scRNA-seq Hackathon

** Objetivo**

Desarrollar pipelines óptimos de análisis de single-cell RNA-seq en R, Python y un enfoque híbrido (R + Python), asegurando modularidad, documentación clara y benchmarks de rendimiento.

---

** Estructura del Repositorio**

├── data/          # Datos de prueba
├── scripts/       # Código de cada pipeline
│   ├── R/
│   ├── Python/
│   ├── Hybrid/
├── docs/          # Documentación y tutoriales
├── results/       # Resultados y benchmarks
├── benchmarks/    # Evaluaciones de rendimiento
├── .github/       # Configuración de issues y workflows
├── README.md      # Descripción del proyecto
├── LICENSE        # Licencia (MIT, Apache, etc.)
└── CONTRIBUTING.md # Reglas de contribución

---

** ¿Cómo contribuir?**

1. Clona el repositorio

   git clone https://github.com/CSB-IG/sc-RNAseq-pipelines.git

2. Crea una rama para tu contribución

   git checkout -b feature-nueva

3. Sube tus cambios y haz un pull request (PR)

   git add .
   git commit -m "Descripción clara del cambio"
   git push origin feature-nueva

** Crear el Pull Request en GitHub ** Después de hacer git push, abre tu navegador y sigue estos pasos:

• Ve a tu repositorio en GitHub.
• Aparecerá un mensaje sugiriendo abrir un Pull Request para la rama feature-nueva.
• Haz clic en "Compare & pull request".
• Escribe un título y descripción claros del cambio.
• Asigna etiquetas (enhancement, bug, documentation).
• Da clic en "Create pull request".

4. Espera revisión y aprobación

---

Milestones e Issues

Fases del Hackatón

✅ Set-up inicial: Configuración del repositorio y datos de prueba. ✅ Implementación del pipeline: Desarrollo en R, Python y versión híbrida. ✅ Pruebas y optimización: Evaluación de performance y validaciones. ✅ Documentación y tutorial: Creación de tutoriales en Jupyter/RMarkdown. ✅ Benchmarks y paralelización: Medición de tiempos y consumo de recursos.

Principales Issues

• Implementar Preprocesamiento (QC y Alineamiento)
• Implementar Filtrado y Normalización
• Implementar Clustering y Reducción de Dimensionalidad
• Implementar Identificación de Tipos Celulares
• Implementar Comparación Casos vs Controles
• Implementar RNA Velocity y Pseudotiempo
• Implementar Interacciones Célula-Célula
• Realizar Benchmarks de Tiempos y Memoria
• Identificar Pasos Paralelizables
• Crear Documentación y Tutorial

---

Documentación y Tutorial

Cada pipeline tendrá:

• Documentación clara en docs/
• Notebooks de ejemplo (tutorial.ipynb en Python, tutorial.Rmd en R)
• Explicaciones paso a paso para ejecutar cada script

---

Evaluación de Rendimiento

Cada implementación será evaluada en:

• Tiempo de ejecución (segundos)
• Consumo de memoria RAM (MB)
• Uso de almacenamiento en disco (MB)

---

** Licencia**

Este proyecto se distribuye bajo la licencia MIT. Share and Enjoy.