Workflow MASA-OPENMP PASTAR

O workflow científico apresentado neste repositório tem como propósito realizar o alinhamento múltiplo de sequências de um subconjunto utilizado como entrada.

Para isso, estão acoplados ao workflow dois programas exatos para alinhamento de sequências, sendo eles:

1. MASA-OPENMP
2. PA-star

A figura abaixo apresenta o funcionamento do workflow. A entrada é composta por um arquivo multi-FASTA, contendo várias sequências. Essas sequências são decompostas em arquivos individuais e é realizada a execução do MASA em cada par possível da combinação de sequências. Os resutlados dos MASAs são sumarizados e um subconjunto de sequências é filtrado. A partir das sequências seleciondas, o PA-star é executado, gerando um alinhamento múltiplo de sequências desse subconjunto.

O workflow apresenta duas versões. A primeira desenvolvida sem nenhum sistema de gerência de workflows científicos, que pode ser encontrada aqui. A segunda versão, foi desenvolvida utilizando o sistema de gerência de workflows científicos PyCOMPSs, e se encontra na pasta src.

Requisitos

O workflow tem como requisitos os seguintes programas e bibliotecas:

• MASA-OPENMP v1.0.1.1024
• PA-star2 v2.0
• Python $\geq$ v3.11.7
• PyCOMPSs $\geq$ v3.3.3
• BioPython $\geq$ v1.85

Uso

O script deve ser executado a partir da linha de comando da seguinte forma:

python script.py -i <arquivo_fasta> [opções]

Argumentos de Linha de Comando

Argumentos Obrigatórios

• -i, --input (str, obrigatório)

  Caminho para o arquivo multi-FASTA de entrada contendo as sequências a serem analisadas.

Argumentos Opcionais

• -w, --workdir (str, opcional, padrão: diretório de trabalho atual)

  Diretório de trabalho (caminho absoluto) onde todos os arquivos de saída gerados pelo workflow serão armazenados.

• -m, --max_seqs (int, opcional, padrão: 5)

  Número máximo de sequências que serão selecionadas e submetidas à etapa de alinhamento múltiplo de sequências utilizando o Pastar.

• -p, --pastar_threads (int, opcional, padrão: 1)

  Número de threads a serem utilizadas pelo Pastar durante o processo de alinhamento.

• -s, --similar / --no-similar (bool, opcional, padrão: False)

  Estratégia de seleção das sequências:

  • Quando habilitado (--similar), o workflow seleciona as sequências mais similares.
  • Quando omitido ou desabilitado (--no-similar, comportamento padrão), o workflow seleciona as sequências mais divergentes.

Exemplo

python script.py \
  --input sequences.fasta \
  --workdir /results/ \
  --max_seqs 10 \
  --pastar_threads 4 \
  --similar

Esse comando seleciona até 10 sequências similares a partir de sequences.fasta, executa o Pastar utilizando 4 threads e armazena todos os resultados no diretório ./results/.