Processar dados genômicos usando o Cloud Life Sciences

Nesta página, explicamos como executar um pipeline genômico que usa a API Cloud Life Sciences para criar um arquivo de índice (BAI) com base em um arquivo binário contendo sequências de DNA (arquivo BAM).

Normalmente, os arquivos BAM são grandes e podem levar muito tempo para serem lidos com um leitor de genoma. Use um arquivo BAI para localizar as partes do arquivo BAM que contêm a posição do genoma em que você tem interesse.

Antes de começar

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

    Go to project selector

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

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

    Enable the APIs

  4. Install the Google Cloud CLI.

  5. Configure a CLI gcloud para usar sua identidade federada.

    Para mais informações, consulte Fazer login na gcloud CLI com sua identidade federada.

  6. Para inicializar a CLI gcloud, execute o seguinte comando:

    gcloud init

    Como alternativa, use o Cloud Shell, que já vem com a CLI gcloud instalada.

  7. Instale o Python 3.8

    Se você está usando o Windows e marcou a caixa de seleção pertinente quando instalou a Google Cloud CLI, isso foi feito automaticamente.

  8. Executar o pipeline

    Para executar o pipeline, conclua as seguintes etapas:

    1. Crie um bucket para armazenar o arquivo BAI. buckets são os contêineres básicos que armazenam dados no Cloud Storage. Para criar um bucket chamado PROJECT_ID-life-sciences, execute o comando gcloud storage buckets create:

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

      Substitua PROJECT_ID pelo ID do seu projeto Google Cloud . Use um nome de bucket globalmente exclusivo.

      Se o procedimento for bem-sucedido, o comando retornará:

      Creating gs://PROJECT_ID-life-sciences
    2. Para iniciar o pipeline, execute o 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

      Se o procedimento for bem-sucedido, o comando retornará:

      Running [projects/PROJECT_ID/operations/OPERATION_ID]

      Observe o OPERATION_ID, que será usado na próxima etapa.

    3. Para rastrear o status do pipeline, execute o comando gcloud beta lifesciences operations wait. Substitua OPERATION_ID pelo valor mostrado na etapa anterior. O pipeline leva alguns minutos para ser concluído.

      gcloud beta lifesciences operations wait OPERATION_ID

      Depois que a operação for concluída, ela retornará a seguinte mensagem:

      Waiting for [projects/PROJECT_ID/operations/OPERATION_ID]...done.
    4. Para verificar se o arquivo BAI foi gerado, execute o comando gcloud storage ls:

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

      Se o procedimento for bem-sucedido, o comando retornará:

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

    Você acabou de executar um pipeline usando a API Cloud Life Sciences para criar um arquivo BAI com base em um arquivo BAM. Use um leitor de genoma para examinar o arquivo BAM NA12878.chr20.sample.bam usando o arquivo de índice NA12878.chr20.sample.bam.bai.

    Limpar

    Para evitar cobranças na sua conta do Google Cloud pelos recursos usados nesta página, siga estas etapas.

    Excluir o arquivo BAI

    Para excluir o arquivo BAI gerado, mas manter o projeto e o bucket criados, execute o comando gcloud storage rm:

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

    Excluir o bucket

    Se você criou o bucket especificamente para esse guia de início rápido e não precisa mais dele, mas quer manter seu projeto, exclua o bucket usando o comando gcloud storage rm. Essa ação também exclui o arquivo BAI gerado.

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

    Excluir o projeto

    Se você tiver criado o projeto especificamente para este guia de início rápido e não precisar mais dele, exclua-o. A exclusão do projeto também exclui o arquivo BAI e o bucket do 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.

    Como foi?

    A seguir