通过可访问,交互和支持云计算的工作流程协调和整合NCI基因组数据共享

科学领域:

• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 癌症数据库,如国家癌症研究所 (NCI) 基因组数据共享 (GDC) 为比较分析提供了有价值的数据集.
• 可重复处理用户数据以匹配GDC标准是具有挑战性的,因为基于文本的标准操作程序 (SOP) 往往落后于代码修订.

研究的目的:

• 通过将现有的标准操作程序转换为可访问和可执行的格式,增强GDC的实用性.
• 为了使用户数据的可重复处理和跨存储库数据集的协调.

主要方法:

• 将GDC的DNA测序 (DNA-Seq) 和mRNA测序 (mRNA-Seq) SOP转换为可复制,自安装,容器化和交互式图形工作流.
• 使用开发的图形工作流程,从GDC和基因型-组织表达 (GTEx) 中协调原始RNA-Seq数据集.

主要成果:

• 开发和传播GDCDNA-Seq和mRNA-Seq管道的开源图形工作流.
• 通过协调使用不同方法处理的数据集,证明统一数据处理对于准确的差异基因表达分析的重要性.

结论:

• 开发的图形工作流显著增加了GDC的实用性,使研究人员能够统一处理定制和现有数据集.
• 这种使分析方法尽可能容易获得数据的方法可以应用于其他存储库,以提高科学研究的影响.