Introducción a la Bioinformática

class: center, middle, inverse, title-slide

.title[
# Introducción a la Bioinformática
]
.institute[
### Licenciatura en Ciencias Genómicas,UNAM
]
.date[
### First version: yyy-mm-dd; Last update: 2024-10-18
]

---

.noinverse {
  background-color: #272822;
  color: #d6d6d6;
  text-shadow: 0 0 20px #333;
}

/* https://stackoverflow.com/questions/50919104/horizontally-scrollable-output-on-xaringan-slides */
pre {
  max-width: 100%;
  overflow-x: scroll;
}

</style>

---

class: inverse, center, middle

# Sed y tr

---

## Comando tr en Unix

### Transformaciones simples de texto

.content-box-green[

`tr` es un comando en Unix utilizado para traducir o eliminar caracteres de un texto.

Permite realizar operaciones de sustitución, eliminación y compresión de caracteres.

]

**Sintáxis básica**

```
tr [opciones] SET1 [SET2]
```

```bash
# Convertir minúsculas a mayúsculas
echo "hola mundo" | tr 'a-z' 'A-Z'
```

---
## Opciones del comando tr

Comando | Función
-- | ---
-d | Elimina caracteres
-s | Comprime m´ultiples ocurrencias de los caracteres listados

Nota: el comando `tr` puede procesar un archivo, pero no directamente como argumento de línea de comandos como lo hacen otros comandos (por ejemplo, grep o sed). En lugar de eso, `tr` toma su entrada desde la entrada estándar (stdin), lo que significa que normalmente se utiliza junto con la redirección de archivos o en una tubería.

---
## Aplicaciones comunes

**Eliminar Caracteres**: Quitar dígitos de un texto.

```bash
echo "abc123" | tr -d '0-9'
```

**Sustituir Caracteres**: Reemplazar espacios por guiones bajos.

```bash
echo "hola mundo" | tr ' ' '_'
```

**Comprimir Repeticiones** Comprimir múltiples espacios en uno.

```bash
echo "hola    mundo" | tr -s ' '
```

---

---
## Comando sed en Unix

### Editor de flujo de texto

.content-box-green[
`sed` es un editor de flujo que aplica transformaciones a cada línea de un archivo o entrada estándar.
Funcionalidad: Permite buscar, reemplazar, insertar y borrar texto.
]

**Sintáxis**

```
sed [opciones] 'comando' archivo
```

```bash
# Reemplazar "mundo" por "Unix":
echo "hola mundo" | sed 's/mundo/Unix/'
```

<!--
Notas del Profesor:

Explica que sed es más poderoso que tr para manipulaciones complejas de texto.
    Muestra cómo sed se puede usar en scripts para automatizar tareas de edición de texto.

-->

---
## Ejemplos Prácticos de sed

### Transformaciones avanzadas de texto

Reemplazo Simple: Cambiar "hola" por "adiós".

```bash
echo "hola mundo. Hola como estas?" | sed 's/hola/adiós/'
```

Reemplazo Global: Reemplazar todas las apariciones de "a" por "o".

```bash
echo "banana" | sed 's/a/o/g'
```

Usando archivos

```bash
sed 's/A/a/g'  secuencias_ejemplo.txt
```

Eligiendo el numero de linea

```bash
sed '2s/A/a/g'  secuencias_ejemplo.txt
```

---
## Ejemplos Prácticos de sed

.content-box-yellow[
sed toma una instrucción y la aplica en cada línea del input, imprimiendo
una línea de output por cada línea del input
]

Un rango de líneas
```bash
sed '2,4s/A/a/g'  secuencias_ejemplo.txt

```

Para inhabilitar este comportamiento default existe la opción -n `-n, --quiet, --silent`

- Al usar -n, sed no imprimirá nada a menos que se le indique explícitamente que lo haga.
- Cuando usas -n, debes utilizar el comando p (print) junto con una expresión de selección para especificar qué líneas deseas imprimir.

```bash
sed -n '2,4p' secuencias_ejemplo.txt 
```
---
## Ejemplos Prácticos de sed

Imprimir las lineas que contienen un patron
```bash
sed -n '/ATA/p' secuencias_ejemplo.txt 
```

Imprimir las lineas que NO contienen un patron

```bash
sed -n '/ATA/!p' secuencias_ejemplo.txt 
```

Buscando un patrón con grupos y backreferences

```bash
sed -E 's/^([a-z]+) ([a-z]+) /\2-\1/' sed.txt

sed -n -E 's/^([a-z]+) ([a-z]+) /\2-\1/p' sed.txt
```

---
## Eliminar líneas

Eliminar Líneas: Eliminar la primera línea de un archivo.

```bash
sed '1d' secuencias_ejemplo.txt 
```

Un rango de lineas

```bash
sed '5,10d' secuencias_ejemplo.txt 
```

eliminar todas las líneas que contienen un patrón específico,

```bash
sed '/ATG/d' secuencias_ejemplo.txt 
```

<!--
Notas del Profesor:

Explica la diferencia entre reemplazo simple y global.
    Anima a los estudiantes a usar sed para tareas de procesamiento de texto más complejas.

-->

---

<!--
Notas del Profesor:

Explica que tr es ideal para transformaciones simples y rápidas de texto.
    Muestra cómo tr puede ser útil en scripts de shell para manipular datos.

-->

---
## Uso en Bioinformática

### Convertir Secuencias de ADN a ARN:

Cambiar todas las "T" por "U" en una secuencia de ADN para obtener la secuencia de ARN correspondiente.

`ATGCTAGCTAG`

```bash
echo "ATGCTAGCTAG" | tr 'T' 'U'
```

### Eliminar Caracteres No Deseados

Quitar caracteres no nucleotídicos de una secuencia de ADN `ATGCTAGC-NNN-CTAG`

```bash
echo "ATGCTAGC-NNN-CTAG" | tr -d '-'
```

---
## Uso en Bioinformática

### Convertir a Minúsculas:

Convertir una secuencia de ADN a minúsculas para uniformidad.

```bash
echo "ATGCTAGCTAG" | tr 'A-Z' 'a-z'
```

### Reemplazar Nucleótidos:

Reemplazar todas las "A" por "T" en una secuencia de ADN.

```bash
echo "ATGCTAGCTAG" | sed 's/A/T/g'
```

---
## Formateo de Datos

Convertir el archivo de sitios de unión de LexA al formato de "feature map" requerido por RSAT tools, usando herramientas de línea de comandos básicas.

Archivo: `LexA_tfbs_info.txt`

```
Feature map format
In the standard input format, each feature is represented by a single line, which must contain the following information:

- map name (eg: gene name),
    - feature type (site, ORF),
    - identifier(ex: GATA_box, Abf1_site)
    - strand (D for Direct, R for Reverse),
    - start position (may be negative)
    - end position (may be negative)
    - (optional) sequence (ex: AAGATAAGCG)
    - (optional) score (a real value)
```

Revisa el archivo y haz los ajustes: 
- map gene  = promotor
- feature type = cabiar sitio por TFBs
- strand = cambiar forward por D y reverse por R
- Eliminar Líneas Incompletas

---
## Uso en Bioinformática

### Extraer Secuencias de FASTA:

Extraer solo las secuencias (sin encabezados) de un archivo FASTA.

```bash
sed '/^>/d' archivo.fasta
```

Elimina todas las líneas que comienzan con >, dejando solo las secuencias.

### Añadir Anotaciones

Añadir un comentario al final de cada línea de secuencia en un archivo.

```bash
sed 's/$/ # Anotación/' archivo.txt
```

Descripción: Añade " # Anotación" al final de cada línea.

---
## Uso en Bioinformática

### Eliminar Líneas Vacías:

Quitar líneas vacías de un archivo de secuencias.

```bash
sed '/^$/d' archivo.txt
```

Descripción: Elimina todas las líneas vacías.