NIHCloudLabGCP

موارد البرنامج التعليمي لبرنامج Google Cloud Platform

لقد قمنا بتجميع مجموعة متنوعة من البرامج التعليمية هنا من مصادر مختلفة. يستخدم البعض Compute Engine، والبعض الآخر يستخدم أجهزة الكمبيوتر المحمولة Vertex AI، والبعض الآخر يستخدم الخدمات المُدارة فقط. يتم تنظيم البرامج التعليمية حسب طريقة البحث، ولكننا نحاول تحديد خدمات Google Cloud Platform المستخدمة لمساعدتك في التنقل.

نظرة عامة على محتويات الصفحة

• سير العمل الطبي الحيوي على GCP
• الذكاء الاصطناعي والتعلم الآلي
• التصوير الطبي
• تنزيل بيانات SRA
• استدعاء البديل
• استعلام VCF
• جواس
• البروتينات
• RNAseq والجمعية Transcriptome
• scRNAseq
• ATACseq وscATACseq
• ميثيلسيق
• الميتاجينوميات
• Multiomics وتحليل العلامات الحيوية
• انفجار +
• تحليل تسلسل القراءة الطويلة
• اكتشاف المخدرات
• باستخدام جوجل دفعة
• استخدام واجهة برمجة تطبيقات علوم الحياة (إهلاك)
• مجموعات البيانات العامة

سير العمل الطبي الحيوي على GCP

هناك العديد من الطرق لتشغيل سير العمل على Google Cloud Platform. نذكر هنا بعض الاحتمالات التي قد يعمل كل منها لتحقيق أهداف بحثية مختلفة. أثناء تصفحك للبرامج التعليمية المتنوعة أدناه، فكر في كيفية تشغيل سير العمل هذا بشكل أكثر كفاءة باستخدام إحدى الطرق الأخرى المدرجة هنا.

• ربما تكون أبسط طريقة هي تشغيل مثيل Compute Engine، وتشغيل الأمر بشكل تفاعلي، أو استخدام screen أو، كبرنامج نصي لبدء التشغيل مرفق كبيانات تعريفية.
• يمكنك أيضًا تشغيل خط الأنابيب الخاص بك عبر دفتر Vertex AI، إما عن طريق تقسيم كل أمر ككتلة مختلفة، أو عن طريق تشغيل مدير سير العمل (Nextflow وما إلى ذلك). جدولة دفاتر الملاحظات للسماح لها بالعمل لفترة أطول. يمكنك العثور على برنامج تعليمي رائع لاستخدام دفاتر الملاحظات المُدارة هنا. لاحظ أنه يوجد الآن اختلاف بين managed notebooks ودفاتر user managed notebooks . تحتوي managed notebooks على المزيد من الميزات ويمكن جدولتها، ولكنها تمنحك تحكمًا أقل في بيئات/عمليات التثبيت.
• يمكنك التفاعل مع Google Batch أو Google Life Sciences API باستخدام مدير سير العمل مثل Nextflow أو Snakemake أو Cromwell. لدينا حاليًا أمثلة على دفاتر الملاحظات لكل من Nextflow وSnakemake التي تستخدم واجهة برمجة التطبيقات لعلوم الحياة، بالإضافة إلى Google Batch مع Nextflow بالإضافة إلى إصدار محلي من Snakemake يتم تشغيله عبر Pangolin.
• قد تجد واجهات برمجة تطبيقات أخرى تناسب احتياجاتك بشكل أفضل مثل Google Cloud Healthcare Data Engine.
• تتطلب معظم أجهزة الكمبيوتر المحمولة أدناه عددًا قليلاً من وحدات المعالجة المركزية (CPUs). ابدأ صغيرًا (ربما 4 وحدات معالجة مركزية)، ثم قم بالتوسيع حسب الحاجة. وبالمثل، عندما تحتاج إلى وحدة معالجة الرسومات، ابدأ باستخدام وحدة معالجة الرسومات من الجيل الأصغر أو الأقدم (على سبيل المثال T4) للاختبار، ثم قم بالتبديل إلى وحدة معالجة الرسومات الأحدث (A100/V100) بمجرد أن تعرف أن الأمور ستنجح أو أنك بحاجة إلى المزيد من قوة الحوسبة.

الذكاء الاصطناعي والتعلم الآلي

التعلم الآلي هو مجال فرعي من الذكاء الاصطناعي يركز على تطوير الخوارزميات والنماذج التي تمكن أجهزة الكمبيوتر من التعلم من البيانات واتخاذ التنبؤات أو القرارات بناءً عليها، دون برمجتها بشكل صريح. يحدث التعلم الآلي على Google Cloud Platform بشكل عام داخل VertexAI. يمكنك التعرف على المزيد حول التعلم الآلي على Google Cloud Platform في دورة Google Crash Course هذه. للحصول على أمثلة عملية، جرب هذه الوحدة التي طورتها جامعة ولاية سان فرانسيسكو أو هذه الوحدة من جامعة أركاساس التي تم تطويرها لمشروع NIGMS Sandbox.

الآن بعد أن وصل عصر الذكاء الاصطناعي التوليدي (Gen AI)، أصدرت Google مجموعة من عروض Gen AI ضمن مجموعة Vertex AI. بعض الأمثلة على قدرة نماذج الذكاء الاصطناعي التوليدية هي استخراج المعلومات المطلوبة من النص، وتحويل الكلام إلى نص، وتوليد الصور من الأوصاف والعكس، وأكثر من ذلك بكثير. تسمح وحدة تحكم Vertex AI Studio الخاصة بشركة Vertex AI للمستخدم بإنشاء نماذج ذكاء اصطناعي توليدية واختبارها وتدريبها بسرعة على السحابة في بيئة آمنة ومأمونة، راجع النظرة العامة في هذا البرنامج التعليمي. يحتوي الاستوديو أيضًا على نماذج جاهزة للاستخدام موجودة جميعها في Model Garden. تتراوح هذه النماذج من النماذج الأساسية، والنماذج القابلة للضبط الدقيق، والحلول الخاصة بالمهمة.

• لمعرفة المزيد حول Gen AI على Google Cloud Platform، يمكنك إلقاء نظرة على دروس GenAI التعليمية التي تتناول العديد من منتجات Google Cloud Platform مثل Gemini وVector Search وأدوات أخرى مثل Langchain وHuggingface لنشر وتدريب وتحفيز وتنفيذ تقنيات مثل الإنشاء المعزز للاسترجاع ( RAG) لنماذج GenAI.
• توفر Google أيضًا العديد من دروس الذكاء الاصطناعي الإبداعية المستضافة على GitHub. بعض الأمثلة التي يقدمونها موجودة تحت اللغة هنا.

تجزئة الصورة الطبية

تحليل الصور الطبية هو تطبيق الخوارزميات والتقنيات الحسابية لاستخراج معلومات ذات معنى من الصور الطبية لأغراض التشخيص وتخطيط العلاج وأغراض البحث. يتطلب تحليل الصور الطبية ملفات صور كبيرة ومساحة تخزين مرنة وحوسبة سريعة في كثير من الأحيان.

• تتم معظم تحليلات التصوير الطبي في دفاتر الملاحظات، لذا نوصي بتنزيل Jupyter Notebook من هنا ثم استيراده أو استنساخه في VertexAI. يستعرض البرنامج التعليمي تجزئة الصور باستخدام إطار عمل Monai.
• يمكنك أيضًا طلب الوصول المبكر إلى Google Medical Imaging Suite الجديد لمعرفة ما إذا كان يناسب حالة الاستخدام الخاصة بك.

تنزيل البيانات من أرشيف قراءة التسلسل (SRA)

توجد بيانات التسلسل الجيني للجيل القادم في أرشيف قراءة التسلسل NCBI (SRA). يمكنك الوصول إلى هذه البيانات باستخدام مجموعة أدوات SRA. سنرشدك خلال هذا باستخدام هذا المفكرة، بما في ذلك كيفية استخدام BigQuery لإنشاء قائمة المدخلات الخاصة بك. يمكنك أيضًا استخدام BigQuery لإنشاء قائمة بالمدخلات للتنزيل باستخدام دليل الإعداد ودليل الاستعلام هذا. يمكن العثور على أمثلة إضافية لدفاتر الملاحظات في مستودع NCBI هذا. على وجه الخصوص، نوصي بهذا الدفتر (https://github.com/ncbi/ASHG-Workshop-2021/blob/main/1_Basic_BigQuery_Examples.ipynb)، الذي يتناول مزيدًا من التفاصيل حول استخدام BigQuery للوصول إلى نتائج التحليل التصنيفي SRA الأداة، والتي غالبًا ما تختلف عن اسم الأنواع الذي يُدخله المستخدم بسبب التلوث أو الخطأ أو بسبب كون العينات ميتاجينومية بطبيعتها. علاوة على ذلك، يقوم هذا الكمبيوتر الدفتري بالتعمق في تحليل نتائج BigQuery وقد يوفر لك بعض الأفكار الجيدة حول كيفية البحث عن عينات من SRA. توجد تحليلات البيانات الوصفية والتصنيف SRA في جداول BigQuery منفصلة، ​​ويمكنك معرفة كيفية الانضمام إلى هذين الجدولين باستخدام SQL من Powerpoint هذا أو من برنامجنا التعليمي هنا. أخيرًا، أصدرت NCBI ورشة العمل هذه التي تتناول مجموعة واسعة من تطبيقات BigQuery مع مجموعات بيانات NCBI.

استدعاء البديل

استدعاء المتغير الجينومي هو عملية تحديد وتوصيف الاختلافات الجينية من بيانات تسلسل الحمض النووي لفهم الاختلافات في التركيب الجيني للفرد.

• يوضح لك هذا البرنامج التعليمي من Google كيفية تشغيل خط أنابيب GATK Best Practices لاستدعاء المتغيرات الجينية باستخدام Life Sciences API. هناك قسم حول زيادة حصص حسابك، يمكنك تخطي ذلك. يمكنك أيضًا تشغيل GATK باستخدام أي من مديري سير العمل وتقديمه إلى Life Sciences API.
• يأتي أحد البرامج التعليمية الخاصة باستدعاء المتغير الجسدي من Sheffield Bioinformatics Core هنا. إنه يعمل على Galaxy، ولكن يمكن تكييفه ليعمل في Google Cloud Platform. على أقل تقدير، قد تكون البيانات مفيدة لك.

الاستعلام عن ملف VCF في Big Query

إن إخراج سير عمل استدعاء المتغير الجينومي هو ملف بتنسيق استدعاء المتغير (VCF). غالبًا ما تكون هذه ملفات بيانات كبيرة ومنظمة يمكن البحث فيها باستخدام أدوات استعلام قاعدة البيانات مثل Big Query.

• تعرف على كيفية استخدام Big Query لتشغيل الاستعلامات مقابل ملفات VCF الكبيرة من بيانات Gnomad باستخدام دفتر الملاحظات هذا. إذا أعطتك أي خلايا أخطاء، فحاول تشغيل تلك الخلية مرة أخرى ومن المفترض أن تعمل، ويبدو أن هناك بعض التأخير بين الخلايا.

دراسات رابطة الجينوم واسعة النطاق

دراسات الارتباط على مستوى الجينوم (GWAS) هي تحقيقات واسعة النطاق تحلل جينومات العديد من الأفراد لتحديد المتغيرات الجينية الشائعة المرتبطة بالسمات أو الأمراض أو الأنماط الظاهرية الأخرى.

• يرشدك هذا البرنامج التعليمي المكتوب NIH CFDE خلال تشغيل GWAS بسيط باستخدام AWS، وبالتالي قمنا بإعادة كتابته كدفتر ملاحظات للعمل على GCP هنا. تأكد من تحديد R كنواة لديك عند تشغيل دفتر الملاحظات الخاص بك بحيث يمكنك التبديل بين R وPython (ينطبق هذا فقط على "دفاتر الملاحظات التي يديرها المستخدم") ولكن لاحظ أن فريقنا واجه مشكلات في إذن conda مع دفاتر الملاحظات المُدارة الجديدة لهذا الغرض البرنامج التعليمي، لذا نوصي باستخدام "دفاتر الملاحظات التي يديرها المستخدم". أيضًا، إذا كان دفتر الملاحظات المستورد يحتوي على خلايا مطبوعة بالفعل، فما عليك سوى الانتقال إلى Kernel > Restart Kernel ومسح جميع المخرجات.
• يعتمد هذا البرنامج التعليمي من NIH NIEHS (الائتمان إلى David Thrower) على طريقة التعلم العميق المنشورة لـ GWAS لفول الصويا ومستخدمي Kubeflow وAutoML على مثيل Kubernetes.

البروتينات

علم البروتينات هو دراسة المجموعة الكاملة من البروتينات في الخلية أو الأنسجة أو الكائن الحي، بهدف فهم بنيتها ووظيفتها وتفاعلاتها للكشف عن رؤى حول العمليات البيولوجية والأمراض. على الرغم من أن معظم التحليلات البروتينية الأولية تحدث في منصات البرمجيات الاحتكارية، إلا أن الكثير من التحليلات الثانوية تحدث في دفاتر الملاحظات Jupyter أو R، ونقدم عدة أمثلة هنا:

• استخدم Big Query لإجراء اختبار Kruskal Wallis على بيانات البروتينات باستخدام دفاتر الملاحظات هذه. انسخ الريبو في Vertex AI، أو فقط اسحب دفاتر الملاحظات إلى مثيل Vertex AI Workbench. في دفتر الملاحظات الذي يحمل عنوان "ACM_BCB_2020_POSTER_KruskalWallisTest_ProteinGeneExpression_vs_ClinicalFeatures.ipyng"، قد ترمي خلية BigQuery الأولى خطأً، لكن تجاهل هذا واستمر في العمل، ومن المفترض أن يعمل باقي دفتر الملاحظات بشكل جيد. أيضًا، في تلك الخلية الكبيرة الأولى، تأكد من إضافة معرف المشروع الخاص بك. راجع هذا المستند للحصول على تعليمات إعداد البيئة.
• قم بتشغيل AlphaFold في Vertex AI باستخدام هذا الكمبيوتر الدفتري. تأكد من أن لديك وحدة معالجة الرسومات (GPU) لمثيل الكمبيوتر الدفتري الخاص بك، واتبع هذه الإرشادات لإعداد بيئتك. على وجه التحديد، ضمن البيئة، حدد Custom container ، ثم قم بلصق Docker container image فيما يلي: west1-docker.pkg.dev/cloud-devrel-public-resources/alphafold/alphafold-on-gcp:latest .
• قم بإجراء تحليل ثانوي للبيانات البروتينية باستخدام دفتر NIGMS Sandbox هذا، الذي طورته جامعة أركنساس للعلوم الطبية.

RNAseq والجمعية Transcriptome

يعد تحليل RNA-seq طريقة تسلسل عالية الإنتاجية تسمح بقياس وتوصيف مستويات التعبير الجيني وديناميكيات النسخ. عادةً ما يتم تشغيل عمليات سير العمل باستخدام مديري سير العمل، وغالبًا ما يمكن تصور النتائج النهائية في دفاتر الملاحظات.

• يمكنك تشغيل هذا البرنامج التعليمي Nextflow لـ RNAseq بعدة طرق على GCP. باتباع الإرشادات الموضحة أعلاه، يمكنك استخدام Compute Engine أو Google Batch أو جهاز كمبيوتر محمول Vertex AI.
• للحصول على نسخة دفتر ملاحظات من خط أنابيب RNAseq الكامل من Fastq إلى القياس الكمي لسمك السلمون، انتقل إلى هذه البرامج التعليمية من مشروع NIGMS Sandbox الذي طورته جامعة ماين.
• وبالمثل، تشتمل وحدة omics المتعددة هذه من جامعة داكوتا الشمالية على مكون RNAseq.

تجميع النسخ هو عملية إعادة بناء المجموعة الكاملة من نسخ الحمض النووي الريبي (RNA) في الخلية أو الأنسجة من بيانات التسلسل المجزأة، مما يوفر رؤى قيمة في التعبير الجيني والتحليل الوظيفي.

• هذه الوحدة التي طورها مختبر MDI البيولوجي لمشروع NIGMS Sandbox ترشدك عبر تجميع النسخ باستخدام Nextflow.

RNAseq خلية واحدة

تسلسل الحمض النووي الريبي أحادي الخلية (scRNA-seq) هو تقنية تتيح تحليل التعبير الجيني على مستوى الخلية الفردية، مما يوفر نظرة ثاقبة حول عدم التجانس الخلوي، وتحديد أنواع الخلايا النادرة، والكشف عن الديناميكيات الخلوية والحالات الوظيفية داخل الأنظمة البيولوجية المعقدة.

• توضح مدونة NVIDIA هذه تفاصيل كيفية تشغيل خط أنابيب scRNAseq المتسارع باستخدام RAPIDS. يمكنك العثور على رابط لمستودع GitHub الذي يحتوي على الكثير من نماذج دفاتر الملاحظات هنا. بالنسبة لكل حالة استخدام، فإنها تعرض بعض البيانات المعيارية الجيدة مع الوقت والتكلفة لكل نوع جهاز. سترى أن معظم عمليات التشغيل تكلف أقل من 1.00 دولارًا أمريكيًا باستخدام أجهزة GPU. انتبه جيدًا لإعداد البيئة نظرًا لوجود الكثير من التبعيات لأجهزة الكمبيوتر المحمولة هذه.
• تحتوي صفحة دروس Scanpy التعليمية على الكثير من الأمثلة الجيدة المستندة إلى وحدة المعالجة المركزية (CPU) والتي يمكنك تشغيلها في Vertex AI. قم باستنساخ GitHub repo للحصول على دفاتر الملاحظات مباشرة.
• وبدلاً من ذلك، إليك مستودع GitHub الذي يحتوي على قائمة منسقة من موارد scRNAseq والبرامج التعليمية. لم نختبرها في Cloud Lab، ولكننا أردنا إتاحتها في حالة احتياجك إلى موارد إضافية.

ATACseq وخلية واحدة ATACseq

ATAC-seq هي تقنية تسمح للعلماء بفهم كيفية تعبئة الحمض النووي في الخلايا من خلال تحديد مناطق الحمض النووي التي يمكن الوصول إليها والتي من المحتمل أن تشارك في تنظيم الجينات. - ترشدك هذه الوحدة إلى كيفية العمل من خلال سير عمل ATACseq وATACseq أحادي الخلية على Google Cloud. تم تطوير الوحدة بواسطة المركز الطبي بجامعة نبراسكا لمشروع NIGMS Sandbox.

ميثيلسيق

باعتبارها واحدة من التعديلات اللاجينية الأكثر وفرة والمدروسة جيدًا، تلعب مثيلة الحمض النووي دورًا أساسيًا في تطور الخلايا الطبيعية ولها تأثيرات مختلفة على النسخ واستقرار الجينوم وتغليف الحمض النووي داخل الخلايا. Methylseq هي تقنية لتحديد المناطق الميثيلية في الجينوم.

• قامت جامعة هاواي في مانوا بتطوير هذه المجموعة من دفاتر الملاحظات التي ترشدك خلال تحليل Methylseq كجزء من برنامج NIGMS Sandbox.

الميتاجينوميات

الميتاجينوميات هي دراسة المواد الجينية التي يتم جمعها مباشرة من العينات البيئية، مما يتيح استكشاف المجتمعات الميكروبية وتنوعها وإمكاناتها الوظيفية، دون الحاجة إلى الاستزراع المختبري. -ترشدك هذه الوحدة خلال إجراء تحليل الميتاجينوم باستخدام سطر الأوامر وNextflow. تم تطوير الوحدة من قبل جامعة داكوتا الجنوبية كجزء من مشروع NIGMS Sandbox.

تحليل Multiomic واكتشاف العلامات الحيوية

يتضمن التحليل متعدد الأطوار دمج البيانات عبر الطرائق (مثل الجينوم، والنسخ، والنمط الظاهري) لتوليد رؤى إضافية.

• تمنحك هذه المجموعة من دفاتر الملاحظات مثالاً على إجراء تحليل متعدد الأضلاع في دفاتر ملاحظات Jupyter وتم تطويرها بواسطة جامعة نورث داكوتا كجزء من مشروع NIGMS Sandbox.

اكتشاف العلامات الحيوية هو عملية تحديد جزيئات أو خصائص معينة يمكن أن تكون بمثابة مؤشرات للعمليات البيولوجية أو الأمراض أو الاستجابات العلاجية، مما يساعد في التشخيص والتشخيص والطب الشخصي. يتم إجراء اكتشاف العلامات الحيوية عادة من خلال تحليل شامل لأنواع مختلفة من البيانات، مثل علم الجينوم، وعلم البروتينات، وعلم التمثيل الغذائي، والبيانات السريرية، باستخدام تقنيات متقدمة بما في ذلك الفحص عالي الإنتاجية، والمعلوماتية الحيوية، والتحليل الإحصائي لتحديد الأنماط أو التوقيعات التي تفرق بين الصحة والمرض. الأفراد المرضى، أو المستجيبين وغير المستجيبين لعلاجات محددة.

• هذه الوحدة، التي طورتها جامعة رود آيلاند لمشروع NIGMS Sandbox، ترشدك خلال إجراء بعض تحليلات اكتشاف العلامات الحيوية الشائعة في R.

انفجار +

NCBI BLAST (أداة البحث عن المحاذاة المحلية الأساسية) هو برنامج معلوماتية حيوية يستخدم على نطاق واسع ويقدمه المركز الوطني لمعلومات التكنولوجيا الحيوية (NCBI) الذي يقارن تسلسلات النيوكليوتيدات أو البروتين مع قاعدة بيانات كبيرة لتحديد تسلسلات مماثلة واستنتاج العلاقات التطورية والشروح الوظيفية والهيكلية. معلومة.

• يشرح هذا البرنامج التعليمي Common Data Fund كيفية استخدام BLAST الأساسي على Google Cloud Platform.
• لقد قمنا أيضًا بإعادة كتابة هذا البرنامج التعليمي الخاص بـ ElastBLAST كدفتر ملاحظات يعمل مع VertexAI.

تحليل تسلسل القراءة الطويلة

يتضمن تحليل تسلسل الحمض النووي للقراءة الطويلة تحليل قراءات التسلسل التي يزيد طولها عادة عن 10 آلاف زوج أساسي، مقارنة بتسلسل القراءة القصيرة حيث يبلغ طول القراءات حوالي 150 زوجًا أساسيًا. لدى Oxford Nanopore عرضًا كاملاً جدًا من البرامج التعليمية للكمبيوتر الدفتري للتعامل مع البيانات المقروءة لفترة طويلة للقيام بمجموعة متنوعة من الأشياء بما في ذلك الاتصال المتغير وتحليل RNAseq وSars-Cov-2 وغير ذلك الكثير. يمكنك العثور على قائمة ووصف لدفاتر الملاحظات هنا، أو استنساخ GitHub repo. لاحظ أن هذه الدفاتر تتوقع أنك تعمل محليًا وتصل إلى خادم epi2me الدفتري. لتشغيلها في Cloud Lab، تخطى الخلية الأولى التي تتصل بالخادم ومن ثم يجب أن يعمل باقي دفتر الملاحظات بشكل صحيح، مع بعض التعديلات.

اكتشاف المخدرات

أنشأ اتحاد تسريع العلاجات للفرص في الطب (ATOM) سلسلة من دفاتر ملاحظات Jupyter التي ترشدك عبر نهج ATOM لاكتشاف الأدوية.

تم إنشاء دفاتر الملاحظات هذه للتشغيل في Google Colab، لذا إذا قمت بتشغيلها في Google Cloud، فستحتاج إلى إجراء بعض التعديلات. أولاً، نوصيك باستخدام دفتر ملاحظات مُدار بواسطة Google بدلاً من دفتر ملاحظات مُدار بواسطة المستخدم وذلك ببساطة لأن دفاتر الملاحظات المُدارة من Google مثبتة بالفعل على Tensorflow وتبعيات أخرى. تأكد من إرفاق وحدة معالجة الرسومات (GPU) بمثيلك (T4 جيد). ستحتاج أيضًا إلى التعليق على %tensorflow_version 2.x نظرًا لأن هذا أمر خاص بـ Colab. ستحتاج أيضًا إلى pip install بعض الحزم حسب الحاجة. إذا حصلت على أخطاء في deepchem ، فحاول تشغيل pip install --pre deepchem[tensorflow] و/أو pip install --pre deepchem[torch] . أيضًا، ستتطلب بعض أجهزة الكمبيوتر المحمولة نواة Tensorflow، بينما يتطلب البعض الآخر Pytorch. قد تواجه أيضًا خطأ Pandas، تواصل مع مطوري ATOM GitHub للحصول على أفضل حل لهذه المشكلة.

باستخدام جوجل دفعة

يمكنك التفاعل مع Google Batch مباشرةً لإرسال الأوامر، أو بشكل أكثر شيوعًا يمكنك التفاعل معه من خلال محركات التنسيق مثل Nextflow وCromwell، وما إلى ذلك. لدينا برامج تعليمية تستخدم Google Batch باستخدام Nextflow حيث نقوم بتشغيل خط أنابيب Methylseq nf-core أيضًا. مثل العديد من NIGMS Sandbox بما في ذلك تجميع النسخ، وmultiomics، وmethylseq، وmetagenomics.

استخدام واجهة برمجة تطبيقات علوم الحياة (إهلاك)

تم إيقاف Life Science API على Google Cloud Platform ولن تكون متاحة بحلول 8 تموز (يوليو) 2025 على النظام الأساسي، ونوصي باستخدام Google Batch بدلاً من ذلك. في الوقت الحالي، لا يزال بإمكانك التفاعل مع Life Sciences API مباشرة لإرسال الأوامر، أو بشكل أكثر شيوعًا يمكنك التفاعل معها من خلال محركات التنسيق مثل Snakemake، وحتى الآن يدعم مدير سير العمل هذا فقط Life Sciences API.

مجموعات البيانات العامة

لدى Google الكثير من مجموعات البيانات العامة المتاحة التي يمكنك استخدامها للاختبار. يمكن عرضها هنا ويمكن الوصول إليها عبر BigQuery أو مباشرة من مجموعة السحابة. على سبيل المثال، لعرض جينومات المرحلة 3 1k في سطر الأوامر، اكتب gsutil ls gs://genomics-public-data/1000-genomes-phase-3 .