Este documento describe el desarrollo e implementación de una plataforma bioinformática basada en Galaxy para facilitar el análisis de datos RNA-Seq. Se estudian los procesos de análisis RNA-Seq y se diseña un pipeline que los automatiza. Se integran herramientas bioinformáticas requeridas en la plataforma para realizar un análisis completo de datos transcriptómicos de forma amigable para el usuario. La plataforma desarrollada se pone a disposición del público en un servidor del Centro de Cómputo de Alto De

1. DESARROLLO E IMPLEMENTACIÓN DE UNA
PLATAFORMA BIOINFORMÁTICA
PARA ANÁLISIS RNA-SEQ BASADA EN GALAXY
Autores: Cristian Alejandro Rojas
Luis Miguel Gutierrez
Dirigido por: M.Sc Nelson Enrique Vera

2. Agenda
❏ Introducción
❏ Formulación del problema
❏ Metodología
❏ Resultados
❏ Conclusiones
❏ Trabajos futuros

3. INTRODUCCIÓN

4. Convenio IGUN-CECAD

5. Artículos Generados
IGUN
❏ The Transcriptome of the Caribbean Reef-building Coral Diploria strigosa
Reveals a Highly Complex Immune Repertoire.
❏ THE TRANSCRIPTOME OF Hydractinia symbiolongicarpus REVEALS A
COMPLEX IMMUNE SYSTEM.
U. Distrital
❏ Automatic BLAST for Massive Sequencing - ABMS, Proceedings of the
2nd Colombian Congress on Computational Biology and Bioinformatics
(CCBCOL).
❏ MAFA: A web based software to automate functional annotation of
genomes and transcriptomes. Tecnura.

6. Ponencias
❏ LACCEI 2013, Cancún-México, Automatic BLAST for Massive Sequencing
- ABMS
❏ CCBCOL 2013, Manizales-Colombia, Presentation and Evaluation of
ABMS (Automatic Blast for Massive Sequencing)
❏ IWBBIO 2014, Granada-España, Massive Automatic Functional
Annotation MAFA

7. FORMULACIÓN DEL
PROBLEMA

8. Evolución de la secuenciación
Método de Sanger:
Secuenciación por
Dideoxinucleótidos
NGS - Next Generation Sequencing:
High-throughput sequencing
U$2400 por
1M bases
U$0.05 - U$0.15
Por 1M bases
Hasta 52.5 Kbases
por corrida
Hasta 600 Gbases
por corrida
Datos tomados de: http://www.the-scientist.com/?articles.view/articleNo/15939/title/DNA-Sequencing-Industry-Sets-its-Sights-on-the-Future/

9. RNA-Seq
El RNA-Seq es un poderoso
método de descubrimiento,
perfilamiento y
cuantificación de transcritos
de ARN.
Aplicaciones clínicas y
biomédicas.
Facilitar estudio de otros
organismos.
Datos tomados de: http://www.rna-seqblog.com/rna-seq-library-prep-introduction/

10. Principales dificultades de un
análisis RNA-Seq

11. Principales dificultades de un
análisis RNA-Seq
❏ Se requiere de computación de alto desempeño
para su ejecución.
❏ Herramientas no amigables para el usuario.
❏ Formatos de entrada y salida confusos para un
usuario final.
❏ El usuario debe saber e integrar etapas del
proceso.

12. Formulación del problema
¿Cómo diseñar y desarrollar una herramienta
que integre, automatice y facilite el análisis de
de datos transcriptómicos?

13. Justificación
Nuevas áreas de investigación
Fortalece estudio de mecanismos de
respuesta inmune en varios organismos.

14. Objetivo general
Desarrollar una plataforma bioinformática basada en
Galaxy orientada al análisis de datos RNA-Seq de acuerdo
a las necesidades del Grupo de Inmunología Evolutiva
(GIE) del Instituto de Genética de la Universidad Nacional
(IGUN), haciendo uso del Centro de Cómputo de Alto
Desempeño de la Universidad Distrital (CECAD).

15. Objetivos específicos
❏ Estudiar los procesos que hacen parte de un análisis RNA-Seq.
❏ Diseñar un pipeline que automatice los procesos
normalmente usados en un análisis RNA-Seq.
❏ Integrar herramientas bioinformáticas requeridas para
realizar un análisis RNA-Seq.
❏ Desplegar en producción la plataforma desarrollada en un
servidor del CECAD para el público en general y así
fortalecer la imagen de investigación de la Universidad
Distrital.

16. METODOLOGÍA
Estudio de
requerimientos
Diseño de
arquitectura y
selección de
herramientas
Implementación,
configuración,
personalización e
integración de
herramientas a la
plataforma
Acondicionamiento de
infraestructura
Procesos necesarios
para RNA-Seq y
requerimientos de la
plataforma
Listado de
herramientas a
integrar
Evaluación Documentación
Equipo con
herramientas
instaladas
Plataforma
funcional
Documentación
técnica y de usuario
Satisfacción de
requerimientos y cuadro
comparativo.

17. Análisis de requerimientos
❏ Reuniones con los investigadores del IGUN.
❏ Se evidenciaron las siguientes necesidades principales:
❏ Soporte de todos los procesos de análisis
transcriptómico.
❏ Interfaz de usuario amigable.
❏ Contar con gestión de usuarios.

18. Selección de herramientas
❏ Búsqueda de herramientas bioinformáticas disponibles
para cada proceso. Revisión de bibliotecas digitales
(Pubmed), journals y foros dedicados a bioinformática.
❏ Selección de herramientas por su aceptación en la
comunidad científica.
❏ Búsqueda de plataforma base que permitiera la
solución del problema formulado.

19. RESULTADOS

20. Flujo de trabajo

21. Arquitectura general

22. Módulo de preprocesamiento

23. Módulo de preprocesamiento

24. Módulo de mapeo

25. Módulo de Mapeo

26. Módulo de ensamblaje

27. Módulo de ensamblaje

28. Módulo de anotación

29. Módulo de anotación

30. Módulo de expresión diferencial

31. Módulo de expresión diferencial

32. Módulo de estimación de abundancia

33. Módulo de estimación de
abundancia

34. Utilidades
● Samtools
○ Organización, mezcla, indexación.
● CummeRbund
○ Acceso, exploración, graficación.
● EMBOSS: Transeq
○ Traduce secuencias a péptidos

35. Demostración

36. Trabajos futuros
● Escalabilidad horizontal
○ Sistema distribuido
● Herramientas
○ Aprendizaje de máquina

37. Conclusiones
● Se logró diseñar un pipeline que automatiza los procesos que hacen parte
de un análisis RNA-Seq, a partir del estudio de dichos procesos.
● Se desarrolló y puso en producción un software que Integra herramientas
bioinformáticas requeridas para realizar un análisis RNA-Seq.
● Se encontraron posibles trabajos futuros para mejorar la eficiencia de la
plataforma y ampliar el área de trabajo en bioinformática.