Add system design and description

Dissertation.org

@@ -282,9 +282,62 @@ El uso de /Deep Learning/ para la corrección de errores de secuenciación es un
 4. Introducción al uso de Tensorflow y Keras para Deep Learning
 5. Estudio de aplicación de Tensorflow/Keras a la corrección de errores de secuenciación en base a los datos sintetizados previamente.
 
-* Métodos
+* Diseño y descripción del sistema
-** Tecnologías
+
-** Pipeline
+La finalidad de este proyecto es el desarrollo de un /pipeline/, con el objetivo de crear un algoritmo de /Deep Learning/ capaz de corregir errores de secuenciación en secuencias del ADN, en particular, en la región CDR3 del TCR.
+
+El sistema se compone de 2 partes, dado que el algoritmo de /Deep Learning/ no es dependiente del /dataset/ generado /in silico/, y se podría entrenar con cualquier otro conjunto de datos.
+
+#+CAPTION: Descripción del proyecto
+#+NAME: tab:pipeline
+| Elemento    | Finalidad                              | Lenguaje de programación |
+|-------------+----------------------------------------+--------------------------|
+| [[https://git.coolneng.duckdns.org/coolneng/locigenesis][locigenesis]] | Generación de secuencias de CDR3       | R                        |
+| [[https://git.coolneng.duckdns.org/coolneng/locimend][locimend]]    | Corrección de errores de secuenciación | Python                   |
+
+El diseño del sistema queda plasmado a continuación:
+
+#+CAPTION: Diseño del sistema. (*A*) Entrenamiento del algoritmo de /Deep Learning/. Como /input/ proporcionamos el número de secuencias, junto con el número de lecturas que deseamos que se simulen. Locigenesis generará 2 archivos en formato FASTQ, que contienen CDR3 con y sin errores de secuenciación, que son el /input/ de locimend para entrenar el modelo de /Deep Learning/, cuya salida es el conjunto de métricas del algoritmo. (*B*) Inferencia del modelo de /Deep Learning/ previamente entrenado y desplegado. Se provee como entrada una secuencia de ADN con errores de secuenciación, el algoritmo procesa ésta y devuelve una secuencia de ADN sin errores
+#+ATTR_HTML: :height 50% :width 75%
+#+NAME: fig:pipeline
+[[./assets/figures/pipeline.png]]
+
+Procedemos a la exposición de cada parte del /pipeline/, por separado, resaltando las tecnologías usadas y las funcionalidades.
+
+** locigenesis
+
+locigenesis es una herramienta que genera un receptor de células T (TCR) humano, lo pasa por una herramienta de simulación de lectura de secuencias y extrae las regiones CDR3.
+
+El objetivo de este proyecto es generar tanto secuencias de CDR3 con y sin errores de secuenciación, con el fin de crear /datasets/ para entrenar un algoritmo de /Deep Learning/.
+
+*** Tecnologías
+
+- immuneSIM: generación /in silico/ de repertorios de BCR y TCR, humanos y de ratón cite:Weber_2020
+- CuReSim: simulador de secuenciación que emula la técnica /Ion Torrent/ cite:Caboche_2014
+- Biostrings: manipulación de secuencias ómicas cite:Biostrings
+
+*** Funcionalidades
+
+El programa realiza, parametrizado por 2 parámetros de entrada (número de secuencias diferentes y número de lecturas por el simulador de secuenciación), los siguientes pasos:
+
+1. Generación de las secuencias de la cadena \beta de diversos repertorios inmunológicos del TCR
+2. Exportación de las secuencias a un archivo en formato FASTQ (tanto CDR3 como la secuencia completa)
+3. Simulación de una secuenciación mediante CuReSim, y almacenamiento de las secuencias con errores
+4. Alineamiento de las secuencias completas con errores, y extracción de CDR3 a partir de una heurística
+5. Exportación de las secuencias de CDR3 con errores y sin errores en archivos con formato FASTQ
+
+** locimend
+
+locimend es un algoritmo de /Deep Learning/ que corrige errores de secuenciación de secuencias de ADN.
+
+El objetivo de este proyecto es crear un modelo que pueda inferir la secuencia correcta de ADN, a partir de una secuencia de ADN con errores. Se trata de una reducción de ruido, aplicada a un problema de genómica.
+
+*** Tecnologías
+
+- Tensorflow: creación y ejecución de algoritmos de /machine learning/ cite:tensorflow2015-whitepaper
+- Biopython: manipulación de secuencias ómicas cite:Cock_2009
+
+*** Funcionalidades
 ** Reproducibilidad
 * Resultados
 * Conclusiones

assets/bibliography.bib

@@ -1265,3 +1265,94 @@
   url             = {http://dx.doi.org/10.1093/bioinformatics/btx089},
   publisher       = {Oxford University Press (OUP)}
 }
+
+@inproceedings{inproceedings,
+  author          = {Dolstra, Eelco and Jonge, Merijn and Visser, Eelco},
+  year            = 2004,
+  month           = 01,
+  pages           = {79-92},
+  title           = {Nix: A Safe and Policy-Free System for Software
+                  Deployment.}
+}
+
+@Article{Caboche_2014,
+  author          = {Caboche, Ségolène and Audebert, Christophe and Lemoine,
+                  Yves and Hot, David},
+  title           = {Comparison of mapping algorithms used in high-throughput
+                  sequencing: application to Ion Torrent data},
+  journal         = {BMC Genomics},
+  year            = 2014,
+  volume          = 15,
+  number          = 1,
+  pages           = 264,
+  issn            = {1471-2164},
+  doi             = {10.1186/1471-2164-15-264},
+  url             = {http://dx.doi.org/10.1186/1471-2164-15-264},
+  publisher       = {Springer Science and Business Media LLC}
+}
+
+@Article{Weber_2020,
+  author          = {Weber, Cédric R and Akbar, Rahmad and Yermanos, Alexander
+                  and Pavlović, Milena and Snapkov, Igor and Sandve, Geir K and
+                  Reddy, Sai T and Greiff, Victor},
+  title           = {immuneSIM: tunable multi-feature simulation of B- and
+                  T-cell receptor repertoires for immunoinformatics
+                  benchmarking},
+  journal         = {Bioinformatics},
+  year            = 2020,
+  editor          = {Schwartz, RussellEditor},
+  volume          = 36,
+  number          = 11,
+  month           = {Apr},
+  pages           = {3594–3596},
+  issn            = {1460-2059},
+  doi             = {10.1093/bioinformatics/btaa158},
+  url             = {http://dx.doi.org/10.1093/bioinformatics/btaa158},
+  publisher       = {Oxford University Press (OUP)}
+}
+
+@Article{Cock_2009,
+  author          = {Cock, P. J. A. and Antao, T. and Chang, J. T. and Chapman,
+                  B. A. and Cox, C. J. and Dalke, A. and Friedberg, I. and
+                  Hamelryck, T. and Kauff, F. and Wilczynski, B. and et al.},
+  title           = {Biopython: freely available Python tools for computational
+                  molecular biology and bioinformatics},
+  journal         = {Bioinformatics},
+  year            = 2009,
+  volume          = 25,
+  number          = 11,
+  month           = {Mar},
+  pages           = {1422–1423},
+  issn            = {1460-2059},
+  doi             = {10.1093/bioinformatics/btp163},
+  url             = {http://dx.doi.org/10.1093/bioinformatics/btp163},
+  publisher       = {Oxford University Press (OUP)}
+}
+
+@misc{tensorflow2015-whitepaper,
+  title           = { {TensorFlow}: Large-Scale Machine Learning on
+                  Heterogeneous Systems},
+  url             = {https://www.tensorflow.org/},
+  note            = {Software available from tensorflow.org},
+  author          = { Mart\'{\i}n~Abadi and Ashish~Agarwal and Paul~Barham and
+                  Eugene~Brevdo and Zhifeng~Chen and Craig~Citro and
+                  Greg~S.~Corrado and Andy~Davis and Jeffrey~Dean and
+                  Matthieu~Devin and Sanjay~Ghemawat and Ian~Goodfellow and
+                  Andrew~Harp and Geoffrey~Irving and Michael~Isard and Yangqing
+                  Jia and Rafal~Jozefowicz and Lukasz~Kaiser and
+                  Manjunath~Kudlur and Josh~Levenberg and Dandelion~Man\'{e} and
+                  Rajat~Monga and Sherry~Moore and Derek~Murray and Chris~Olah
+                  and Mike~Schuster and Jonathon~Shlens and Benoit~Steiner and
+                  Ilya~Sutskever and Kunal~Talwar and Paul~Tucker and
+                  Vincent~Vanhoucke and Vijay~Vasudevan and Fernanda~Vi\'{e}gas
+                  and Oriol~Vinyals and Pete~Warden and Martin~Wattenberg and
+                  Martin~Wicke and Yuan~Yu and Xiaoqiang~Zheng},
+  year            = 2015,
+}
+
+@misc{Biostrings,
+  title           = {Biostrings: Efficient manipulation of biological strings},
+  author          = {H. Pagès and P. Aboyoun and R. Gentleman and S. DebRoy},
+  year            = 2019,
+  note            = {R package version 2.50.2},
+}