A pipeline design for downloading and analyzing promoter sequences in solanum lycopersicum

Abstract

Se presenta el desarrollo de una arquitectura en pipeline que automatiza la descarga de promotores de Solanum lycopersicum desde la Sol Genomics Network y luego los analiza con los programas MEME y TOMTOM. El código está disponible en www.github.com/lalebot/pip-prom-tom y utiliza Git como software de control de versiones. Se combina el uso de threads en Python, expresiones regulares y base de datos SQLite para que conjuntamente disminuyan el tiempo de descarga de los promotores y optimicen la utilización de recursos informáticos. La metodología que presenta este trabajo es potencialmente aplicable a otras áreas biológicas.

A pipeline architecture is implemented to automatize gene promoter sequence download from tomato genome Solanum lycopersicum annotated in Sol Genomics Network. Output gene promoters can be analyzed with MEME and TOMTOM programs. The code is available at www.github.com/lalebot/pip-prom-tom and Git is used as ontrol versions software. Combined Python threads, regular expressions, and SQLite databases are used to reduce time for downloading sequences and optimize informatic resources. The methodology presented in this work is potentially applicable to other biological fields.