KazRNA-Pipe-GPU-Accelerated, Reproducible Nextflow Workflow for Integrated Bulk and Single-Cell Transcriptomic Profiling

Medet Ashimgaliyev, Beimbet Daribayev, Аinur Zhumadillayeva, Miras Mussabek, Danil V. Lebedev, Bakhyt T. Matkarimov, Nurislam Kassymbek

2026

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)

DOI 10.3390/biomedinformatics6040061

Достоверность данных 70 средняя

Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

Reproducible high-performance computing pipelines for transcriptomic analysis are essential for population-scale precision oncology, yet most published workflows address only a single sequencing modality or lack benchmarking on underrepresented populations. We present KazRNA-Pipe, an open-source Nextflow v26.04.6 workflow processing both bulk and single-cell RNA sequencing (RNA-seq) within a unified Singularity-containerized environment with graphics processing unit (GPU) acceleration through the RAPIDS ecosystem. The pipeline was validated on 22 esophageal squamous cell carcinoma (ESCC) bulk RNA-seq samples from a Kazakhstan cohort (PRJNA608223) and on the largest public ESCC single-cell atlas (GSE160269). Quantification concordance across STAR, HISAT2, and Salmon reached Spearman ρ ≥ 0.90. BayesPrism deconvolution resolved cell-type proportions across all 22 samples.