BIF-MySQL_KEGG-Ortho

Scripts em shell para otimizar e automatizar o "Tutorial de Análise de Transcriptoma com MySQL e KEGG Orthology" da disciplina de Fundamentos de Bioinformática (PPGBioME - UFRN), ministrada pelo Professor Jorge Estefano de Souza.

🎯 Objetivos

Este repositório contém um script Bash (MySQL_KEGG_Ortho.sh) projetado para automatizar as etapas do tutorial de análise de transcriptoma. O objetivo é facilitar a execução da análise completa, desde o alinhamento com BLAST, processamento dos resultados, até a integração e análise dos dados em um banco de dados MySQL, culminando com a anotação funcional utilizando o KEGG Orthology.

🛠️ Pré-requisitos

Antes de executar o script, certifique-se de que os seguintes softwares estão instalados e configurados no seu sistema:

• Bash: Interpretador de comandos padrão na maioria dos sistemas Linux e macOS.
• BLAST+: Conjunto de ferramentas para alinhamento de sequências (especificamente o comando megablast).
• MySQL Client: Para interagir com o servidor MySQL e executar os comandos SQL.
• Servidor MySQL: Acessível pelo script (localmente ou remotamente).

⚙️ Configuração

Siga os passos abaixo para configurar o ambiente antes de rodar o script principal.

1. Arquivos de Entrada

O script espera uma estrutura específica de arquivos e diretórios. No script MySQL_KEGG_Ortho.sh, a variável WORK_DIR_NAME define o diretório principal de trabalho. Por padrão, ela está configurada para um caminho específico (/data/home/bif/barbara/desafio). Você pode alterar essa variável para outro local desejado.

Os arquivos de entrada do tutorial podem ser acessados através do seguinte drive: https://drive.google.com/drive/folders/1_xFuKNpD7Hyyr8zp0p9t3McaTRRH-05S?usp=sharing . Este drive tem todos os arquivos do tutorial!

Dentro do diretório de trabalho ($WORK_DIR_NAME):

1. Coloque os arquivos de sequência FASTA. Os utilizados durante o tutorial são:

   • h.sapiens.nuc (arquivo FASTA com CDS humanas)
   • tumor.seq (arquivo FASTA com reads de transcritos tumorais)

2. Crie um subdiretório chamado mysql_aula (ou o nome definido na variável MYSQL_DATA_SUBDIR no script).

3. Dentro de mysql_aula, coloque os seguintes arquivos de dados tabulados. No caso do tutorial, são:

   • hsa_description (descrições dos genes humanos)
   • hsa_ko.list (mapeamento de CDS humanas para IDs KO)
   • ko_desc (descrições dos IDs KO)
   • KO2map (mapeamento de KOs para vias metabólicas do KEGG e descrições das vias)
   • megakegg (output do BLAST)

O script possui um ponto de pausa para que você possa organizar esses arquivos após a criação inicial do diretório de trabalho. Confirme com ENTER se estiver tudo certo!

2. Credenciais MySQL

As credenciais de acesso ao banco de dados MySQL precisam ser configuradas diretamente no script MySQL_KEGG_Ortho.sh. Elas estão definidas para o usuário do servidor utilizado durante a atividade. Mas você pode editar as seguintes variáveis:

MYSQL_USER="seu_usuario_aqui"    # Substitua pelo seu usuário MySQL
MYSQL_PASSWORD="sua_senha_aqui"  # Substitua pela sua senha MySQL
MYSQL_DB_NAME="nome_do_seu_db"   # Nome do banco de dados a ser criado/usado (pode ser alterado)

📜 Funcionalidades do Workflow

O script MySQL_KEGG_Ortho.sh realiza as seguintes etapas principais:

1. Configuração do Ambiente: Cria o diretório de trabalho e subdiretórios necessários.
2. Execução do BLAST: Realiza o alinhamento das sequências de transcritos tumorais contra as CDS humanas usando megablast.
3. Processamento dos Resultados do BLAST: Utiliza comandos shell (awk, sort, uniq) para contar os "hits" por CDS.
4. Preparação de Dados para MySQL: Formata a saída do BLAST para um formato tabular adequado para importação.
5. Operações no MySQL:
   • Cria o banco de dados (se não existir).
   • Cria as tabelas necessárias (result_blast, hsa_count, hsa_description, hsa_ko, ko_hits, ko_description, KOmap).
   • Carrega os dados dos arquivos preparados (megakegg_tab, hsa_description, hsa_ko.list, etc.) para as respectivas tabelas.
   • Executa junções (JOIN), atualizações (UPDATE) e agregações (GROUP BY) para enriquecer os dados e realizar análises.
   • Integra informações de contagem de hits com descrições de genes e anotações funcionais do KEGG Orthology (KO) e KEGG Pathway.
6. Exportação de Resultados: As principais consultas SELECT têm seus resultados exportados para arquivos de texto individuais no subdiretório resultados_consultas_mysql dentro do WORK_DIR_NAME.

📊 Saída Esperada

Ao final da execução do script, você terá:

• Arquivos Intermediários:
  • megakegg: Saída bruta do BLAST.
  • resultado: Contagem de hits por CDS.
  • mysql_aula/megakegg_tab: Saída do BLAST formatada para MySQL.
• Resultados das Consultas MySQL:
  • Um subdiretório resultados_consultas_mysql (dentro do WORK_DIR_NAME) contendo arquivos .txt com os resultados das principais consultas SQL executadas. Cada arquivo é nomeado de forma descritiva (ex: 14_result_blast_amostra.txt, 43_ko_hits_mais_hits_top10.txt).
• Banco de Dados MySQL:
  • Um banco de dados (nomeado conforme MYSQL_DB_NAME) populado com as tabelas e dados processados, pronto para consultas e análises adicionais.