seqWorkflows/preprocessPE at main · natmurad/seqWorkflows · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
###############################################################################
##########################          CONFIG          ###########################
###############################################################################
import os

CONFIGFILE = os.environ.get("SEQWORKFLOWS_CONFIG", "config/configPreprocessPE.yaml")

configfile: CONFIGFILE

SEQWORKFLOWS_CONTAINER = config.get(
    "container",
    os.environ.get("SEQWORKFLOWS_CONTAINER", "docker://ghcr.io/natmurad/seqworkflows:1.0.0"),
)

###############################################################################
########################          LIBRARIES          ##########################
###############################################################################
import shutil
import time

start = time.time()

wildcard_constraints:
    lane=".*",
    reads=".*"

###############################################################################
######################          SET VARIABLES          ########################
###############################################################################
THREADS = config["threads"]

STEP_QC = config["step_qC"] # quality control
STEP_MAP = config["step_map"] # indexing and mapping
STEP_COUNTS = config["step_counts"] # quantify counts

SAMPLES = config["samples"].split() # sample files
#SRALIST = config["sralist"]
LANE = str(config.get("lane") or "")
FQ = config["fq"]
READS = str(config.get("reads") or "")
ADAPTERS = config["adapters"]        # adapters sequences
REF_GENOME = config["ref_genome"]
GTF_FILE = config["gtf_file"]
GTF_GFF = config["gtf_gff"]
PREF = config["prefix_ref"]
STRANDEDNESS = config.get("strandedness", config.get("strandness", "reverse"))
RSEM_FORWARD_PROB = {
    "unstranded": "0.5",
    "forward": "1",
    "reverse": "0",
}

if STRANDEDNESS not in RSEM_FORWARD_PROB:
    raise ValueError(
        f"Invalid strandedness '{STRANDEDNESS}'. Use one of: "
        f"{', '.join(RSEM_FORWARD_PROB)}"
    )

RSEM_FORWARD_PROB_VALUE = RSEM_FORWARD_PROB[STRANDEDNESS]

INPUTDIR = config["raw_data_dir"]    #  /home/dataset/raw_data - fastq reads
DIR = config["base_dir"]             # /home/user/
TRIMMEDDIR = config["trimmed_dir"]   # /home/dataset/trimmed
STARINDEXDIR = config['rsemprepref'] # /home/dataset/reference
RSEMPREPREF = config['rsemprepref']  # /home/dataset/reference

OUT_STEP_QC = os.path.join(DIR, STEP_QC) # /home/dataset/qC
OUT_STEP_MAP = os.path.join(DIR, STEP_MAP) # /home/dataset/map
OUT_STEP_COUNTS = os.path.join(DIR, STEP_COUNTS) # /home/dataset/counts

###############################################################################
#########################          RULE ALL          ##########################
###############################################################################
rule all:
    input:
    ###------ QUALITY CONTROL ------###
#     fastqc output before trimming
        fastq_html = expand("{out_dir_name}fastqcRaw/{sample}{lane}_{reads}1_fastqc.html", out_dir_name=OUT_STEP_QC, sample=SAMPLES, lane=LANE, reads=READS),
        fastq_html2 = expand("{out_dir_name}fastqcRaw/{sample}{lane}_{reads}2_fastqc.html", out_dir_name=OUT_STEP_QC, sample=SAMPLES, lane=LANE, reads=READS),
    # fastqc output after trimming
        trimmed = expand("{trim_dir}{sample}{lane}_{reads}1_trimmed.fq.gz", trim_dir = TRIMMEDDIR, sample=SAMPLES, lane=LANE, reads=READS),
        html_trim = expand("{out_dir_name}fastqcTrim/{sample}{lane}_{reads}1_trimmed2_fastqc.html", out_dir_name=OUT_STEP_QC, sample=SAMPLES, lane=LANE, reads=READS),
        trimmed2 = expand("{trim_dir}{sample}{lane}_{reads}2_trimmed.fq.gz", trim_dir = TRIMMEDDIR, sample=SAMPLES, lane=LANE, reads=READS),
        html_trim2 = expand("{out_dir_name}fastqcTrim/{sample}{lane}_{reads}2_trimmed2_fastqc.html", out_dir_name=OUT_STEP_QC, sample=SAMPLES, lane=LANE, reads=READS),
    # merged reports before trimming
        raw_html = f"{OUT_STEP_QC}fastqcRaw/multiqc_report.html",
    # merged reports after trimming
        trim_html = f"{OUT_STEP_QC}fastqcTrim/multiqc_report.html",
    ###------ PREPARE REFERENCE ------###
    # reference for alignments
        rsemref = f"{RSEMPREPREF}{PREF}.seq",
    ###------ MAPPING ------###
    # star align
        reads_map = expand("{out_dir}{sample}{lane}_{reads}Aligned.sortedByCoord.out.bam", out_dir = OUT_STEP_MAP, sample=SAMPLES, lane=LANE, reads=READS),
    ###------ COUNT MATRIX ------###
    # rsem
        counts = expand("{out_dir}{sample}{lane}_{reads}.genes.results", out_dir = OUT_STEP_COUNTS,  sample=SAMPLES, lane=LANE, reads=READS),


###############################################################################
###########################          RULES          ###########################
###############################################################################

#>>>>>>>>>>>>>>------           QUALITY CONTROL        --------<<<<<<<<<<<<<<<<
###############################################################################
#################          QUALITY REPORT RAW DATA          ###################
###############################################################################
include:	"rules/PE/fastqcRAW.smk"

###############################################################################
#########################          TRIMMING          ##########################
###############################################################################
include:	"rules/PE/trimmomatic.smk"

###############################################################################
#########################          FASTP             ##########################
###############################################################################
include:	"rules/PE/fastp.smk"

###############################################################################
###############          QUALITY REPORT TRIMMED DATA          #################
###############################################################################
include:	"rules/PE/fastqcTRIM.smk"

###############################################################################
######################          MERGE REPORTS          ########################
###############################################################################
include:	"rules/PE/multiqc.smk"

#>>>>>>>>>>>>>>------          MAPPING TO REFERENCE    --------<<<<<<<<<<<<<<<<
###############################################################################
###################        RSEM PREPARE REFERENCE        ######################
###############################################################################
include:	"rules/BOTH/rsemref.smk"

###############################################################################
######################          STAR MAPPING           ########################
###############################################################################
include:	"rules/PE/starmap.smk"

#>>>>>>>>>>>>>>------           COUNT MATRIX           --------<<<<<<<<<<<<<<<<
###############################################################################
######################          RSEM COUNTS            ########################
###############################################################################
include:	"rules/PE/rsemcounts.smk"

onsuccess:
    print("\n\n#######################################################\n")
    print("########------ PREPROCESSING FINISHED! ------##########\n")
    print("#######################################################\n")
    print("\n\nRunning time in minutes: %s\n" % round((time.time() - start)/60,1))