Memproses data genomik menggunakan Cloud Life Sciences

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 memerlukan waktu lama untuk dibaca menggunakan penampil genom. Anda menggunakan file BAI untuk menemukan bagian file BAM yang berisi posisi genom yang Anda minati.

Sebelum memulai

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  3. Make sure that billing is enabled for your Google Cloud project.

  4. Enable the Cloud Life Sciences, Compute Engine, and Cloud Storage JSON APIs.

    Enable the APIs

  5. Install the Google Cloud CLI.

  6. To initialize the gcloud CLI, run the following command: 

    gcloud init

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

  7. Instal Python 3.8.

    Jika Anda menggunakan Windows dan membiarkan kotak yang relevan dicentang saat menginstal Google Cloud CLI, ini dilakukan secara otomatis.

Menjalankan pipeline

Untuk menjalankan pipeline, selesaikan langkah-langkah berikut:

  1. Buat bucket tempat Anda menyimpan file BAI. Bucket adalah penampung dasar yang menyimpan data Anda di Cloud Storage. Untuk membuat bucket bernama PROJECT_ID-life-sciences, jalankan perintah gcloud storage buckets create:

    gcloud storage buckets create gs://PROJECT_ID-life-sciences

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

    • Nama bucket hanya boleh berisi huruf kecil, karakter numerik, tanda hubung (-), dan garis bawah (_). Tidak diperbolehkan ada spasi.
    • 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 salah ejaan yang mirip, seperti "g00gle".

    Jika berhasil, perintah akan 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 akan menampilkan hal berikut:

    Running [projects/PROJECT_ID/operations/OPERATION_ID]

    Perhatikan OPERATION_ID, yang akan Anda gunakan di langkah berikutnya.

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

    gcloud beta lifesciences operations wait OPERATION_ID

    Setelah selesai, operasi akan menampilkan pesan berikut:

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

  4. Untuk memverifikasi bahwa file BAI telah dibuat, jalankan perintah gcloud storage ls:

    gcloud storage ls gs://PROJECT_ID-life-sciences

    Jika berhasil, perintah akan 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 dikenai biaya untuk resource yang digunakan di halaman ini, ikuti langkah-langkah berikut.

Menghapus file BAI

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

gcloud storage 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, hapus bucket menggunakan perintah gcloud storage rm. Menghapus bucket juga akan menghapus file BAI yang dihasilkan.

gcloud storage rm gs://PROJECT_ID-life-sciences --recursive

Menghapus project

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

  1. In the Google Cloud console, go to the Manage resources page.

    Go to Manage resources

  2. In the project list, select the project that you want to delete, and then click Delete.
  3. In the dialog, type the project ID, and then click Shut down to delete the project.

Bagaimana hasilnya?

Langkah selanjutnya