🧬 Bacterial Genomics Pipeline

Análisis Completo de Genomas Bacterianos con NGS

📋 Descripción

Pipeline modular para análisis de genomas bacterianos utilizando datos de secuenciación de nueva generación (NGS). Soporta tres estrategias independientes de ensamblaje según los datos disponibles:

🔵 Solo Illumina - Lecturas cortas de alta precisión
🟢 Solo Nanopore - Lecturas largas para mayor continuidad
🟣 Híbrido - Combina ambas tecnologías (recomendado)

Además incluye análisis exhaustivo de resistencia antimicrobiana (AMR), anotación funcional y tipificación molecular.

🚀 Inicio Rápido

¿Qué tipo de datos tienes?

Tus Datos	Pipeline Recomendado	Tiempo Estimado	Ir a Documentación
📘 Solo Illumina	Pipeline Illumina	3-5 horas	Ver guía →
📗 Solo Nanopore	Pipeline Nanopore	2-4 horas	Ver guía →
📕 Illumina + Nanopore	Pipeline Híbrido ⭐	5-8 horas	Ver guía →

💡 Recomendación: Si tienes ambos tipos de datos, usa el pipeline híbrido para obtener la mejor calidad (continuidad de Nanopore + precisión de Illumina).

⚡ Instalación Rápida (3 Pasos)

Paso 1: Configurar Estructura del Proyecto

# Clonar repositorio
git clone https://github.com/tu-usuario/Bacterial_Genomics_Pipeline.git
cd Bacterial_Genomics_Pipeline

# Ejecutar configuración automática
bash setup_project_structure.sh

# O personalizar nombre del proyecto
bash setup_project_structure.sh mi_proyecto URO5550422

Esto crea:

✅ Estructura completa de 14 directorios principales
✅ 40+ subdirectorios organizados
✅ Descarga genoma de referencia K. pneumoniae
✅ Archivos de configuración y metadata
✅ Scripts auxiliares

📚 Guía completa: SETUP_PROJECT_GUIDE.md

Paso 2: Instalar Ambientes Conda

# Configurar ambientes especializados (~45 min)
bash scripts/setup_environments.sh

# Verificar instalación
bash scripts/verify_installation.sh

📚 Guía completa: 00_INSTALLATION.md

Paso 3: Agregar tus Datos y Ejecutar

# Enlazar datos de secuenciación
bash scripts/link_raw_data.sh /ruta/illumina /ruta/nanopore

# Ejecutar pipeline según tus datos
bash scripts/run_hybrid_pipeline.sh URO5550422

# Ver resultados
firefox 08_results/FINAL_REPORT.html

📚 Documentación Completa

🛠️ Configuración e Instalación

Documento	Descripción	Tiempo
SETUP_PROJECT_GUIDE.md	Configuración automática de estructura	~5 min
00_INSTALLATION.md	Instalación completa de ambientes y bases de datos	~45 min

🔬 Pipelines de Análisis

Pipeline	Descripción	Cuándo Usar	Documentación
📘 Illumina	Ensamblaje con lecturas cortas	Solo tienes datos Illumina	01_ILLUMINA_PIPELINE.md
📗 Nanopore	Ensamblaje con lecturas largas	Solo tienes datos Nanopore	02_NANOPORE_PIPELINE.md
📕 Híbrido ⭐	Combina Illumina + Nanopore	Tienes ambos tipos (mejor calidad)	03_HYBRID_PIPELINE.md

🛡️ Análisis Downstream

Documento	Descripción
04_AMR_TYPING.md	Detección AMR, anotación, MLST, plásmidos
05_TROUBLESHOOTING.md	Solución de problemas comunes

📊 ¿Qué Puedo Hacer con Este Pipeline?

✅ Ensamblar genomas bacterianos de alta calidad
✅ Identificar genes de resistencia a antibióticos (AMR)
✅ Detectar variantes genómicas (SNPs, INDELs)
✅ Anotar genes y funciones biológicas
✅ Comparar diferentes estrategias de ensamblaje
✅ Analizar cromosomas y plásmidos por separado
✅ Tipificar cepas (MLST, detección de plásmidos)
✅ Generar reportes automatizados para vigilancia epidemiológica

🎯 Caso de Estudio: Klebsiella pneumoniae URO5550422

Todos los pipelines están documentados usando un caso real:

Organismo: Klebsiella pneumoniae
Muestra: URO5550422 (aislado clínico urinario)
Referencia: K. pneumoniae HS11286 (GCF_000240185.1)
Genoma: 5.7 Mb (1 cromosoma + 6 plásmidos)
Datos disponibles: Illumina paired-end + Nanopore long-reads

📂 Estructura del Proyecto

Después de ejecutar setup_project_structure.sh:

bacterial_genomics/
├── 00_raw_data/          # Datos de secuenciación (FASTQ)
│   ├── illumina/         # Lecturas paired-end
│   └── nanopore/         # Lecturas largas
├── 01_reference/         # Genoma de referencia
├── 02_qc/                # Control de calidad
├── 03_assembly/          # Ensamblajes (Illumina/Nanopore/Híbrido)
├── 04_mapping/           # Mapeos y variantes
├── 05_annotation/        # Anotación funcional
├── 06_amr_screening/     # Genes de resistencia AMR
├── 07_typing/            # Tipificación molecular (MLST, plásmidos)
├── 08_results/           # Resultados finales y reportes
├── databases/            # Bases de datos locales
├── envs/                 # Ambientes conda (YAML)
├── scripts/              # Scripts de automatización
└── logs/                 # Logs de ejecución

💻 Requisitos del Sistema

Hardware Recomendado

Componente	Mínimo	Recomendado	Óptimo
CPU	4 cores	8 cores	16+ cores
RAM	16 GB	32 GB	64+ GB
Almacenamiento	100 GB/muestra	200 GB/muestra	SSD 500 GB
Red	10 Mbps	100 Mbps	1 Gbps

Software

Sistema Operativo: Linux/Unix (Ubuntu 20.04+, CentOS 7+, Debian 10+)
Conda/Mamba: Para gestión de ambientes
Git: Para clonar repositorio
Conexión a internet: Para instalación inicial y descarga de bases de datos

📊 Comparación de Estrategias

Característica	Illumina	Nanopore	Híbrido
Número de contigs	50-150	2-10	1-10
N50	100-300 kb	5+ Mb	5+ Mb
Precisión	>99.9%	~95-98%	>99.99%
Continuidad	Baja	Alta	Alta
Plásmidos cerrados	No	Sí	Sí
Costo computacional	Bajo	Medio	Alto
Tiempo ejecución	3-5h	2-4h	5-8h
SNP calling	Excelente	Regular	Excelente
Mejor para	Variantes	Estructura	Todo

🔄 Flujo de Trabajo General

┌─────────────────────────────────────────────┐
│  1. Configurar Estructura del Proyecto     │
│     bash setup_project_structure.sh        │
└─────────────────┬───────────────────────────┘
                  │
┌─────────────────▼───────────────────────────┐
│  2. Instalar Ambientes Conda               │
│     bash scripts/setup_environments.sh     │
└─────────────────┬───────────────────────────┘
                  │
┌─────────────────▼───────────────────────────┐
│  3. Agregar Datos de Secuenciación         │
│     bash scripts/link_raw_data.sh          │
└─────────────────┬───────────────────────────┘
                  │
┌─────────────────▼───────────────────────────┐
│  4. Elegir Pipeline                        │
│     • Illumina                             │
│     • Nanopore                             │
│     • Híbrido ⭐                           │
└─────────────────┬───────────────────────────┘
                  │
┌─────────────────▼───────────────────────────┐
│  5. Control de Calidad                     │
│     FastQC, fastp, NanoPlot                │
└─────────────────┬───────────────────────────┘
                  │
┌─────────────────▼───────────────────────────┐
│  6. Ensamblaje                             │
│     SPAdes / Flye / Unicycler              │
└─────────────────┬───────────────────────────┘
                  │
┌─────────────────▼───────────────────────────┐
│  7. Análisis Downstream                    │
│     • Anotación (Prokka)                   │
│     • Detección AMR                        │
│     • MLST typing                          │
│     • Plásmidos                            │
└─────────────────┬───────────────────────────┘
                  │
┌─────────────────▼───────────────────────────┐
│  8. Resultados y Reportes                  │
│     Visualización, tablas, gráficos        │
└─────────────────────────────────────────────┘

✅ Checklist de Decisión

¿Qué pipeline debo usar?

¿Tengo datos Illumina paired-end?
- Sí → Puedes usar pipeline Illumina o Híbrido
- No → Usa pipeline Nanopore
¿Tengo datos Nanopore long-reads?
- Sí → Puedes usar pipeline Nanopore o Híbrido
- No → Usa pipeline Illumina
¿Tengo AMBOS tipos de datos?
- ✅ Sí → USA PIPELINE HÍBRIDO (mejor opción)
¿Necesito plásmidos cerrados?
- Sí → Requiere Nanopore o Híbrido
- No → Illumina es suficiente
¿Priorizo precisión en SNPs?
- Sí → Illumina o Híbrido
- No → Nanopore puede ser suficiente

🎓 Para Empezar

Usuarios Nuevos

Configurar estructura: bash setup_project_structure.sh
Instalar ambientes: Ver 00_INSTALLATION.md
Agregar datos: bash scripts/link_raw_data.sh
Elegir pipeline: Según datos disponibles
Ejecutar análisis: Seguir guía del pipeline elegido
Analizar resultados: Detección AMR y tipificación

Usuarios Avanzados

Revisar documentación específica de tu pipeline
Modificar scripts según necesidades
Integrar con tus propios workflows
Contribuir con mejoras (pull requests bienvenidos)

📖 Referencias y Recursos

Herramientas Principales

FastQC/fastp: Control de calidad
SPAdes: Ensamblaje Illumina
Flye: Ensamblaje Nanopore
Unicycler: Ensamblaje híbrido
BWA/Minimap2: Mapeo de lecturas
Prokka: Anotación funcional
AMRFinderPlus/CARD: Detección AMR

Bases de Datos

NCBI RefSeq
CARD (Comprehensive Antibiotic Resistance Database)
ResFinder
VFDB (Virulence Factors)
PubMLST

Publicaciones Clave

Wick et al. (2017) - Unicycler: https://doi.org/10.1371/journal.pcbi.1005595
Kolmogorov et al. (2019) - Flye: https://doi.org/10.1038/s41587-019-0072-8
Bankevich et al. (2012) - SPAdes: https://doi.org/10.1089/cmb.2012.0021

🤝 Contribuir

¿Encontraste un bug? ¿Tienes una sugerencia?

Abre un Issue describiendo el problema
Envía un Pull Request con mejoras
Comparte tus casos de uso
Ayuda a mejorar la documentación

📄 Licencia

Este proyecto está licenciado bajo MIT License - ver archivo LICENSE

📧 Contacto y Soporte

Issues: GitHub Issues
Discusiones: GitHub Discussions
Email: tu-email@ejemplo.com

🌟 Agradecimientos

Este pipeline integra herramientas desarrolladas por la comunidad científica y bioinformática. Agradecemos a todos los desarrolladores de:

Bioconda project
Galaxy project
NCBI
CARD
PubMLST
Y todos los creadores de herramientas open-source

¿Listo para empezar?

🛠️ Configurar Proyecto | 📚 Instalación | 📘 Pipeline Illumina | 📗 Pipeline Nanopore | 📕 Pipeline Híbrido

⭐ Si este proyecto te fue útil, considera darle una estrella en GitHub ⭐

Name		Name	Last commit message	Last commit date
docs		docs
README.md		README.md
bact_pipeline.yml		bact_pipeline.yml
setup_project_structure.sh		setup_project_structure.sh

Latest commit

History

Folders and files

Repository files navigation