Програмна частина магістерської дисертації за освітньо-науковою програмою «Біотехнології» спеціальності 162 «Біотехнології та біоінженерія» на тему: «Автоматизована біоінформатична система аналізу геномної характеристики вірусів грипу 2024–2025 епідемічного сезону».

Цей скрипт призначений для автоматизації рутинних процесів обробки результатів біоінформатичного пайплайну MIRA 2.0 для вірусів грипу. Програма готує отримані консенсусні послідовності та метадані для завантаження в базу даних GISAID, проводить аналіз за допомогою зовнішніх інструментів (Nextclade) та автоматично генерує стандартизовані звіти для регіональних ЦКПХ.

1. Підготовка середовища

Переконайтеся, що активовано необхідне середовище (наприклад, Conda) та встановлено всі залежності:

# Створення та активація нового середовища (за потреби)
conda create -n flu_env python=3.10
conda activate flu_env

# Встановлення всіх залежностей за один раз
conda install -c conda-forge -c bioconda pandas biopython openpyxl beautifulsoup4 requests nextclade

2. Встановлення fluCLI

Завантажте архів із бінарним файлом для Linux (або Windows чи Apple) із вашого акаунта GISAID та розпакуйте його. Відкрийте термінал у папці з файлом і виконайте:

# Надання прав на виконання та переміщення до системної директорії
chmod +x fluCLI
sudo mv fluCLI /usr/local/bin/

# Перевірка встановлення (під час першого запуску може знадобитися авторизація)
fluCLI help

3. Налаштування Nextclade (бази даних та шляхи)

Перед першим використанням пайплайну необхідно завантажити референсні датасети вірусів грипу та налаштувати конфігурацію у файлі run_nextclade.sh.

1. Завантаження датасетів: Виконайте в терміналі наступні команди (їх також можна знайти закоментованими всередині run_nextclade.sh), щоб локально завантажити всі необхідні бази:

nextclade dataset get --name 'nextstrain/flu/h1n1pdm/ha/MW626062' --output-dir 'nextclade_datasets/h1n1pdm_MW626062'
nextclade dataset get --name 'nextstrain/flu/h3n2/ha/EPI1857216' --output-dir 'nextclade_datasets/h3n2_EPI1857216'
nextclade dataset get --name 'nextstrain/flu/b/ha/KX058884' --output-dir 'nextclade_datasets/flu_b_KX058884'
nextclade dataset get --name 'nextstrain/flu/vic/ha/KX058884' --output-dir 'nextclade_datasets/flu_vic_KX058884'
nextclade dataset get --name 'nextstrain/flu/yam/ha/JN993010' --output-dir 'nextclade_datasets/flu_yam_JN993010'
nextclade dataset get --name 'nextstrain/flu/h3n2/ha/CY163680' --output-dir 'nextclade_datasets/h3n2_CY163680'
nextclade dataset get --name 'nextstrain/flu/h1n1pdm/ha/CY121680' --output-dir 'nextclade_datasets/h1n1pdm_CY121680'
nextclade dataset get --name 'nextstrain/flu/h1n1/ha' --output-dir 'nextclade_datasets/h1n1_ha'
nextclade dataset get --name 'nextstrain/flu/h2n2/ha' --output-dir 'nextclade_datasets/h2n2_ha'

4. Структура файлів та папок

Для коректної роботи пайплайну критично важливо дотримуватися правильної ієрархії директорій. Усі робочі файли конкретного лабораторного запуску (наприклад, RSP85) мають знаходитися в окремій папці поряд із виконуваними скриптами.

📁 Вигляд директорії до запуску скрипта:

Робоча_директорія/
├── reports                            # Директорія, призначена для зберігання скриптів та шаблонів
|       ├── bulletin_gtemplate.docx        # Базовий шаблон документа Microsoft Word
|       └── bulletin_generator.py/         # Python-скрипт, який агрегує статистику з Excel-бази
└── MIRA_outputs
        └── RSP85/                             # Папка конкретного запуску (назва може бути будь-якою, що починається з "RSP")
            ├── process_mira.py                # Головний Python-скрипт пайплайну
            ├── run_nextclade.sh               # Bash-скрипт для локального запуску Nextclade
            ├── amended_consensus.fasta        # Високоякісні консенсусні послідовності (від MIRA 2.0)
            ├── failed_amended_consensus.fasta # Послідовності, що не пройшли QC (від MIRA 2.0)
            └── metadata.xlsx                  # Метадані зразків (обов'язкові колонки: id, variant, region, ct, collection_date, sex, age, age_units)

5. Запуск скрипта

Скрипт запускається через інтерфейс командного рядка.

Важливо: Відкрийте термінал безпосередньо в робочій директорії (там, де знаходяться process_mira.py, run_nextclade.sh та папка з результатами MIRA, наприклад RSP85).

Виконайте команду, передавши два параметри:

1. Обо'язковий параметр ідентифікатора запуску (наприклад, 85 або діапазон 85-88).
2. Необов'язковий параметр типу секвенатора (MiSeq або NextSeq).

Приклад команди:

python process_mira.py 85 MiSeqм

6. Завантаження результатів у GISAID (gisaid_upload.sh)

Після успішного завершення роботи process_mira.py у папці запуску з'явиться директорія gisaid_upload/ із файлами gisaid_uploader.csv та fasta_for_gisaid.fasta.

1. Ручна перевірка: Перед відправкою обов'язково відкрийте та прогляньте ці файли, щоб переконатися у коректності метаданих.
2. Налаштування авторизації: Відкрийте файл gisaid_upload.sh у текстовому редакторі та обов'язково пропишіть ваші облікові дані у параметри:
   • --username
   • --password
   • --clientid
3. Відправка: Збережіть зміни, надайте скрипту права на виконання та запустіть:

./gisaid_upload.sh 85

7. Генерація інформаційного бюлетеня (bulletin_generator.py)

Цей додатковий скрипт автоматизує створення щотижневих звітів-бюлетенів у форматі Word (.docx). Він зчитує статистику із загальних баз даних Excel (кількість ПЛР-тестів, секвенованих зразків тощо) та автоматично заповнює відповідні поля у шаблоні документа, зберігаючи правильне форматування (Times New Roman, 14pt).

📦 Додаткові залежності

Для роботи цього скрипта потрібна бібліотека python-docx. Встановіть її у ваше робоче середовище:

conda install -c conda-forge python-docx

Налаштування перед запуском

Перед кожним запуском обов'язково відкрийте bulletin_generator.py у текстовому редакторі та оновіть змінні на початку файлу (дату, тиждень та шляхи до актуальних баз даних):

date = '18 травня'
week = '20'

main_db_path = "../main_database/flu.xlsx"
pcr_info_path = "../../../Disk D/Мои документы/Grip/Rezultat/Звіти ПЛР/2025-2026/Зразки на грип та ГРВІ 2025 – 2026.xlsx"