Thread by @Rociobm1

Una de las principales tareas en el tratamiento de datos en #bioinformática 🧬💾 es la encadenación de procesos para construir lo que se denomina #WorkFlow ⚙️ . A menudo estos procesos suelen dar error, lo que en muchas ocasiones nos obliga a reiniciar todo el trabajo. (1/9)

Con el fin de automatizar estas tareas y desarrollarlas de la forma más eficiente existen los gestores de trabajo, que nos permiten agilizar y personalizar los análisis. Aquí os dejo los más representativos (2/9) 🧶👇:

#Bpipe una plataforma para ejecutar grandes trabajos de #bioinformática. Actualizado en septiembre del 2021. Además, posee algunos ejemplos de procesos de análisis estandarizados en bioinformática que nos serán muy útiles (3/9) 👇:
docs.bpipe.org

#Netflow, es uno de los más recomendados. Existen muchas herramientas bioinformáticas gestionadas por Netflow. Puedes reutilizar tus propios scripts y herramientas, no necesitas aprender un nuevo lenguaje o API para comenzar a usarlo (4/9)👇:
nextflow.io

#Cromwell, desarrollado por el Broad Institute. Poco conocido por el momento (5/9) 👇 :
cromwell.readthedocs.io/en/stable/

#Ruffus, se trata de una librería para Python, de código abierto. Permite la automatización de análisis con el mínimo esfuerzo (6/9) 👇 :
ruffus.org.uk

#Seqware, conjunto de herramientas que permiten el análisis de datos de NGS (Next Generation Sequencing). Sin mantenimiento del 2014 (7/9) 👇 :
seqware.github.io

#Snakemake, es otro de los gestores de flujos de trabajo más populares. Crea flujos reproducibles y escalables. El lenguaje de uso es Python. Adaptado a distintos entornos: servidor, cluster o nube. Última versión V5.6, amplia comunidad (8/9) 👇 :
snakemake.readthedocs.io/en/stable/

La oferta es variada pero como muchas veces ocurre puedes encontrarte a programadores que nos les convenza ninguno de ellos y acaben desarrollando su propio gestor. Ese es nuestro caso en el
@scbi_uma de la @InfoUMA ✍️😉⚙️💾🧬 (9/9) #bioinformatic #SCBI #UMA #DataScience