# TFM_MDD_framework

Framework multiómico para la identificación de biomarcadores en depresión mayor (MDD), centrado en transcriptómica, con integración de análisis adaptativo y automatizado para datos de microarrays y RNA-seq.

---

## 🧠 Objetivo del proyecto

Desarrollar un framework reproducible y modular que permita el preprocesamiento, análisis diferencial, enriquecimiento funcional e interpretación de datos ómicos relacionados con la depresión, con foco inicial en datos transcriptómicos (Affymetrix y RNA-seq).

---

## 📁 Estructura del repositorio

TFM_MDD/ ├── data/ # Datos brutos y metadatos (no incluidos en Git) │ └── transcriptomics/ │ ├── notebooks/ # Exploraciones interactivas (Jupyter) │ └── README.md │ ├── pipeline/ # Automatización (Snakemake u otros) │ └── README.md │ ├── results/ # Resultados generados (no incluidos) │ ├── GSE98793/ │ ├── GSE44593/ │ └── log_preprocessing.txt │ ├── scripts/ # Scripts organizados por tipo │ ├── general/ # Descarga, mapeo, QC y master │ └── transcriptomics/ # Expresión diferencial, enriquecimiento y validación │ ├── environment.yml # Entorno reproducible Conda └── .gitignore # Exclusión de carpetas y archivos pesados

---

## ⚙️ Instalación del entorno

Requiere Conda:

```bash
conda env create -f environment.yml
conda activate tfm_mdd

---

🚀 Cómo ejecutar los análisis

Preprocesamiento adaptativo

Rscript scripts/general/preprocessing_master.R

Análisis de expresión diferencial

Rscript scripts/transcriptomics/differential_expression.R

Enriquecimiento funcional (GO/KEGG)

Rscript scripts/transcriptomics/enrichment_analysis.R

También disponibles versiones interactivas para ejecución manual en RStudio:

• run_differential_expression_interactive.R
• run_enrichment_interactive.R

---

🧬 Scripts incluidos

General:

• prepare_geo_dataset.sh: descarga automatizada desde GEO
• download_raw_geo.R, download_metadata_geo.R: extracción estructurada
• map_gene_ids.R: mapeo de identificadores a Entrez/SYMBOL
• preprocessing_master.R: orquestador general por dataset
• qc_post_normalization.R: validación técnica post-normalización

Transcriptómicos:

• preprocessing_microarray.R, preprocessing_rnaseq.R: flujo adaptativo según plataforma
• differential_expression.R: análisis DESeq2 o limma según tipo de datos
• enrichment_analysis.R: enriquecimiento GO/KEGG
• validate_logfc_direction.R: verificación de sentido de regulación

---

📄 Datos

Los datos transcriptómicos (microarrays y RNA-seq) y los resultados generados no se incluyen en el repositorio por motivos de tamaño y reproducibilidad. Su estructura está descrita en:

• data/README.md: organización por tipo y GSE ID
• results/README.md: estructura de salida por análisis

---

👩‍💻 Autoría

Este proyecto forma parte del Trabajo de Fin de Máster de:

Jessica Valdivia Máster en Bioinformática y Bioestadística Universitat Oberta de Catalunya (UOC)

---

📄 Licencia

MIT License — Puedes usar, adaptar y distribuir este framework con fines académicos o personales.

---

📚 Cita sugerida

Si utilizas o te basas en este framework, por favor cita:

Valdivia, J. (2025). TFM_MDD_framework: Framework multiómico para la identificación de biomarcadores en depresión mayor. Trabajo de Fin de Máster, UOC.

---