Procesa datos genómicos con Cloud Life Sciences
En esta página, se explica cómo ejecutar una canalización de genómica que utiliza la API de Cloud Life Sciences para crear un archivo de índice (archivo BAI) a partir de un archivo binario que contiene secuencias de ADN (archivo BAM).
Los archivos BAM suelen ser grandes y pueden tardar mucho tiempo en leerse con un visor de genomas. Usa un archivo BAI para ubicar las partes del archivo BAM que contienen la posición del genoma que te interesa.
Antes de comenzar
- Accede a tu cuenta de Google Cloud. Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Asegúrate de que la facturación esté habilitada para tu proyecto de Google Cloud.
-
Habilita las API de Cloud Life Sciences, Compute Engine, and Cloud Storage JSON.
- Instala Google Cloud CLI.
-
Para inicializar la CLI de gcloud, ejecuta el siguiente comando:
gcloud init
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Asegúrate de que la facturación esté habilitada para tu proyecto de Google Cloud.
-
Habilita las API de Cloud Life Sciences, Compute Engine, and Cloud Storage JSON.
- Instala Google Cloud CLI.
-
Para inicializar la CLI de gcloud, ejecuta el siguiente comando:
gcloud init
- Instala Python 3.8.
Si usas Windows y dejaste la casilla de verificación relevante seleccionada cuando instalaste Google Cloud CLI, esto se hizo automáticamente.
De manera alternativa, puedes usar Cloud Shell, que ya tiene instalada gcloud CLI.
Ejecuta la canalización
Para ejecutar la canalización, completa los siguientes pasos:
Crea un bucket en el que almacenes el archivo BAI. Los buckets son los contenedores básicos que conservan tus datos en Cloud Storage. Para crear un bucket llamado
PROJECT_ID-life-sciences
, ejecuta el comandogsutil mb
:gsutil mb gs://PROJECT_ID-life-sciences
Reemplaza PROJECT_ID por el ID del proyecto de Google Cloud. Debes usar un nombre de bucket único a nivel global.
Si se completa correctamente, el comando muestra lo siguiente:
Creating gs://PROJECT_ID-life-sciences
Para iniciar la canalización, ejecuta el comando
gcloud beta lifesciences pipelines run
:gcloud beta lifesciences pipelines run \ --regions us-east1 \ --command-line 'samtools index ${BAM} ${BAI}' \ --docker-image "gcr.io/cloud-lifesciences/samtools" \ --inputs BAM=gs://genomics-public-data/NA12878.chr20.sample.bam \ --outputs BAI=gs://PROJECT_ID-life-sciences/NA12878.chr20.sample.bam.bai
Si se completa correctamente, el comando muestra lo siguiente:
Running [projects/PROJECT_ID/operations/OPERATION_ID]
Toma nota del OPERATION_ID, que usarás en el siguiente paso.
Para realizar un seguimiento del estado de la canalización, ejecuta el comando
gcloud beta lifesciences operations wait
. Reemplaza OPERATION_ID por el valor impreso en el paso anterior. La canalización tarda unos minutos en finalizar.gcloud beta lifesciences operations wait OPERATION_ID
Después de que la operación finaliza, muestra el mensaje siguiente:
Waiting for [projects/PROJECT_ID/operations/OPERATION_ID]...done.
Para verificar que se generó el archivo BAI, ejecuta el comando
gsutil ls
:gsutil ls gs://PROJECT_ID-life-sciences
Si se completa correctamente, el comando muestra lo siguiente:
gs://PROJECT_ID-life-sciences/NA12878.chr20.sample.bam.bai
Ejecutaste una canalización con la API de Cloud Life Sciences para crear un archivo BAI a partir de un archivo BAM. Usa un lector de genomas para examinar el archivo BAM NA12878.chr20.sample.bam
con el archivo de índice NA12878.chr20.sample.bam.bai
.
Limpia
Sigue estos pasos para evitar que se apliquen cargos a tu cuenta de Google Cloud por los recursos que se usaron en esta página.
Borra el archivo BAI
Para borrar el archivo BAI generado, pero conservar el proyecto y el bucket que creaste, ejecuta el comando gsutil rm
:
gsutil rm PROJECT_ID-life-sciences/NA12878.chr20.sample.bam.bai
Borra el bucket
Si creaste el bucket específicamente para esta guía de inicio rápido y ya no lo necesitas, pero quieres conservar tu proyecto, borra el bucket con el comando gsutil rb
. Cuando se borra el bucket también se borra el archivo BAI generado.
gsutil rb gs://PROJECT_ID-life-sciences
Borra el proyecto
Si creaste el proyecto específicamente para esta guía de inicio rápido y ya no lo necesitas, puedes borrarlo. Cuando borras el proyecto, también se borra el archivo BAI y el bucket de Cloud Storage.
- En la consola de Google Cloud, ve a la página Administrar recursos.
- En la lista de proyectos, elige el proyecto que quieres borrar y haz clic en Borrar.
- En el diálogo, escribe el ID del proyecto y, luego, haz clic en Cerrar para borrar el proyecto.
¿Cómo fue?
¿Qué sigue?
- Obtén más información sobre los conjuntos de datos públicos de la API de Cloud Life Sciences.
- Obtén información sobre cómo cargar datos de variantes en Cloud Storage o BigQuery.
- Aprende a analizar variantes con BigQuery.