的是，国内第1个Snakemake教学视频是2017年由四川大学生物防治实验室的周冉老师录制的（https://www.bilibili.com/video/av15908415）我们这次重新录制主要是因为当时录制的时候，视频不是很清晰，有一些录制方面的问题。同时，当时的视频是以转录组分析为例子进行讲解的，我们这次是以ATAC-seq分析进行示范的。因此，两个视频配合使用，可以达到更好的效果。
此外，本次Snakemake教学内容，还包括了对conda环境创建及使用的简单介绍。
原创： MENG Howard 高通量测序技术
网友评论