Memproses data genom menggunakan Cloud Life Sciences

Memproses data genom menggunakan Cloud Life Sciences

Tips: Menggunakan spesifikasi alur kerja tingkat lebih tinggi dapat menyederhanakan implementasi dan pengelolaan Cloud Life Sciences API. Lihat Tutorial untuk mengetahui contoh spesifikasi alur kerja yang telah terintegrasi dengan Cloud Life Sciences API.

Halaman ini menjelaskan cara menjalankan pipeline genomik yang menggunakan Cloud Life Sciences API untuk membuat file indeks (file BAI) dari file biner yang berisi urutan DNA (file BAM).

File BAM biasanya berukuran besar dan dapat memakan waktu lama untuk dibaca menggunakan penampil genom. Gunakan file BAI untuk menemukan bagian file BAM yang berisi posisi genom yang Anda minati.

Sebelum memulai

1. Login ke akun Google Cloud Anda. Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.

2. Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.

   Catatan: Jika tidak berencana untuk menyimpan resource yang Anda buat dalam prosedur ini, buatlah project, bukan memilih project yang ada. Setelah menyelesaikan langkah ini, Anda dapat menghapus project, yang menghapus semua resource yang terkait dengan project ini.

   Buka pemilih project

3. Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.

4. Aktifkan API Cloud Life Sciences, Compute Engine, and Cloud Storage JSON.

   Mengaktifkan API

5. Menginstal Google Cloud CLI.

6. Untuk initialize gcloud CLI, jalankan perintah berikut:

   gcloud init

7. Di konsol Google Cloud, pada halaman pemilih project, pilih atau buat project Google Cloud.

   Catatan: Jika tidak berencana untuk menyimpan resource yang Anda buat dalam prosedur ini, buatlah project, bukan memilih project yang ada. Setelah menyelesaikan langkah ini, Anda dapat menghapus project, yang menghapus semua resource yang terkait dengan project ini.

   Buka pemilih project

8. Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.

9. Aktifkan API Cloud Life Sciences, Compute Engine, and Cloud Storage JSON.

   Mengaktifkan API

10. Menginstal Google Cloud CLI.

11. Untuk initialize gcloud CLI, jalankan perintah berikut:

    gcloud init

Atau, Anda dapat menggunakan Cloud Shell, yang sudah dilengkapi dengan gcloud CLI.

12. Instal Python 3.8.

    Jika Anda menggunakan Windows dan membiarkan kotak centang yang relevan dipilih saat menginstal Google Cloud CLI, proses ini terjadi secara otomatis.

Catatan: Jika Anda menggunakan Cloud Shell atau instance Compute Engine, Python dan gsutil sudah diinstal dan diautentikasi. Jika instance Compute Engine Anda disiapkan tanpa cakupan akun layanan ke Cloud Life Sciences, jalankan gsutil config dan ikuti petunjuknya.

Catatan: Jika Anda menggunakan Windows dan tidak menginstal gsutil sebagai bagian dari gcloud CLI, Anda perlu mengawali setiap perintah gsutil dengan python (misalnya, python gsutil mb gs://life-sciences-bucket). Untuk informasi selengkapnya, lihat FAQ Python di Windows.

Menjalankan pipeline

Untuk menjalankan pipeline, selesaikan langkah-langkah berikut:

1. Buat bucket tempat Anda menyimpan file BAI. Bucket adalah container dasar yang menyimpan data Anda di Cloud Storage. Untuk membuat bucket bernama PROJECT_ID-life-sciences, jalankan perintah gsutil mb:

   gsutil mb gs://PROJECT_ID-life-sciences

   Ganti PROJECT_ID dengan ID project Google Cloud Anda. Anda harus menggunakan nama bucket yang unik secara global.

   Lihat persyaratan penamaan bucket.

   • Nama bucket hanya boleh berisi huruf kecil, karakter numerik, tanda pisah (-), dan garis bawah (_). Spasi tidak diizinkan.
   • Nama bucket harus diawali dan diakhiri dengan angka atau huruf.
   • Nama bucket harus berisi 3-63 karakter. Nama yang mengandung titik dapat berisi hingga 222 karakter, tetapi masing-masing komponen yang dipisahkan titik dapat berisi lebih dari 63 karakter.
   • Nama bucket tidak dapat direpresentasikan sebagai alamat IP dalam notasi desimal bertitik (misalnya, 192.168.5.4).
   • Nama bucket tidak boleh dimulai dengan awalan "goog".
   • Nama bucket tidak boleh berisi "google" atau kesalahan ejaan yang menyerupainya, seperti "g00gle".
   Perhatian: Jangan sertakan informasi sensitif di nama bucket, karena namespace bucket bersifat global dan dapat dilihat publik.

   Jika berhasil, perintah menampilkan hal berikut:

   Creating gs://PROJECT_ID-life-sciences

2. Untuk memulai pipeline, jalankan perintah 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

   Jika berhasil, perintah menampilkan hal berikut:

   Running [projects/PROJECT_ID/operations/OPERATION_ID]

   Catat OPERATION_ID, yang Anda gunakan di langkah berikutnya.

3. Untuk melacak status pipeline, jalankan perintah gcloud beta lifesciences operations wait. Ganti OPERATION_ID dengan nilai yang dicetak pada langkah sebelumnya. Proses pipeline memerlukan waktu beberapa menit.

   gcloud beta lifesciences operations wait OPERATION_ID

   Setelah operasi selesai, pesan berikut akan ditampilkan:

   Waiting for [projects/PROJECT_ID/operations/OPERATION_ID]...done.

4. Untuk memverifikasi bahwa file BAI sudah dibuat, jalankan perintah gsutil ls:

   gsutil ls gs://PROJECT_ID-life-sciences

   Jika berhasil, perintah menampilkan hal berikut:

   gs://PROJECT_ID-life-sciences/NA12878.chr20.sample.bam.bai

Anda telah menjalankan pipeline menggunakan Cloud Life Sciences API untuk membuat file BAI dari file BAM. Gunakan penampil genom untuk memeriksa file BAM NA12878.chr20.sample.bam menggunakan file indeks NA12878.chr20.sample.bam.bai.

Pembersihan

Agar akun Google Cloud Anda tidak dikenakan biaya untuk resource yang digunakan pada halaman ini, ikuti langkah-langkah berikut.

Hapus file BAI

Untuk menghapus file BAI yang dihasilkan, tetapi mempertahankan project dan bucket yang Anda buat, jalankan perintah gsutil rm:

gsutil rm PROJECT_ID-life-sciences/NA12878.chr20.sample.bam.bai

Menghapus bucket

Jika Anda membuat bucket khusus untuk panduan memulai ini dan tidak lagi memerlukannya, tetapi ingin mempertahankan project Anda, hapus bucket menggunakan perintah gsutil rb. Menghapus bucket juga akan menghapus file BAI yang dihasilkan.

gsutil rb gs://PROJECT_ID-life-sciences

Menghapus project

Jika Anda membuat project khusus untuk panduan memulai ini dan tidak lagi memerlukannya, Anda dapat menghapus project tersebut. Jika project dihapus, file BAI dan bucket Cloud Storage juga akan dihapus.

Perhatian: Menghapus project memiliki efek berikut:

• Semua hal dalam project akan dihapus. Jika menggunakan project yang sudah ada untuk tugas dalam dokumen ini, saat Anda menghapusnya, pekerjaan lain yang telah Anda lakukan dalam project tersebut juga akan terhapus.
• Project ID kustom hilang. Saat membuat project ini, Anda mungkin telah membuat project ID kustom yang ingin digunakan di masa mendatang. Untuk mempertahankan URL yang menggunakan project ID, seperti URL appspot.com, hapus resource yang dipilih di dalam project, bukan menghapus seluruh project.

Jika Anda berencana mempelajari berbagai arsitektur, tutorial, atau panduan memulai, menggunakan kembali project dapat membantu agar Anda tidak melampaui batas kuota project.

1. Di konsol Google Cloud, buka halaman Manage resource.

   Buka Manage resource

2. Pada daftar project, pilih project yang ingin Anda hapus, lalu klik Delete.
3. Pada dialog, ketik project ID, lalu klik Shut down untuk menghapus project.

Bagaimana hasilnya?

Berhasil!

Bagus! Apa yang Anda sukai dari panduan ini? Hal apa saja yang sebaiknya kami tingkatkan? Beri tahu kami!.

Saya terjebak.

Mohon maaf atas ketidaknyamanan ini. Beri tahu kami masalahnya. Kami akan memperbaikinya

Langkah selanjutnya

• Pelajari set data publik Cloud Life Sciences API lebih lanjut.
• Pelajari cara memuat data varian ke Cloud Storage atau BigQuery.
• Pelajari cara menganalisis varian dengan BigQuery.