Bölüm 3: Girdileri düzenleme¶

Yapay Zeka Destekli Çeviri - daha fazla bilgi ve iyileştirme önerileri

Bölüm 2'de molkart'ı komut satırında birden fazla parametre ile çalıştırdık. Şimdi girdileri yönetmek için iki daha iyi yaklaşım öğreneceğiz: parametre dosyaları ve örnek tabloları.

1. Parametre dosyalarını kullanma¶

1.1. Uzun komut satırlarıyla ilgili sorun¶

Bölüm 2'deki komutumuzu hatırlayın:

nextflow run ./molkart \
  --input 'data/samplesheet.csv' \
  --mindagap_tilesize 90 \
  --mindagap_boxsize 7 \
  --mindagap_loopnum 100 \
  --clahe_pyramid_tile 368 \
  --segmentation_method "cellpose" \
  --outdir results

Bu işe yarar, ancak tekrar üretmek, paylaşmak veya değiştirmek zordur. Aynı analizi önümüzdeki ay tekrar çalıştırmanız gerekirse ne olur? Bir iş arkadaşınız tam ayarlarınızı kullanmak isterse ne olur?

1.2. Çözüm: Parametre dosyası kullanın¶

params.yaml adında bir dosya oluşturun:

params.yaml

input: "data/samplesheet.csv"
outdir: "results"
mindagap_tilesize: 90
mindagap_boxsize: 7
mindagap_loopnum: 100
clahe_pyramid_tile: 368
segmentation_method: "cellpose"

Artık komutunuz şu hale gelir:

nextflow run ./molkart -params-file params.yaml -resume

Bu kadar! Parametre dosyası tam yapılandırmanızı belgelendirir ve tekrar çalıştırmayı veya paylaşmayı kolaylaştırır.

1.3. Parametreleri geçersiz kılma¶

Komut satırından belirli parametreleri geçersiz kılmaya devam edebilirsiniz:

nextflow run ./molkart -params-file params.yaml --segmentation_method "stardist" --outdir stardist_results -resume

Yukarıdaki satır, segmentation_method'u stardist olarak değiştirir ve --outdir adını params.yaml dosyasındaki parametreler yerine stardist_results olarak ayarlar. Ayrıca, -resume bayrağının önceki çalıştırmadaki ön işleme sonuçlarını yeniden kullanmamıza izin vererek zaman tasarrufu sağladığını görebilirsiniz. Bu kalıbı, ardışık düzenin farklı varyasyonlarını hızlıca test etmek için kullanabilirsiniz.

Çıkarım¶

Parametre dosyaları analizlerinizi tekrar üretilebilir ve paylaşımı kolay hale getirir. Gerçek analiz çalışmaları için bunları kullanın.

Sırada ne var?¶

Örnek tablolarının birden fazla örnek hakkındaki bilgileri nasıl düzenlediğini öğrenin.

2. Örnek tablosu kalıbı¶

2.1. Örnek tablosu nedir?¶

Örnek tablosu, girdi örneklerinizi açıklayan bir CSV dosyasıdır. Her satır bir örnektir ve sütunlar o örnek için dosyaları ve meta verileri belirtir.

Kullandığımız örnek tablosuna bakalım:

cat data/samplesheet.csv

samplesheet.csv

sample,nuclear_image,spot_table,membrane_image
mem_only,https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/nuclear.tiff,https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/spots.txt,https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/membrane.tiff

Sütunlar şunlardır:

sample: Benzersiz örnek tanımlayıcısı
nuclear_image: Çekirdek boyama görüntüsü (TIFF)
spot_table: Transkript noktaları (TXT)
membrane_image: Membran boyama görüntüsü (TIFF, isteğe bağlı)

2.2. Dosya yolları¶

Örnek tabloları birden fazla yol türünü kabul eder:

URL'ler: Nextflow otomatik olarak indirir (yukarıda gösterildiği gibi)
Yerel yollar: data/nuclear.tiff veya /absolute/path/to/nuclear.tiff
Bulut depolama: s3://bucket/nuclear.tiff, gs://bucket/nuclear.tiff, az://container/nuclear.tiff

Aynı örnek tablosunda yol türlerini karıştırabilirsiniz.

2.3. Kendi örnek tablonuzu oluşturma¶

Önce test veri dosyalarını yerel olarak indirelim:

cd /workspaces/training/nf4-science/imaging/data
curl -O https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/nuclear.tiff
curl -O https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/spots.txt
curl -O https://raw.githubusercontent.com/nf-core/test-datasets/molkart/test_data/input_data/membrane.tiff
cd ..

Şimdi örnek tablosunu bu yerel dosyalara referans verecek şekilde değiştirelim:

samplesheet.csv

sample,nuclear_image,spot_table,membrane_image
mem_only,data/nuclear.tiff,data/spots.txt,data/membrane.tiff

Uyarı

Örnek tablosundaki yolların, örnek tablosunun bulunduğu yere değil, Nextflow'u çalıştırdığınız yere göre göreceli olduğuna dikkat edin.

Son olarak, yerel dosya yollarına sahip örnek tablosuyla nf-core/molkart'ı bir kez daha çalıştıralım:

nextflow run ./molkart -params-file params.yaml -resume

Gördüğünüz gibi, Nextflow bu çalıştırmayı dosyalar Github'dan indirildiğinde olduğu gibi benzer şekilde yürütür. Bu, Nextflow'un harika özelliklerinden biridir, verinin nerede bulunduğuna bakılmaksızın verileri sizin için uygun şekilde hazırlar.

Çıkarım¶

Örnek tabloları, dosya yollarıyla birlikte meta verilerinizi açıkça tanımlamanıza olanak tanıyan bir şekilde çok örnekli veri setlerini düzenler. Çoğu nf-core ardışık düzeni bu kalıbı kullanır.

Sırada ne var?¶

Artık girdileri ele aldığımıza göre, Nextflow ardışık düzenlerini farklı hesaplama ortamları için nasıl yapılandıracağımızı keşfedelim.