📊 Workflow de Análise com FastQC, MultiQC e FastP

Este projeto consiste num pipeline de pré-processamento e análise de dados genómicos, utilizando as ferramentas FastQC, MultiQC e FastP. O pipeline foi estruturado em três etapas principais, ou seja, 3 scripts:

• O script 1 cria as diretorias necessárias.
• O script 2 realiza as análises de FastQC, MultiQC e FastP:
  1. Pré-processamento com FastQC e MultiQC
  2. Análise com FastP
  3. Análise pós-processamento com FastQC e MultiQC
• O script 3 permite a verificação da existência dos comandos necessários ao script 2, permitindo escolher o ambiente conda onde estes poderão estar e apresenta também a opção de executar o script 2.

Os scripts estão associados uns aos outros, isto é executando o script 2, o script 1 é executado automaticamente e executando o script 3, existe uma opção que permite executar o script 2.

---

🚀 Objetivo do pipeline

O objetivo principal deste pipeline é realizar análises rápidas em dados genómicos, avaliar a qualidade dos dados com FastQC e MultiQC, realizar a análise com FastP e, por fim, consolidar os resultados utilizando, novamente, o FastQC e MultiQC.

---

🛠️ Ferramentas Utilizadas

• FastQC: Avaliação de qualidade dos ficheiros "gz";
• MultiQC: Avaliação comparativa dos ficheiros "fastqc";
• FastP: Processamento dos ficheiros "gz";
• Conda: Gerenciamento do ambiente Python com dependências específicas.

---

📂 Estrutura do Código

🖥️ script1.sh

• Configuração do ambiente inicial e definição das variáveis essenciais.
• Preparação das diretórias necessárias.
• Configuração da estrutura de logs.

---

🖥️ script2.sh

Realiza o processamento principal:

• Execução do FastQC nos dados de entrada.
• Execução do MultiQC antes da execução do FastP.
• Execução do FastP para limpeza dos dados.
• Execução do FastQC após a execução do FastP.
• Execução do MultiQC após a execução do FastP.
• Armazenamento em logs com o andamento das análises.

---

🖥️ script3.sh - Script criativo

Script interativo para verificar a existência dos comandos num determinado ambiente conda. Possibilidade para escolher executar o script 2.

---

⚠️ Atenção

Caso enfrente problemas/dificuldades ao executar os scripts, tenha em atenção os seguintes pontos:

• Alterar os paths para os paths da sua área.
• Instalar/possuir ambiente conda, contendo os comandos necessários à sua execução. Ter cuidado com o path e o nome do mesmo, irá ser diferente do código.
• Sempre que for necessário alterar o código do FastP será necessário alterar no código.
• Ter atenção ao nome do ficheiro samples e à estrutura da "tabela" que estepossui.

---

🔧 Aspetos a melhorar

• Colocar uma linha de código que permita mudar o comando de FastP mais facilmente, isto é, torná-la numa variável.
• Não copiar sempre os ficheiros de raw data para as novas diretorias, de forma a não ficarmos com demasiados fichieros, caso queiramos experimentar diferentes parâmetros para o FastP.
• Colocar em cada diretoria principal a data de criação, de forma a tornar mais fácil a organização se se realizarem muitas análises