Este flujo de trabajo realiza la identificación de variantes germinales a partir de archivos de secuenciación masiva en formato FASTQ.
Este flujo de trabajo se ejecuta como prueba de calidad previa a cualquier flujo de análisis solicitado.
- Archivos de secuenciación FASTQ (este flujo está diseñado únicamente para datos Illumina paired-end).
Los archivos que necesitas se describen en el apartado "Solicitud de servicio".
Antes de correr este pipeline asegúrate de contar con las siguientes herramientas y archivos:
-
Clonar el repositorio principal siguiendo las instrucciones:
git clone https://github.com/INMEGEN/Pipelines_INMEGEN.git -
Verifica si tienes las siguientes herramientas informáticas:
-
Asegurarse de contar con los siguientes archivos, necesarios para el pipeline:
- Referencias de Fastq Screen
Para mayor información consulta el manual de Fastq Screen.
Para correr este flujo de trabajo sigue las siguientes instrucciones:
-
Completar el archivo sample_info.tsv con la información que se describe en la sección - Formato del archivo sample_info -
-
Editar el archivo de nextflow.config con la siguiente información:
- Ruta del directorio de salida de nextflow (params.outdir)
- Ruta del archivo sample_info.tsv (params.sample_info)
- Nombre del proyecto (params.project_name)
- Ruta absoluta de la ubicación de las referencias de Fastq Screen (params.refdir)
- Número de núcleos que utilizarán los procesos multi-threading (params.ncrs)
- En los parámetros para docker, se puede modificar el apartado runOptions la opción --cpus = Número máximo de núcleos por proceso.
- En los parámetros de Nextflow (executor) solo se puede cambiar la opción queueSize = Número máximo de procesos que se ejecutarán de forma simultánea
NOTA: El número máximo de procesadores que utilizará tu corrida es: cpus * queueSize. Esto aplica en el caso de los procesos que permitan multi-threading.
NOTA: Si ncrsr es mayor que cpus, los procesos multi-threading utilizarán un número máximo de núcleos igual a cpus.
NOTA: Los archivos sample_info.tsv y nextflow.config deben encontrarse en el mismo directorio que el archivo main.nf
Para opciones de configuración específicas para tu servidor o cluster puedes consultar la siguiente liga
-
Ejecutar el comando:
bash run_nextflow.sh /path/to/out/dir
El archivo sample_info.tsv ubicado en la carpeta Fastq-QC es indispensable y debe incluir la siguiente información por columna.
- Sample = Nombre de la muestra secuenciada. Se recomienda el formato [identificador_numeroDeMuestra]
- R1 = Ruta absoluta del archivo fastq R1 (forward)
- R2 = Ruta absoluta del archivo fastq R2 (reverse)
Recuerda:
- Utilizar letras de la A a la Z (mayúsculas y minúsculas sin acentos)
- No utilizar la letra "ñ"
- Si es absolutamente necesario, puedes emplear los siguientes caracteres especiales (guión -, guión bajo _, punto .)
- No están permitidos los espacios
A continuación, se muestran algunos ejemplos de cómo se rellenar el contenido del archivo sample_info.tsv.
Ejemplo 1. Si cuentas con muestras con multiples carriles (lanes), debes de incorporar el número de lane al nombre de la muestra:
Sample R1 R2
ID_S1_L002 Path/to/fastq_S001_L001_R1.fq Path/to/fastq_S001_L001_R2.fq
ID_S1_L002 Path/to/fastq_S001_L002_R1.fq Path/to/fastq_S001_L002_R2.fq
Ejemplo 2. Si cientas con muestras con un sólo lane.
Sample R1 R2
ID_S1 Path/to/fastq_R1.fq.gz Path/to/fastq_R2.fq.gz
ID_S2 Path/to/fastq_R1.fq.gz Path/to/fastq_R2.fq.gz
Como se observa no es necesario que el Sample_name coincida con el nombre del archivo que se encuentra en los campos R1 y R2.
NOTA IMPORTANTE: Recuerda cada columna del archivo sample_info DEBE estar separada por tabulador (\t) y el encabezado debe de conservarse exactamente igual al archivo muestra sample_info.tsv.
- FastQC (0.11.9)
- FastQ Sreen (4.2.6.1)
- MultiQC (1.11)
