rewrite snakefile, microorganisms selection

config.yaml

@@ -3,8 +3,9 @@ BACDIVE_USER: 'Robert.Bossy@inrae.fr'
 BACDIVE_PASSWORD_FILE: '.bacdive'
 
 
-# AlvisNLP binary
+# AlvisNLP and rewrite-taxonomy binaries
 ALVISNLP: '~/code/alvisnlp/.test/alvisnlp/bin/alvisnlp'
+REWRITE_TAXONOMY: '~/code/bibliome-java-utils/test/install/bin/rewrite-taxonomy'
 
 
 # NCBI Taxonomy files

cut-root.py

+#!/bin/env python3
+
+
+import sys
+import re
+
+ROOT_FILES = sys.argv[1:]
+ROOT_CANDIDATES = []
+for rf in ROOT_FILES:
+    with open(rf) as f:
+        r = f.read().strip()
+        ROOT_CANDIDATES.append((rf, r))
+
+ROOTS = []
+for rf1, r1 in ROOT_CANDIDATES:
+    accept = True
+    for rf2, r2 in ROOT_CANDIDATES:
+        if r1 == r2 and rf1 == rf2:
+            continue
+        if r1.startswith(r2 + '/'):
+            sys.stderr.write('%s excluded since it is subsumed by %s\n' % (rf1, rf2))
+            accept = False
+    if accept:
+        ROOTS.append(r1)
+
+PATTERN = re.compile(r'\t(?:' + '|'.join(ROOTS) + r')[/\t]')
+for line in sys.stdin:
+    m = PATTERN.search(line)
+    if m is not None:
+        sys.stdout.write(line)

microorganisms-roots/Alveolata

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:2698737/ncbi:33630

microorganisms-roots/Amoebozoa

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:554915

microorganisms-roots/Archaea

+/ncbi:1/ncbi:131567/ncbi:2157

microorganisms-roots/Bacteria

+/ncbi:1/ncbi:131567/ncbi:2

microorganisms-roots/Chlamydomonadales

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:33090/ncbi:3041/ncbi:2692248/ncbi:3166/ncbi:2812636/ncbi:3042

microorganisms-roots/Chlorella

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:33090/ncbi:3041/ncbi:2692248/ncbi:75966/ncbi:35460/ncbi:35461/ncbi:2511126/ncbi:3071

microorganisms-roots/Choanoflagellida

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:33154/ncbi:28009

microorganisms-roots/Cryptophyta

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:3027

microorganisms-roots/Desmidiales

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:33090/ncbi:35493/ncbi:131221/ncbi:131209/ncbi:2684882/ncbi:131210

microorganisms-roots/Diplomonadida

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:2611341/ncbi:207245/ncbi:5738

microorganisms-roots/Euglenozoa

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:2611352/ncbi:33682

microorganisms-roots/Fungi

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:33154/ncbi:4751

microorganisms-roots/Glaucocystophyceae

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:38254

microorganisms-roots/Haptophyta

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:2608109/ncbi:2830

microorganisms-roots/Ichthyosporea

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:33154/ncbi:127916

microorganisms-roots/Nematoda

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:33154/ncbi:33208/ncbi:6072/ncbi:33213/ncbi:33317/ncbi:1206794/ncbi:6231

microorganisms-roots/Oxymonadida

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:2611341/ncbi:2662611/ncbi:66288

microorganisms-roots/Parabasalia

+/ncbi:1/ncbi:131567/ncbi:2759/ncbi:2611341/ncbi:5719