Procesamiento de datos brutos de scRNA-seq

%%bash
# El signo gato es un comentario, esta parte del código no se está usando. De todas formas sirve para dejar anotaciones importantes.
# Es una práctica común y beneficiosa al crear código, ya que sirve como recordatorio y un mecanismo de reproducir códigos.
# Recomendamos siempre comentar tus códigos y script

echo "Hola, mundo!" 
                

%%bash
# Crear una carpeta.
# En programación, una carpeta es un directorio. Utilizaremos el nombre directorio de ahora en adelante.
# El nombre carpeta podría ser cualquier cosa (ejemplo: carpeta1, carpeta_1, etc), intenta siempre nombrar los directorios de una forma en la que recuerdes qué información estás guardando ahí.

mkdir carpeta
                

%%bash
# Lista de archivos y directorios
# En general, los directorios tienen un "/" al final (ejemplo: /Documents/Files/scRNAseq_data/), aquí tenemos tres directorios

ls
                

%%bash
# Un comando puede ser complementado con argumentos. Los argumentos hacen tu código más específico. Pueden ser indicados con "-", "--", o su posición en el código.
# Es importante conocer acerca del software que quieres utilizar

ls -l
                

%%bash
# El comando "cd" es utilizado para navegar entre directorios (entrar, salir)
# Si deseas moverte a otro directorio, puedes usar "cd .." para ir al directorio anterior, o sólo cd para moverse hacia adelante

cd 
                

%%bash
# El comando "mv" es utilizado para mover su archivo a un directorio específico
# Lo único que necesita es especificar la ruta al directorio al cual desea mover su archivo

mv tu_archivo nuevo_directorio/
                

%%bash
# Además, "mv" puede cambiar el nombre de los directorios o archivos. Intenta:

mv carpeta/ directorio/
                

%%bash
# El comando "cat" muestra todo el contenido de un archivo

cat
                

%%bash
# Además, puedes concatenar uno o más archivos usando el siguiente comando

cat archivo_1 archivo > archivo_3
                

%%bash
# El comando "head" muestra las primeras 10 líneas de un archivo
# Similar a la cabeza de "cat"

head archivo
                

%%bash
# El comando "tail" muestra las últimas 10 líneas de un archivo
# Como la cola de "cat"

tail
                

%%bash
# El comando "wget" es usado para descargar archivos
# Para descargar los datos, debes agregar el enlace de descarga seguido del comando (ejemplo: un set de datos o base de datos específica, en este caso usamos de ejemplo un set de datos de RNA-seq obtenido de SRA) 

wget https://trace.ncbi.nlm.nih.gov/Traces/sra?run=SRR24765940
                

%%bash
# La opción -q es para el modo silencioso, evita mostrar toda la salida de wget y permite ejecutarlo en silencio.
# La opción --output-document es para especificar el nombre del archivo en dónde se guardara el contenido descargado.

wget -q --output-document sratoolkit.tar.gz https://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/3.1.0/sratoolkit.3.1.0-ubuntu64.tar.gz

# .tar.gz es im archivo que se empaquetó usando tar, y luego comprimido utilizando gzip.
# el comando tar es usado para empaquetar o desempaquetar archivos en sistemas Unix/Linux. El nombre "tar" viene de "tape arvchive (empaquetar archivo)"
# -xzf: Indica que tar debería extraer los contenidos de un archivo comprimido con gzip.

tar -xzf sratoolkit.tar.gz
                

%%bash
# sratoolkit.3.1.0-ubuntu64 es el directorio principal, bin es un directorio intermedio, y fastq-dump es el software de interés.
# -X 3: Limita la extracción de las primeras 3 lecturas del archivo SRA. La opción -X configura el número máximo de lecturas a extraer.
# --stdout: Instruye a fastq-dump para enviar el output a stdout (standard output) en lugar de escribir en archivos locales.

sratoolkit.3.1.0-ubuntu64/bin/fastq-dump -X 3 SRR11537950 --stdout
                

%%bash
# Vamos a descargar los archivos del SRA: SRR11537950.
# sratoolkit.3.1.0-ubuntu64/bin/fastq-dump: Esta es la RUTA del ejecutable de fastq-dump dentro de la instalación de SRA Toolkit.
# --split-files: Esta opción da la instrucción para que fastq-dump divida el archivo "paired-end" en dos archivos separados.
# --gzip: Esta opción comprime el archivo de salida en formato gzip (reduciendo el tamaño del archivo).
# -X 1000000: Limita el número de lecturas que se extraen.

sratoolkit.3.1.0-ubuntu64/bin/fastq-dump --split-files --gzip -X 1000000 SRR11537950

# Crea un directorio con el nombre igual al número de acceso de SRA.

mkdir -p SRR11537950

# Mueve todo lo que contenga "SRR11537950" y ".fastq.gz" a la carpeta creada en el paso anterior.

mv SRR11537950*.fastq.gz SRR11537950/

# Renombrar los archivos a nombres apropiados para usar en Cell Ranger.
# más información abajo

mv SRR11537950/SRR11537950_1.fastq.gz SRR11537950/SRR11537950_S1_L001_R1_001.fastq.gz
mv SRR11537950/SRR11537950_2.fastq.gz SRR11537950/SRR11537950_S1_L001_R2_001.fastq.gz
                

%%bash
# lista de archivos
ls
                

%%bash
# -O: nombre del archivo de salida
wget -O cellranger-9.0.0.tar.gz "https://www.10xgenomics.com/support/software/cell-ranger/downloads"
                

%%bash
wget -O cellranger-9.0.0.tar.gz "https://cf.10xgenomics.com/releases/cell-exp/cellranger-9.0.0.tar.gz?Expires=1735019868&Key-Pair-Id=APKAI7S6A5RYOXBWRPDA&Signature=jr1wurwScX~6D75pHB8jDbGMyGRI28tiLJAe9LUo0Xz5hqUgQlVpaRBz50wZewTz9lp2ozBI91iEQkZ7s2ZbOGbugctslStBOCkILh3gfkIiv63YBJRSDm0kPJjAvLXHm6BUf20bPTJPiuwLvRWZuSrri0tV7vzn9iCY24I3~tjGCy4377Dm-1oCuiQCuHjXlyZjEZVXQZuS9ghX9ZmmldDnf6wE9hqIE80PhiSclOyFWfqLg8v5OBGP0JqrdI5oNhGiRKKmezIpT2eZ-pfzSCGMcQu1r6irmsz4pgZxl4ElWIpLtzB7xJb2H2OvL~j3rsBX6Ay-idAxDOF31tMqyQ__"
wget "https://cf.10xgenomics.com/supp/cell-exp/refdata-gex-GRCh38-2024-A.tar.gz"
                

%%bash
tar -xzf cellranger-7.2.0.tar.gz
tar -xzf refdata-gex-GRCh38-2020-A.tar.gz
                

!cellranger-7.2.0/bin/cellranger mkref --genome=reference --fasta=/genome/genome.fa --genes=/rato/gencode.vM36.annotation.gtf
                

%%bash
# Muestra la ruta completa en dónde uno está trabajando
pwd
                

%%bash
# NO EJECUTAR!
# Este caracter "\" permite hacer un salto de línea y continuar el código en la siguiente línea

cellranger-7.2.0/bin/cellranger count --id=run_count_SRR11537950 \
    --fastqs=SRR11537950 --sample=SRR11537950 \
    --transcriptome=refdata-gex-GRCh38-2020-A 

#--localcores=2 --localmem=12