Guía de inicio rápido: Procesa datos genómicos con Cloud Life Sciences

Procesa datos genómicos mediante 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 llevar mucho tiempo en un lector de genomas. Usas un archivo BAI para ubicar las partes del archivo BAM que contienen la posición del genoma que te interesa.

Antes de comenzar

  1. 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.

  2. En la página del selector de proyectos de Google Cloud Console, selecciona o crea un proyecto de Google Cloud.

    Ir al selector de proyectos

  3. Comprueba que la facturación esté habilitada en tu proyecto.

    Descubre cómo puedes habilitar la facturación

  4. Habilita las API de Cloud Life Sciences, Compute Engine, and Cloud Storage JSON.

    Habilita las API

  5. Instala y, luego, inicializa Google Cloud CLI.

  6. En la página del selector de proyectos de Google Cloud Console, selecciona o crea un proyecto de Google Cloud.

    Ir al selector de proyectos

  7. Comprueba que la facturación esté habilitada en tu proyecto.

    Descubre cómo puedes habilitar la facturación

  8. Habilita las API de Cloud Life Sciences, Compute Engine, and Cloud Storage JSON.

    Habilita las API

  9. Instala y, luego, inicializa Google Cloud CLI.

    10. De manera alternativa, puedes usar Cloud Shell, que viene con la CLI de gcloud ya instalada.

  10. Instala Python 3.8.

    Si usas Windows y dejaste la casilla de verificación correspondiente seleccionada cuando instalaste la CLI de Google Cloud, esto se hizo de forma automática.

Ejecute la canalización

Para ejecutar la canalización, completa los siguientes pasos:

  1. Crea un bucket en el que almacenarás 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 comando gsutil 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

  2. 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]

    Ten en cuenta la OPERATION_ID, que usarás en el siguiente paso.

  3. 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.

  4. Para verificar que se haya generado el archivo BAI, ejecute 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

Debes ejecutar una canalización con la API de Cloud Life Sciences para crear un archivo BAI a partir de un archivo BAM. Usa un visor de genomas para examinar el archivo NA12878.chr20.sample.bam 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 usaste 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.

  1. En la consola, ve a la página Administrar recursos.

    Ir a Administrar recursos

  2. En la lista de proyectos, elige el proyecto que quieres borrar y haz clic en Borrar.
  3. En el diálogo, escribe el ID del proyecto y, luego, haz clic en Cerrar para borrar el proyecto.

¿Cómo fue?

¿Qué sigue?