Introducción

❗Read in English.

StaPhyloRes es un pipeline bioinformatico el cual permite realizar análisis de calidad de secuencias, ensamblaje, detección de genes de resistencia a antibióticos, virulencia, tipificación molecular, análisis filogenético y predicción fenotípica de sensibilidad antibiótica en cepas de Staphylococcus aureus.

El pipeline está construido usando Nextflow, una herramienta para ejecutar tareas en múltiples infraestructuras computacionales de manera muy portátil.

Este trabajo forma parte del Trabajo de Fin de Máster del Máster Universitario en Bioinformática de la Universidad Europea de Madrid.

Herramientas Usadas

| Proceso | Herramienta | |-------------------------------|--------------------------------------------------------------------------------------------------------| | Control de calidad de lecturas | FastQC | | Trimado de lecturas | FastP | | Ensamblaje de genomas | Unicycler | | Control de calidad de ensamblados | Quast | | Anotación de genes | Prokka | | Predicción de resistencia fenotípica | Mykrobe | | Análisis de resistencia | ARIBA, ABRICATE, STARARM | | Filogenia | MASH, NCBI-genome-download, Snippy, IQTree, Gubbins, MASH-Tree | | Tipado Molecular | MLST, Spatyper, Staphopia SCCmec, AgrVATE. | Informes de calidad | MultiQC

Workflow

Modo de Uso

Nota: Si eres nuevo en Nextflow y nf-core, consulta esta página para configurar Nextflow. Asegúrate de probar tu configuración con -profile test antes de ejecutar el pipeline con datos reales.

Preparación de los Datos

Prepara una samplesheet con las secuencias R1 y R2. El formato de la samplesheet.csv debe ser el siguiente:

csv sample,fastq_1,fastq_2 IDENTIFICADOR,XXXXXXX_XX_L002_R1_001.fastq.gz,XXXXXXX_XX_L002_R2_001.fastq.gz

Puedes utilizar el script Crear SCV incluido en la carpeta: resources para crear esta samplesheet:

bash ./Crear_CSV.bash inputdir/

Cada fila representa un par de archivos fastq (paired end).

Preparación del Entorno

Crear un entorno de Conda a partir del archivo YML proporcionado:

bash conda env create -f StaPhyloRes/resourses/resvirpredictor.yml --name env_name

Activa el entorno:

bash conda activate env_name

Ejecución Básica

bash nextflow run StaPhyloRes/ --input samplesheet.csv --outdir outdirpath/

Este comando ejecutará el análisis, que incluye:

• Análisis de calidad de secuencias raw
• Trimado y análisis de calidad de secuencias trimadas
• Ensamblaje
• Análisis de calidad de ensamblados
• Predicción de resistencia fenotípica basada en el análisis genómico
• Búsqueda de genes de resistencia y virulencia en secuencias cortas y ensamblados
• Estudio MLST para Staphylococcus aureus
• Generación de informes consolidados

Profiles disponibles:

CONDA

bash nextflow run StaPhyloRes/ --input samplesheet.csv --outdir outdirpath/ -profile conda

DOCKER

bash nextflow run StaPhyloRes/ --input samplesheet.csv --outdir outdirpath/ -profile docker

Análisis Opcionales y Complementarios

Uso de una Base de Datos Personalizada

El pipeline puede usar una base de datos personalizada, "staph_vf.fasta", en el directorio resources. Para usarla:

1. Verifica la base de datos de Abricate:

bash abricate --datadir

1. Copia el archivo staph_vf.fasta:

```bash cp StaPhyloRes/resources/staph_vf.fasta /pathtobd/staph/sequences

abricate --setupdb ```

1. Ejecuta el pipeline:

bash nextflow run StaPhyloRes/ --input samplesheet.csv --outdir outdirpath/ --abricate_db true

Estudio de Filogenia

Descarga la base de datos de referencia MASH:

bash https://gembox.cbcb.umd.edu/mash/refseq.genomes.k21s1000.msh

Ejecuta el pipeline con la referencia de MASH:

bash nextflow run StaPhyloRes/ --input samplesheet.csv --outdir outdirpath/ --phylogeny true --mash_reference pathtomashreference.msh

Comandos

Input/Output Options

• --input [string]: Ruta al archivo CSV de muestras.
• --outdir [string]: Directorio de salida para los resultados.
• --abricate_db [boolean]: Utiliza una base de datos personalizada.
• --gubbins [boolean]: Alternativa a Snippy para el análisis filogenético.
• --email [string]: Dirección de correo electrónico para recibir un resumen de la finalización del pipeline.

Skip Options

• --skip_unicycler [boolean]: Omite la ejecución de Unicycler.
• --skip_ariba [boolean]: Omite el análisis con ARIBA.
• --skip_assemblyanalisis [boolean]: Omite el análisis con Abricate y Staramr.
• --skip_mykrobe [boolean]: Omite el análisis con Mykrobe.
• --skip_mlst [boolean]: Omite el estudio MLST.

Opciones para Estudio de Filogenia

• --phylogeny [boolean]:Activa el análisis filogenético. (Genoma de referencia obtenido de aquí).
• --mash_reference [string]: Ruta a la referencia MASH.

Opciones de Solicitud Máxima de Trabajos

• --max_cpus [integer]: Número máximo de CPUs que se pueden solicitar para cualquier trabajo individual. [default: 16]
• --max_memory [string]: Cantidad máxima de memoria que se puede solicitar para cualquier trabajo individual. [default: 12.GB]
• --max_time [string]: Tiempo máximo que se puede solicitar para cualquier trabajo individual. [default: 240.h]

Opciones Genéricas

• --help [boolean]: Muestra el texto de ayuda.

Cambiar el Directorio de Trabajo en la Línea de Comandos

Puedes especificar un directorio de trabajo personalizado al ejecutar el pipeline usando la opción -work-dir.

bash nextflow run StaPhyloRes/ --input samplesheet.csv --outdir outdirpath/ -work-dir /path/to/custom/workdir

Resultados

Para ver los resultados de una ejecución de prueba con un conjunto de datos de tamaño completo, consulta la carpeta results contenida en esta pagina.

Créditos

StaPhyloRes fue desarrollado por Víctor Pizarro Riveros como parte de su Trabajo de Fin de Máster en Bioinformática de la Universidad Europea de Madrid.

Agradecimientos especiales a la comunidad nf-core por proporcionar herramientas bajo la licencia MIT.

Citación

Una lista completa de referencias para las herramientas utilizadas por el pipeline se puede encontrar en el archivo CITATIONS.md.

This pipeline uses code and infrastructure developed and maintained by the nf-core initative, and reused here under the MIT license.

The nf-core framework for community-curated bioinformatics pipelines.

Philip Ewels, Alexander Peltzer, Sven Fillinger, Harshil Patel, Johannes Alneberg, Andreas Wilm, Maxime Ulysse Garcia, Paolo Di Tommaso & Sven Nahnsen.

Nat Biotechnol. 2020 Feb 13. doi: 10.1038/s41587-020-0439-x.