最小注释工作流与Snakemake恢复

更新：2026-10-14；状态：可用；验证范围：人工基因案例与实际工具输出核对；具体已测范围见正文。

把人工注释案例写成依赖图，并实际检查首次运行、无变化重跑和缺失交付表恢复。

环境与首次运行

先完成人工基因贯通区间注释与后果提取的Java、SnpEff和bedtools准备。另建Python环境安装Snakemake；Linux/macOS或WSL在项目根目录运行：

python3 -m venv .venv-workflow
.venv-workflow/bin/python -m pip install snakemake==9.27.0
export SNPEFF_JAR="/你的实际绝对路径/snpEff.jar"
.venv-workflow/bin/snakemake   --snakefile examples/workflows/annotation/Snakefile   --configfile examples/workflows/annotation/config.yaml   --directory examples/output/annotation-workflow --cores 1

本机Python3.14.8/Snakemake9.27.0已实际运行；其他Python版本需核对该release要求。Python环境不会自动安装Java或bedtools。非PATH工具设置BEDTOOLS_BIN/JAVA_BIN，配置output默认results。

依赖与交付

flowchart LR
    F["FASTA / GFF / CDS / protein"] --> B["build_database"]
    B --> A["annotate"]
    V["VCF"] --> A
    F --> I["intervals"]
    V --> I
    A --> R["report"]
    I --> R

all显式要求summary、注释VCF、后果表和区间交付表。数据库与区间结果可独立复用。输入、代码和工具资源在规则中声明，报告另核对输入及数据库SHA，拒绝混合新旧阶段结果。

自动验证恢复

使用一个尚不存在的目录运行验证器，避免删除已有项目结果：

.venv-workflow/bin/python examples/validate_annotation_workflow.py   --snakemake .venv-workflow/bin/snakemake   --workdir examples/output/workflow-check-new

验证器首次运行5个规则（4计算+all），第二次无任务且输出时间戳不变，再仅删除该新目录里的生成表consequences.tsv。第三次只执行annotate、report和all，恢复表SHA相同，数据库和区间结果时间戳不变。已有验证目录会拒绝运行，下次换新目录。

本轮验证目录不同于上方手工运行目录，两者结果独立。公开validation.json记录实际结果；源码在examples/workflows/annotation。

失败时保留什么

保存Snakemake日志、规则命令、配置和输入校验值。不要因为最终报告存在就认为所有表都在；必须把需要交付的文件列为目标。本例未验证强制中断、集群或云端恢复，工作流系统也不能替代生物学检查。继续读Snakemake规则配置与断点续跑。