规则中的 shell 命令：从入门到实战

好，我们直接进入正题。Snakemake 的规则里，shell 指令是最常用的执行方式。说白了，你写一条命令行，Snakemake 就帮你跑一条。但这里头有不少门道，我先讲讲最基础的写法。

基础 shell 命令写法

最简单的规则，就是 input、output、shell 三件套。举个例子：

rule align_reads:
    input:
        "sample.fastq"
    output:
        "sample.sam"
    shell:
        "bwa mem reference.fasta {input} > {output}"

你看到没？{input} 和 {output} 是 Snakemake 内置的占位符。运行时它会自动替换成你定义的文件路径。我个人习惯把这种简单的命令直接写在 shell 块里，清晰明了。

字符串格式化：花括号里的学问

嗯，这里我们要细说 {} 的用法。Snakemake 在 shell 里支持 Python 的字符串格式化语法。你可以在花括号里写变量、属性，甚至函数调用。

我碰到过一个坑：文件名里带空格。直接写 {input} 会被 shell 解析成两个参数，命令就炸了。解决办法是用引号包裹：

rule bad_example:
    input:
        "my sample.fastq"
    output:
        "my sample.sam"
    shell:
        "bwa mem ref.fasta {input} > {output}"

# 正确写法：加双引号
rule good_example:
    input:
        "my sample.fastq"
    output:
        "my sample.sam"
    shell:
        "bwa mem ref.fasta \"{input}\" > \"{output}\""

说白了，Snakemake 不会帮你处理文件名里的特殊字符。你得自己考虑 shell 解释规则。我曾经因为这个 bug 排查了俩小时……嗯，后来学乖了，只要路径里有空格，一律加引号。

变量引用：不止是 input 和 output

Snakemake 在 shell 里可以引用很多变量。我给你列张表，都是我常用的：

注意，{params} 需要你在规则里定义 params 块。我最常用它来传一些程序参数，比如：

rule varscan_somatic:
    input:
        tumor="tumor.bam",
        normal="normal.bam"
    output:
        "somatic.vcf"
    params:
        min_coverage=10,
        min_var_freq=0.05
    shell:
        "varscan somatic {input.tumor} {input.normal} "
        "--min-coverage {params.min_coverage} "
        "--min-var-freq {params.min_var_freq} "
        "> {output}"

你想想看，把参数抽象出来放在 params 里，修改起来多方便。不用每改一次阈值就去翻 shell 命令。

多行 shell 命令：换行与续行

Shell 命令一长就不好看。Snakemake 允许你用 Python 的隐式字符串拼接来换行，或者直接用三引号 """。

# 方法一：括号内的隐式拼接
rule complex_pipeline:
    input:
        "input.bam"
    output:
        "output.vcf"
    shell:
        ("samtools view -bS {input} | "
         "samtools sort -@ {threads} - | "
         "freebayes -f ref.fasta - > {output}")

# 方法二：三引号（保持换行）
rule alternative:
    input:
        "input.bam"
    output:
        "output.vcf"
    shell:
        """
        samtools view -bS {input} |
        samtools sort -@ {threads} - |
        freebayes -f ref.fasta - > {output}
        """

我个人倾向于用三引号，因为能看到实际的管道结构。但要注意，三引号里的换行会被保留，命令执行时 shell 会逐条执行——除非你用了反斜杠 \ 续行。

shell 命令中的 Python 表达式

Snakemake 的 shell 块本质上是一个格式化字符串。你可以在花括号里写合法的 Python 表达式。比如需要根据输入文件名动态生成输出：

rule rename_by_date:
    input:
        "data_{date}.txt"
    output:
        "processed_{date}.csv"
    shell:
        "python process.py --today {wildcards.date} < {input} > {output}"

更骚的操作是直接写 lambda 或列表推导。不过，这个不常用。你如果真要这么写，建议放到 run 块里用 Python 控制，别在 shell 里玩花样，容易把自己绕晕。

避坑：关于变量作用域

对了，还有个坑。你在 shell 里引用的变量，必须是 Snakemake 能识别的名称。比如你不能直接写 {MY_ENV_VAR} 这样引用环境变量——Snakemake 会以为你想引用一个叫 MY_ENV_VAR 的变量，然后报 KeyError。

正确的做法是用 os.environ 读取，或者通过 params 传进来：

import os

rule use_env_var:
    output:
        "env_test.txt"
    params:
        my_var=os.environ.get("MY_VAR", "default_val")
    shell:
        "echo {params.my_var} > {output}"

记住：shell 块里的 {} 是 Snakemake 的格式化引擎处理的，不是 shell 的。你如果真想在 shell 里引用系统环境变量，用 $MY_VAR 或者 ${MY_VAR}，但别包在 Snakemake 的花括号里。

从 shell 到可复用的 Bash 命令集

最后，我分享个实践经验。当你一个 pipeline 里多次用到相同命令片段时，可以把它抽成 Bash 函数，在 shell 里调用：

rulegroup utility:
    shell:
        """
        function sort_bam() {
            local input=$1
            local output=$2
            samtools sort -@ {threads} -m 2G "$input" | samtools index - "$output"
        }
        """

rule call_variants:
    input:
        "aligned.bam"
    output:
        "sorted.bam"
    threads: 8
    shell:
        "sort_bam {input} {output}"

这种做法能让你的 Snakefile 像脚本库一样整洁。我常在大型项目里这么干，把常用操作（排序、去重、压缩）封装成函数，减少重复代码。

好了，shell 命令这块基本就这些。说白了就是一个规则：先搞清楚 {} 里能写什么、不能写什么，剩下的就是 shell 基本功了。

嗯，整个流程你看这张图就清楚了。从输入、参数、通配符，到格式化引擎拼接，最后交给 shell 执行。每个环节都有注意事项，但只要你照着上面的例子写，基本不会出大问题。