FERRAMENTAS

Nome	Ano	Com quais dados funcionou?	Quem usou?
LongGF	2020	JAFFAL-data, MCF7-SRA, MCF7-ONT	Genion, JAFFAL, FusionSeeker, CTAT-LR
AERON	2020	descartado	-
Genion	2022	nenhum	IFDlong
JAFFAL	2022	JAFFAL-data, MCF7-SRA, MCF7-ONT	FusionSeeker, FUGAREC, CTAT-LR
FUGAREC (FLBEA)	2022	nenhum	-
FusionSeeker	2023	nenhum	FUGAREC, CTAT-LR
CTAT-LR	2024	JAFFAL-data, MCF7-SRA, MCF7-ONT	-
Readon	2024	JAFFAL-data, MCF7-SRA, MCF7-ONT	-

DADOS

Nome	Real/Simulado	Fonte
JAFFAL-data	simulado	https://data.broadinstitute.org/Trinity/CTAT-LR-Fusion_PAPER/simulated_reads/jaffal_sim_data/
PBSIM3 (descartado)	simulado	https://github.com/yukiteruono/pbsim3/blob/master/INSTALL
MCF7-ONT	real	http://sg-nex-data.s3-website-ap-southeast-1.amazonaws.com/#data/sequencing_data_ont/fastq/
MCF7-SRA	real	https://www.ncbi.nlm.nih.gov/Traces/study/?acc=SRX905986&o=acc_s%3Aa
TEST-DATA	simulado	dados na DL

CRONOGRAMA DA IC

Objetivo específico	Início	Fim	Descrição
1	01/11/2024	28/02/2025	estudar tanto o funcionamento das ferramentas que serão utilizadas como base neste projeto, quanto a adaptação da noção de palavras específicas para detectar fusões gênicas em transcriptomas
2	01/03/2025	30/06/2025	verificar a possibilidade de introduzir tais adaptações nos softwares de referência, ou em um novo software a ser construído
3	01/07/2025	31/10/2025	avaliar o desempenho dos programas desenvolvidos ao longo do projeto, buscando identificar tanto possíveis vantagens, quanto eventuais limitações

PRAZOS IMPORTANTES

Evento	Instituição	Prazo
enviar resumo pra poster	X-meeting	24/04/2025
relatório final da ic	FAPESP	09/11/2025
prestação de contas	FAPESP	09/11/2025

INSTRUÇÕES DE USO DO REPOSITÓRIO

Pré-requisito: Docker instalado no sistema

---

📁 1. obj1-estudo/ – Execução das Ferramentas de Detecção de Fusão

Conteúdo: Este diretório contém ferramentas existentes que são utilizadas para detectar fusões gênicas (LongGF, JAFFAL, CTAT-LR e Readon). Além disso, este diretório conta com dados utilizados durante a pesquisa: tais arquivos devem ficar no diretório obj1-estudo/data/ e contam tanto com dados simulados quanto com dados reais. Há, também, a versão destes dados após a aplicação do filtro baseado no algoritmo de detecção de palavras específicas. Tais arquivos devem ser gerados no obj2-adapt/with-svdss/ e copiados para cá (este processo será explicado em maiores detalhes na seção seguinte). Este diretório também conta com um pipeline (desenvolvido em bash) chamado tools.bash, o qual deve ser utilizado para executar as ferramentas com os dados disponíveis.

▶️ Como usar o pipeline:

1. Dê permissão de execução ao script do pipeline (se ainda não estiver com permissão):

chmod +x tools.bash

2. Execute o pipeline usando o seguinte comando:

./tools.bash

3. Escolha a ferramenta de detecção que deseja testar.
4. Escolha um arquivo .fastq dentro de data/ (verifique se o dado desejado existe em data/).

⚠️ Caso deseje usar um dado filtrado, gere-o previamente no diretório obj2-adapt/ (veja na próxima seção).

🧪 Os outputs serão gerados automaticamente nos subdiretórios correspondentes às ferramentas.

---

Estrutura deste repositório:

obj1-estudo

1. data/

   • BOLDRINI

     • boldrini1.fastq.gz (Dados do Centro Boldrini)
     • boldrini2.fastq.gz (Dados do Centro Boldrini)
     • boldrini3.fastq.gz (Dados do Centro Boldrini)

   • MCF7-SRA

     • SRR1853196.fastq.gz (Dado real de caso de câncer de mama)
     • SRR1867822.fastq.gz (Dado real de caso de câncer de mama)

   • MCF7-ONT

     • SGNex_MCF7-EV_directRNA_replicate1_run1.fastq.gz (Dado real de caso de câncer de mama)

   • JAFFAL-data

     • LongReadFusionSimulation.JAFFAL_paper/ (Dados simulados gerados pelos desenvolvedores da ferramenta JAFFAL)

   • SVDSS

     • svdss_75.fastq (Dado simulado após filtro)
     • svdss_80.fastq (Dado simulado após filtro)
     • svdss_85.fastq (Dado simulado após filtro)
     • svdss_90.fastq (Dado simulado após filtro)
     • svdss_95.fastq (Dado simulado após filtro)
     • svdss_boldrini1.fastq (Dado Boldrini após filtro)
     • svdss_boldrini2.fastq (Dado Boldrini após filtro)
     • svdss_boldrini3.fastq (Dado Boldrini após filtro)

2. tools.bash

3. LongGF/ (ferramenta de detecção de fusão gênica)

4. JAFFAL/ (ferramenta de detecção de fusão gênica)

5. CTAT-LR/ (ferramenta de detecção de fusão gênica)

6. Readon/ (ferramenta de detecção de fusão gênica)

📝 Observação: para baixar os dados d, e, f e g do diretório data/, basta rodar o comando (no diretório data/):

make <nome do arquivo>

---

📁 2. obj2-adapt/ – Geração de Dados com o Filtro de Palavras Específicas

Conteúdo: Este diretório contém a ferramenta responsável pela detecção de palavras específicas na amostra (em relação ao transcriptoma humano de referência). Trata-se da ferramenta SVDSS. A ferramenta SVDSS gera como output um arquivo do tipo .txt com as posições de início e final das palavras específicas encontradas. Assim, o script extract.bash converte o arquivo .txt em .fastq (para que seja possível passar tal arquivo como entrada filtrada para as ferramentas de detecção de fusão gênica). No diretório results/, temos a análise dos resultados obtidos (tanto com aplicação do filtro quanto sem a aplicação do filtro). Tal análise é feita a partir do cálculo de diferença simétrica entre um GROUND-TRUTH (referência) e o output gerado pelas ferramentas.

Para gerar os resultados das diferenças simétricas, temos scripts em python que geram um arquivo .txt com tal resultado para cada ferramenta:

• compare_longgf.py
• compare_ctat.py
• compare_jaffal.py

Estrutura deste diretório:

1. with-svdss/ (detecção de fusões gênicas com uso do filtro)
2. without-svdss/ (detecção de fusões gênicas sem uso do filtro)
3. results/ (cálculo de diferença simétrica para analisar a eficiência do método utilizado)
4. ground-truth/ (arquivos .txt com as fusões contidas nos dados simulados usados nesta pesquisa)
5. read_output/ (leitura dos outputs das ferramentas de detecção de fusão)
6. test-data/ (headers dos arquivos .fastq correspondentes às fusões gênicas)
7. with-svdss/txt_to_fastq/extract.bash (script que converte output da ferramenta SVDSS de .txt para .fastq)
8. compare_longgf.py (descrito acima)
9. compare_jaffal.py (descrito acima)
10. compare_ctat.py (descrito acima)

Comando para rodar a ferramenta SVDSS (no diretório obj2-adapt/with-svdss):

make -B input_data=<caminho para o arquivo desejado no diretório obj1-estudo/data>

Conversão do output .txt para .fastq:

./txt_to_fastq/extract.bash specifics.txt ../../obj1-estudo/data/<dado fastq usado> svdss.fastq

Tabela de renomeação de arquivos:

Dado	Nome correspondente
ONT_fus_sim_75err.fastq.gz	svdss_75.fastq
ONT_fus_sim_80err.fastq.gz	svdss_80.fastq
ONT_fus_sim_85err.fastq.gz	svdss_85.fastq
ONT_fus_sim_90err.fastq.gz	svdss_90.fastq
ONT_fus_sim_95err.fastq.gz	svdss_95.fastq
boldrini1.fastq.gz	svdss_boldrini1.fastq
boldrini2.fastq.gz	svdss_boldrini2.fastq
boldrini3.fastq.gz	svdss_boldrini3.fastq

Renomear o arquivo:

mv specifics.txt <nome do arquivo correspondente>

Compactar e mover para obj1-estudo/data/:

gzip <nome do arquivo fastq>
cp <nome do arquivo fastq.gz> ../../obj1-estudo/data/

---

Caminhos dos outputs das ferramentas após rodar tools.bash:

Ferramenta	Caminho para o output
LongGF	obj1-estudo/LongGF/030-long_gf/output_make.log
JAFFAL	obj1-estudo/JAFFAL/030-jaffal/jaffa_results.csv
CTAT-LR	obj1-estudo/CTAT-LR/030-ctat-lr/ctat_LR_fusion_outdir/ctat-LR-fusion.fusion_predictions.tsv

Copiar output para obj2-adapt/with-svdss/:

mv <caminho para o output de ferramenta> ../obj2-adapt/with-svdss/<nome desejado para o output>

Calcular diferença simétrica:

python3 compare_<ferramenta>.py ground-truth/ground_truth_<err>.txt with-svdss/<output de ferramenta> > results/<nome do output>.txt

---

📁 3. obj3-teste/ – Validação de eficiência e acurácia do método desenvolvido

Conteúdo: (Seção presente no documento, mas ainda sem conteúdo detalhado)

---