155p. 155-162
REPRODUCIBILIDAD EN LOS FLUJOS DE TRABAJO BIOINFORMÁTICOS
APLICADOS A GENÓMICA Y ONCOLOGÍA CLÍNICAVol. 16 Número 2 2025
RESUMEN
ABSTRACT
Reproducibility in bioinformatics workflows applied to genomics and clinical oncology
REPRODUCIBILIDAD EN LOS FLUJOS DE TRABAJO BIOINFORMÁTICOS
APLICADOS A GENÓMICA Y ONCOLOGÍA CLÍNICA
(1) Universidad Internacional de Valencia. Facultad de Ciencias de la Salud. Bioinformática. Valencia, España.
(2) Universidad Nacional de Chimborazo, Facultad de Ciencias de la Salud, Riobamba, Chimborazo, Ecuador. Código postal: 060106. Correo electrónico: valeria.riera@unach.edu.ec
(3) Médico General, Clínica Los Pinos - Hospital General, Quito, Pichincha, Ecuador. Código postal: 170125. Correo electrónico: md.gustavo25@gmail.com
(4) Odontólogo General, Investigador independiente, Riobamba, Chimborazo, Ecuador. Código postal: 060106. Correo electrónico: dennysrodrigolopez@gmail.com
Autor de correspondencia:
Correo electrónico: juansebaslozascience@gmail.com / Teléfono: +593 98 428 3781
Introducción: El incremento exponencial de datos genómicos en la oncología clínica ha posicionado a la reproducibilidad bioinformática
como un pilar crítico para la validez de diagnósticos y terapias personalizadas. No obstante, la variabilidad en pipelines y la falta de
estándares técnicos generan una crisis de consistencia en los resultados. Objetivo: Analizar los flujos de trabajo bioinformáticos aplicados
a genómica oncológica, evaluando la capacidad de herramientas como Snakemake, Onkopipe e iCOMIC para garantizar resultados clínicos
reproducibles. Metodología: Se realizó una revisión integrativa siguiendo la declaración PRISMA 2020. La búsqueda se ejecutó en Pubmed
y ScienceDirect. De 124 registros identificados, 38 estudios cumplieron con los criterios de elegibilidad y fueron analizados mediante una
síntesis cualitativa y temática. Resultados: Se identificó una crisis de reproducibilidad ligada a la ineficiente documentación de parámetros.
De los estudios analizados, 18 describieron prácticas explícitas: el 88,8% (n=16) destacó la documentación detallada, el 77,7% (n=14) el
uso de gestores de flujo como Snakemake y el 61,1% (n=11) la implementación de contenedores y control de versiones. Se evaluaron 12
flujos específicos, donde el uso de Snakemake demostró optimizar la trazabilidad y escalabilidad del diagnóstico molecular. Conclusiones:
La adopción rigurosa de gestores de flujos automatizados y la estandarización de la documentación técnica son indispensables para
transitar de la bioinformación investigativa a una genómica clínica auditable y confiable.
Palabras claves: bioinformática, genómica, oncología, reproducibilidad, Snakemake.
Introduction: The exponential increase in genomic data in clinical oncology has positioned biological reproducibility as a critical pillar for
the validity of personalised diagnoses and therapies. However, variability in pipelines and the lack of technical standards are causing a crisis
of consistency in results. Objective: The analysis of bioinformatics workflows applied to oncology genomics is essential for evaluating the
capacity of tools such as Snakemake, Onkopipe and iCOMIC to guarantee reproducible clinical results. Methodology: A comprehensive
review was conducted in accordance with the PRISMA 2020 statement, incorporating a systematic approach to the analysis of existing
literature. The search was conducted using the PubMed and ScienceDirect databases. Of the 124 records identified, 38 studies met the
eligibility criteria and were analysed using a qualitative and thematic synthesis. Results: It was determined that a reproducibility crisis
was occurring, and this was connected to the inadequate documentation of parameters. Of the studies analysed, 18 described explicit
practices: 88.8% (n=16) highlighted detailed documentation, 77.7% (n=14) the use of workflow managers such as Snakemake, and 61.1%
(n=11) the implementation of containers and version control. Twelve specific workflows were evaluated, and the use of Snakemake was
found to optimise the traceability and scalability of molecular diagnostics. Conclusions: The rigorous adoption of automated workflow
managers and the standardization of technical documentation are essential for transitioning from research bioinformation to auditable
and reliable clinical genomics.
Keywords: bioinformatics, genomics, oncology, reproducibility, Snakemake
ARTÍCULO DE REVISIÓN Historial del artículo: Recibido: 25/11/2025 · Aceptado: 23/01/2026 · Publicado: 25/01/2026
https://cssn.espoch.edu.ec
iD
iD
iD
iD
Juan Sebastian Loza Chiriboga ⁽¹⁾*
Valeria Alexandra Riera Sampedro ⁽²⁾
Michael Gustavo Miranda Coello ⁽³⁾
Dennys Rodrigo Lopez Chavez ⁽⁴⁾
juansebaslozascience@gmail.com
valeriariera70@gmail.com
md.gustavo25@gmail.com
dennysrodrigolopez@gmail.com
DOI: https://doi.org/10.47187/cssn.Vol16.Iss2.45
156Juan Sebastian Loza Chiriboga, et al. Vol. 16 Número 2 2025
La reproducibilidad dentro del ámbito científico ha
surgido como uno de los principios fundamentales
para la validación y el avance del conocimiento,
especialmente en áreas como la genómica aplicada
a la oncología, que ha transformado radicalmente
la capacidad de comprender el cáncer a
nivel molecular, permitiendo el desarrollo de
biomarcadores hasta terapias personalizadas. Sin
embargo, existen desafíos sustanciales en cuanto
a la reproducibilidad de los resultados, debido
a la infraestructura, hardware y las versiones
específicas de las herramientas empleadas en
los pipelines bioinformáticos, además la falta de
estandarización de parámetros, la diversidad de
algoritmos y la ausencia de criterios consensuados
para la interpretación de resultados conducen a
la variabilidad en los análisis (1–3).
Para abordar estos desafíos tanto técnicos
como metodológicos la comunidad científica
ha promovido a la implementación de gestores
de flujo de trabajo, como Snakemake, que es
ampliamente utilizado en bioinformática, utiliza
lenguajes de dominio específico que acrecientan
la portabilidad y escalabilidad de los análisis. Cabe
destacar que estos sistemas permiten definir con
precisión el flujo de datos entre las herramientas,
procurando que cada paso sea reproducible y
documentado (4).
La reproducibilidad bioinformática en genómica
clínica y oncológica conforman el eje central
para obtener resultados verificables, robustos
y transferibles entre los distintos contextos
clínicos e investigativos, por lo cual los flujos
de trabajo representan un papel importante ya
que son los encargados de la ingestión de datos
hasta el análisis y la interpretación de resultados;
herramientas como Onkopipe e iCOMIC, se han
desarrollado con la finalidad de brindar soluciones
estructurales, automatizadas y auditables,
facilitando el trabajo con exuberantes volúmenes
de datos y estandarización de metodologías (5,6).
A pesar del desarrollo de herramientas potentes,
persiste un vacío en la estandarización de criterios
que permitan la transferencia de estos flujos
entre diferentes centros clínicos e investigativos.
Ante este escenario, surge la siguiente pregunta
de investigación: ¿Cuáles son las herramientas y
estándares de buenas prácticas que permiten
mitigar la crisis de reproducibilidad en los flujos de
trabajo bioinformáticos aplicados a la genómica
oncológica clínica?
1. Introducción
2. Metodología
Para responder a esta interrogante, el presente
estudio tiene como objetivo central analizar el
estado actual de la reproducibilidad en los pipeline
bioinformáticos, evaluando específicamente
el impacto de los gestores de flujo basados
en Snakemake y herramientas especializadas
como Onkopipe e iCOMIC. La revisión busca
identificar los pilares técnicos (documentación,
contenedores, control de versiones) necesarios
para garantizar la generación de resultados
clínicos consistentes y verificables en el ámbito
de la medicina de precisión.
Se llevó a cabo una revisión bibliográfica para
explorar cómo se garantiza la reproducibilidad
en los flujos de trabajo bioinformáticos utilizados
en genómica y oncología clínica, enfocándonos
principalmente en herramientas basadas en
Snakemake, con énfasis en Onkopipe e iCOMIC,
destacando su utilidad y aplicación en este
campo.
2.1 Criterios de elegibilidad
Para la selección de los estudios se establecieron
criterios de elegibilidad, donde se incluyeron
artículos originales, revisiones y reportes
técnicos que abordaran la reproducibilidad en
bioinformática, publicados entre los años 2017-
2025, disponibles en idioma inglés o español y
con acceso libre al texto completo. Además, se
consideraron aquellos trabajos enfocados en flujos
de trabajo bioinformáticos aplicados a la genómica
clínica y la oncología.
Por el contrario, se excluyeron las publicaciones
anteriores a 2017, los artículos que no trataran
aspectos relacionados con la reproducibilidad o los
flujos de trabajo bioinformáticos, así como cartas
al editor, resúmenes, opiniones y documentos sin
revisión por pares. También se descartaron los
artículos con acceso restringido o de pago.
2.2 Fuentes de información
La información se recolectó de 2 bases de datos:
PubMed y ScienceDirect. Así mismo, se obtuvo
información manual de diferentes revistas como
Bioinformatics, Briefings in Bioinformatics, BMC
Genomics, BMC Bioinformatics, Nature y PLOS
Computational Biology. También se recolectó
información de repositorios de software como
GitHub.
La reproducibilidad dentro del ámbito científico ha
surgido como uno de los principios fundamentales
para la validación y el avance del conocimiento,
especialmente en áreas como la genómica aplicada
a la oncología, que ha transformado radicalmente
la capacidad de comprender el cáncer a
nivel molecular, permitiendo el desarrollo de
biomarcadores hasta terapias personalizadas. Sin
embargo, existen desafíos sustanciales en cuanto
a la reproducibilidad de los resultados, debido
a la infraestructura, hardware y las versiones
específicas de las herramientas empleadas en
los pipelines bioinformáticos, además la falta de
estandarización de parámetros, la diversidad de
algoritmos y la ausencia de criterios consensuados
para la interpretación de resultados conducen a
la variabilidad en los análisis (1–3).
Para abordar estos desafíos tanto técnicos
como metodológicos la comunidad científica
ha promovido a la implementación de gestores
de flujo de trabajo, como Snakemake, que es
ampliamente utilizado en bioinformática, utiliza
lenguajes de dominio específico que acrecientan
la portabilidad y escalabilidad de los análisis. Cabe
destacar que estos sistemas permiten definir con
precisión el flujo de datos entre las herramientas,
procurando que cada paso sea reproducible y
documentado (4).
La reproducibilidad bioinformática en genómica
clínica y oncológica conforman el eje central
para obtener resultados verificables, robustos
y transferibles entre los distintos contextos
clínicos e investigativos, por lo cual los flujos
de trabajo representan un papel importante ya
que son los encargados de la ingestión de datos
hasta el análisis y la interpretación de resultados;
herramientas como Onkopipe e iCOMIC, se han
desarrollado con la finalidad de brindar soluciones
estructurales, automatizadas y auditables,
facilitando el trabajo con exuberantes volúmenes
de datos y estandarización de metodologías (5,6).
A pesar del desarrollo de herramientas potentes,
persiste un vacío en la estandarización de criterios
que permitan la transferencia de estos flujos
entre diferentes centros clínicos e investigativos.
Ante este escenario, surge la siguiente pregunta
de investigación: ¿Cuáles son las herramientas y
estándares de buenas prácticas que permiten
mitigar la crisis de reproducibilidad en los flujos de
trabajo bioinformáticos aplicados a la genómica
oncológica clínica?
1. Introducción
2. Metodología
Para responder a esta interrogante, el presente
estudio tiene como objetivo central analizar el
estado actual de la reproducibilidad en los pipeline
bioinformáticos, evaluando específicamente
el impacto de los gestores de flujo basados
en Snakemake y herramientas especializadas
como Onkopipe e iCOMIC. La revisión busca
identificar los pilares técnicos (documentación,
contenedores, control de versiones) necesarios
para garantizar la generación de resultados
clínicos consistentes y verificables en el ámbito
de la medicina de precisión.
Se llevó a cabo una revisión bibliográfica para
explorar cómo se garantiza la reproducibilidad
en los flujos de trabajo bioinformáticos utilizados
en genómica y oncología clínica, enfocándonos
principalmente en herramientas basadas en
Snakemake, con énfasis en Onkopipe e iCOMIC,
destacando su utilidad y aplicación en este
campo.
2.1 Criterios de elegibilidad
Para la selección de los estudios se establecieron
criterios de elegibilidad, donde se incluyeron
artículos originales, revisiones y reportes
técnicos que abordaran la reproducibilidad en
bioinformática, publicados entre los años 2017-
2025, disponibles en idioma inglés o español y
con acceso libre al texto completo. Además, se
consideraron aquellos trabajos enfocados en flujos
de trabajo bioinformáticos aplicados a la genómica
clínica y la oncología.
Por el contrario, se excluyeron las publicaciones
anteriores a 2017, los artículos que no trataran
aspectos relacionados con la reproducibilidad o los
flujos de trabajo bioinformáticos, así como cartas
al editor, resúmenes, opiniones y documentos sin
revisión por pares. También se descartaron los
artículos con acceso restringido o de pago.
2.2 Fuentes de información
La información se recolectó de 2 bases de datos:
PubMed y ScienceDirect. Así mismo, se obtuvo
información manual de diferentes revistas como
Bioinformatics, Briefings in Bioinformatics, BMC
Genomics, BMC Bioinformatics, Nature y PLOS
Computational Biology. También se recolectó
información de repositorios de software como
GitHub.
157p. 155-162
REPRODUCIBILIDAD EN LOS FLUJOS DE TRABAJO BIOINFORMÁTICOS
APLICADOS A GENÓMICA Y ONCOLOGÍA CLÍNICAVol. 16 Número 2 2025
2.3 Estrategia de búsqueda
Aunque el estudio no corresponde a una
revisión sistemática, se tomó como referencia
metodológica la guía PRISMA 2020 para orientar
de manera ordenada el proceso de identificación
y selección de los estudios. Para la búsqueda
bibliográfica se utilizaron combinaciones
de palabras clave como “Reproducibility”,
“Bioinformatics”, “Clinical Genomics”, “Pipeline”
y “Snakemake”, las cuales fueron integradas
mediante operadores booleanos AND, OR y NOT
en las bases de datos consultadas.
2.4 Proceso de extracción de datos
La búsqueda inicial permitió identificar un total de
124 registros. Luego de eliminar los duplicados (n
= 18), se procedió a la evaluación de 106 artículos
mediante la lectura de títulos y resúmenes. En esta
etapa, 68 estudios fueron excluidos por no cumplir
con los criterios de elegibilidad, principalmente por
tratar temáticas no relacionadas, corresponder a
tipos de publicación no pertinentes o presentar
acceso restringido. Finalmente, se seleccionaron 38
estudios para su análisis cualitativo a profundidad,
como se observa en la Figura 1.
De los artículos seleccionados se extrajo
información relacionada con la definición de
reproducibilidad, las herramientas bioinformáticas
empleadas, el tipo de flujo de trabajo descrito, su
aplicación en el ámbito clínico u oncológico y las
buenas prácticas de reproducibilidad reportadas.
Los datos obtenidos se organizaron en tablas
comparativas utilizando hojas de cálculo, lo que
facilitó el análisis temático de la información.
2.5 Consideraciones éticas
En el presente estudio no se realizaron tomas
de muestras en seres humanos, sin embargo, se
llevó un proceso automatizado y transparente para
seleccionar y utilizar la bibliografía de interés.
2.6 Limitaciones
La mayoría de estudios y publicaciones sobre
reproducibilidad en el campo de la bioinformática
es publicada a partir de 2017, por lo que limitó
la búsqueda más antigua de bibliografía, por
otro lado, una limitación relevante (motivo que
llevó a hacer el presente trabajo) es la falta de
información sobre flujos de trabajo aplicados a
genómica y oncología clínica, por lo que se limitó
a utilizar los que actualmente existen.
3. Resultados
De los 38 estudios finalmente incluidos, la
mayoría correspondió a artículos originales (n
= 24), seguidos por revisiones bibliográficas (n =
10) y reportes técnicos o metodológicos (n = 4).
En conjunto, los trabajos analizados se centraron
principalmente en tres ejes temáticos: la definición
de la reproducibilidad, la identificación de buenas
prácticas en el diseño y uso de flujos de trabajo
bioinformáticos y la aplicación clínica de pipelines
en el ámbito de la genómica y la oncología.
Definición y características de reproducibilidad
La reproducibilidad en flujos de trabajo
bioinformáticos se considera una buena práctica
que garantiza la seguridad y confianza de los
resultados generados. Consiste en la capacidad
de utilizar códigos, datos y herramientas de
estudios anteriores para poder llegar a los mismos
resultados o conclusiones (7).
No existe un concepto universal y estandarizado
para definir reproducibilidad aplicada a genómica
clínica; es por eso que existen diferentes
definiciones. En el estudio de Flier et al., sugieren
la reproducibilidad de los métodos como una
descripción detallada de la metodología para
que sus resultados sean repetidos fácilmente (8).
De acuerdo a Gundersen et al., se indica que la
reproducibilidad del resultado es la misma del
experimento original (9). De la misma manera,
Kanwal et al. sugieren que una característica
de reproducibilidad es la repetibilidad, es
decir, la elaboración repetitiva de un análisis
o experimento, y que estos lleguen al mismo
resultado. Mientras que Yang et al. definen la
replicabilidad como el proceso de emplear los
mismos códigos, pero con datos diferentes (10).
Buenas prácticas en reproducibilidad
Un total de 18 estudios describieron de
manera explícita buenas prácticas orientadas a
garantizar la reproducibilidad. Entre los aspectos
reportados con mayor frecuencia destacaron
la documentación detallada de los flujos de
trabajo (n = 16), el uso de gestores de flujos
como Snakemake (n = 14), la implementación de
control de versiones y contenedores (n = 11) y
la compartición abierta de código y datos (n =
9). Estos elementos fueron sistematizados en la
Figura 1 y Tabla 1, donde se sintetizan los cinco
pilares de la reproducibilidad computacional y
su aplicación en el ámbito de la bioinformática
(11–17):
REPRODUCIBILIDAD EN LOS FLUJOS DE TRABAJO BIOINFORMÁTICOS
APLICADOS A GENÓMICA Y ONCOLOGÍA CLÍNICAVol. 16 Número 2 2025
2.3 Estrategia de búsqueda
Aunque el estudio no corresponde a una
revisión sistemática, se tomó como referencia
metodológica la guía PRISMA 2020 para orientar
de manera ordenada el proceso de identificación
y selección de los estudios. Para la búsqueda
bibliográfica se utilizaron combinaciones
de palabras clave como “Reproducibility”,
“Bioinformatics”, “Clinical Genomics”, “Pipeline”
y “Snakemake”, las cuales fueron integradas
mediante operadores booleanos AND, OR y NOT
en las bases de datos consultadas.
2.4 Proceso de extracción de datos
La búsqueda inicial permitió identificar un total de
124 registros. Luego de eliminar los duplicados (n
= 18), se procedió a la evaluación de 106 artículos
mediante la lectura de títulos y resúmenes. En esta
etapa, 68 estudios fueron excluidos por no cumplir
con los criterios de elegibilidad, principalmente por
tratar temáticas no relacionadas, corresponder a
tipos de publicación no pertinentes o presentar
acceso restringido. Finalmente, se seleccionaron 38
estudios para su análisis cualitativo a profundidad,
como se observa en la Figura 1.
De los artículos seleccionados se extrajo
información relacionada con la definición de
reproducibilidad, las herramientas bioinformáticas
empleadas, el tipo de flujo de trabajo descrito, su
aplicación en el ámbito clínico u oncológico y las
buenas prácticas de reproducibilidad reportadas.
Los datos obtenidos se organizaron en tablas
comparativas utilizando hojas de cálculo, lo que
facilitó el análisis temático de la información.
2.5 Consideraciones éticas
En el presente estudio no se realizaron tomas
de muestras en seres humanos, sin embargo, se
llevó un proceso automatizado y transparente para
seleccionar y utilizar la bibliografía de interés.
2.6 Limitaciones
La mayoría de estudios y publicaciones sobre
reproducibilidad en el campo de la bioinformática
es publicada a partir de 2017, por lo que limitó
la búsqueda más antigua de bibliografía, por
otro lado, una limitación relevante (motivo que
llevó a hacer el presente trabajo) es la falta de
información sobre flujos de trabajo aplicados a
genómica y oncología clínica, por lo que se limitó
a utilizar los que actualmente existen.
3. Resultados
De los 38 estudios finalmente incluidos, la
mayoría correspondió a artículos originales (n
= 24), seguidos por revisiones bibliográficas (n =
10) y reportes técnicos o metodológicos (n = 4).
En conjunto, los trabajos analizados se centraron
principalmente en tres ejes temáticos: la definición
de la reproducibilidad, la identificación de buenas
prácticas en el diseño y uso de flujos de trabajo
bioinformáticos y la aplicación clínica de pipelines
en el ámbito de la genómica y la oncología.
Definición y características de reproducibilidad
La reproducibilidad en flujos de trabajo
bioinformáticos se considera una buena práctica
que garantiza la seguridad y confianza de los
resultados generados. Consiste en la capacidad
de utilizar códigos, datos y herramientas de
estudios anteriores para poder llegar a los mismos
resultados o conclusiones (7).
No existe un concepto universal y estandarizado
para definir reproducibilidad aplicada a genómica
clínica; es por eso que existen diferentes
definiciones. En el estudio de Flier et al., sugieren
la reproducibilidad de los métodos como una
descripción detallada de la metodología para
que sus resultados sean repetidos fácilmente (8).
De acuerdo a Gundersen et al., se indica que la
reproducibilidad del resultado es la misma del
experimento original (9). De la misma manera,
Kanwal et al. sugieren que una característica
de reproducibilidad es la repetibilidad, es
decir, la elaboración repetitiva de un análisis
o experimento, y que estos lleguen al mismo
resultado. Mientras que Yang et al. definen la
replicabilidad como el proceso de emplear los
mismos códigos, pero con datos diferentes (10).
Buenas prácticas en reproducibilidad
Un total de 18 estudios describieron de
manera explícita buenas prácticas orientadas a
garantizar la reproducibilidad. Entre los aspectos
reportados con mayor frecuencia destacaron
la documentación detallada de los flujos de
trabajo (n = 16), el uso de gestores de flujos
como Snakemake (n = 14), la implementación de
control de versiones y contenedores (n = 11) y
la compartición abierta de código y datos (n =
9). Estos elementos fueron sistematizados en la
Figura 1 y Tabla 1, donde se sintetizan los cinco
pilares de la reproducibilidad computacional y
su aplicación en el ámbito de la bioinformática
(11–17):
158Juan Sebastian Loza Chiriboga, et al. Vol. 16 Número 2 2025
Flujos de trabajo bioinformáticos
Un total de 12 estudios describieron flujos de
trabajo bioinformáticos aplicados a genómica
clínica, de estos, 7 estudios utilizaron Snakemake
como gestor principal. Un flujo de trabajo
bioinformático consiste en una secuencia de
pasos estructurada y automatizada para analizar
y procesar grandes volúmenes de datos de origen
biológico, como por ejemplo secuencias de ácido
desoxirribonucleico (ADN), ácido ribonucleico
(ARN), proteínas, etc. Cada paso del flujo de
trabajo se encarga de ejecutar una tarea específica
y genera archivos que serán utilizados en pasos
posteriores (18). Es así que un flujo de trabajo
reproducible, suele implementar herramientas de
gestión de flujos, como por ejemplo Snakemake,
muy comúnmente empleada en bioinformática.
Snakemake permite que los trabajos sean
reproducibles y escalables; está basado en
el lenguaje de programación de Python y su
estructura básica general consta de reglas (rules),
archivo Snakefile y grafo acíclico dirigido (DAG)
(19).
Tabla 1: Se describen diferentes recomendaciones de buenas
prácticas en bioinformáticas tomadas de varios autores.
Tabla 2: Sintaxis general de Snakemake, donde se visualizan las
reglas generadas a partir de archivos de entrada y de salida.
Fuente: Snakemake Documentation, Snakefiles and Rules, disponible
en línea.
Nota: Adaptado de Ziemann, M. 2023.
Pilares Características
Programación
Literaria
Combinación de texto y código que sea enten-
dible. Posibilitan el origen de los resultados y
permiten ahorrar tiempo. Además, se acompa-
ñan de figuras, gráficos, explicaciones y tablas.
Control de
versiones de
código
Compartir el código garantiza la reproducibilidad
y transparencia. Git es un sistema de control
de versiones distribuido (DVCS), cuyas ventajas
están en evitar la pérdida de código, facilitación
de gestión y colaboración de trabajos, man-
tenimiento del historial, así como ayudan a la
corrección de errores de código.
Control de
entorno
computacional
Para llevar un orden adecuado, se recomienda
registrar e informar las versiones de software y
paquetes empleados. Docker es un sistema de
contenedores popular que permite crear, ejecu-
tar y gestionar. Cabe recalcar en este aspecto de
genómica clínica que el Colegio Americano de
Patólogos (CAP) recomienda el uso de contene-
dores como una buena práctica para el control
de calidad en laboratorios diagnóstico y análisis
bioinformáticos.
Intercambio
persistente de
datos
En genómica clínica es importante garantizar
la reproducibilidad a partir del intercambio de
datos bajo políticas y organismos internaciona-
les, es así que existen diferentes repositorios de
intercambio de datos biológicos como el Euro-
pean Nucleotide Archive (ENA), Gene Expression
Omnibus (GEO) o Sequence Read Archive (SRA).
Documentación La documentación del proceso de un flujo de
trabajo es necesaria para que otros investiga-
dores entiendan y puedan replicar los análisis
realizados. Como se indicó anteriormente, se
recomienda adjuntar el material de apoyo como
protocolos, versiones de software, códigos, etc.
Los flujos de trabajo en Snakemake son ejecutados
mediante reglas que se especifican en el archivo
Snakefile. De manera general, su sintaxis consiste
en archivos de entrada, archivos de salida y el
comando Shell donde se generan las instrucciones.
Una regla se considera como la unidad básica en
los flujos de trabajo de Snakemake, estas indican
las instrucciones de lo que hay qué hacer, de dónde
y qué recursos utilizar (20). A continuación, en la
Tabla 2 se muestra la sintaxis general, mencionada
previamente (20).
En el campo de genómica clínica, los flujos de
trabajo permiten transformar datos crudos
de secuenciación a información biológica y
clínicamente relevante. Un flujo de trabajo
típico inicia con la evaluación de la calidad de las
lecturas provenientes del secuenciador, continua
con el alineamiento de las lecturas a un genoma
de referencia, seguido por la identificación y
anotación de variantes genéticas y culmina con
la generación de un reporte clínico que facilita un
diagnóstico genético eficaz y preciso (21).
En términos prácticos, un flujo de trabajo
genómica se realiza mediante herramientas
bioinformáticas de manera sistemática ordenada.
Los datos crudos de secuenciación, se almacenan
en archivos de formato FASTQ, seguido, la
evaluación y filtrado de calidad de adaptadores
se realiza con herramientas como FastQC, fastp
o MultiQC. El alineamiento de lecturas al genoma
de referencia se ejecuta con Bowtie2 o BWA,
en donde se generan archivos SAM (Sequence
Alignment Map) /BAM (Binary Aligned Mapped),
los cuales contienen las posiciones exactas de
cada fragmento alineado (22). Seguidamente,
en la etapa de post-alineamiento, los archivos
se ordenan para eliminar elementos duplicados
mediante la herramienta Picard MarkDuplicates
para luego iniciar el llamado de variantes con
FreeBayes o GATK (23).
Sintaxis
rule myrule:
input:
"path/to/inputfile",
"path/to/other/inputfile",
output:
"path/to/outputfile",
"path/to/another/outputfile",
shell:
"Somecommand {input} {output}"
Flujos de trabajo bioinformáticos
Un total de 12 estudios describieron flujos de
trabajo bioinformáticos aplicados a genómica
clínica, de estos, 7 estudios utilizaron Snakemake
como gestor principal. Un flujo de trabajo
bioinformático consiste en una secuencia de
pasos estructurada y automatizada para analizar
y procesar grandes volúmenes de datos de origen
biológico, como por ejemplo secuencias de ácido
desoxirribonucleico (ADN), ácido ribonucleico
(ARN), proteínas, etc. Cada paso del flujo de
trabajo se encarga de ejecutar una tarea específica
y genera archivos que serán utilizados en pasos
posteriores (18). Es así que un flujo de trabajo
reproducible, suele implementar herramientas de
gestión de flujos, como por ejemplo Snakemake,
muy comúnmente empleada en bioinformática.
Snakemake permite que los trabajos sean
reproducibles y escalables; está basado en
el lenguaje de programación de Python y su
estructura básica general consta de reglas (rules),
archivo Snakefile y grafo acíclico dirigido (DAG)
(19).
Tabla 1: Se describen diferentes recomendaciones de buenas
prácticas en bioinformáticas tomadas de varios autores.
Tabla 2: Sintaxis general de Snakemake, donde se visualizan las
reglas generadas a partir de archivos de entrada y de salida.
Fuente: Snakemake Documentation, Snakefiles and Rules, disponible
en línea.
Nota: Adaptado de Ziemann, M. 2023.
Pilares Características
Programación
Literaria
Combinación de texto y código que sea enten-
dible. Posibilitan el origen de los resultados y
permiten ahorrar tiempo. Además, se acompa-
ñan de figuras, gráficos, explicaciones y tablas.
Control de
versiones de
código
Compartir el código garantiza la reproducibilidad
y transparencia. Git es un sistema de control
de versiones distribuido (DVCS), cuyas ventajas
están en evitar la pérdida de código, facilitación
de gestión y colaboración de trabajos, man-
tenimiento del historial, así como ayudan a la
corrección de errores de código.
Control de
entorno
computacional
Para llevar un orden adecuado, se recomienda
registrar e informar las versiones de software y
paquetes empleados. Docker es un sistema de
contenedores popular que permite crear, ejecu-
tar y gestionar. Cabe recalcar en este aspecto de
genómica clínica que el Colegio Americano de
Patólogos (CAP) recomienda el uso de contene-
dores como una buena práctica para el control
de calidad en laboratorios diagnóstico y análisis
bioinformáticos.
Intercambio
persistente de
datos
En genómica clínica es importante garantizar
la reproducibilidad a partir del intercambio de
datos bajo políticas y organismos internaciona-
les, es así que existen diferentes repositorios de
intercambio de datos biológicos como el Euro-
pean Nucleotide Archive (ENA), Gene Expression
Omnibus (GEO) o Sequence Read Archive (SRA).
Documentación La documentación del proceso de un flujo de
trabajo es necesaria para que otros investiga-
dores entiendan y puedan replicar los análisis
realizados. Como se indicó anteriormente, se
recomienda adjuntar el material de apoyo como
protocolos, versiones de software, códigos, etc.
Los flujos de trabajo en Snakemake son ejecutados
mediante reglas que se especifican en el archivo
Snakefile. De manera general, su sintaxis consiste
en archivos de entrada, archivos de salida y el
comando Shell donde se generan las instrucciones.
Una regla se considera como la unidad básica en
los flujos de trabajo de Snakemake, estas indican
las instrucciones de lo que hay qué hacer, de dónde
y qué recursos utilizar (20). A continuación, en la
Tabla 2 se muestra la sintaxis general, mencionada
previamente (20).
En el campo de genómica clínica, los flujos de
trabajo permiten transformar datos crudos
de secuenciación a información biológica y
clínicamente relevante. Un flujo de trabajo
típico inicia con la evaluación de la calidad de las
lecturas provenientes del secuenciador, continua
con el alineamiento de las lecturas a un genoma
de referencia, seguido por la identificación y
anotación de variantes genéticas y culmina con
la generación de un reporte clínico que facilita un
diagnóstico genético eficaz y preciso (21).
En términos prácticos, un flujo de trabajo
genómica se realiza mediante herramientas
bioinformáticas de manera sistemática ordenada.
Los datos crudos de secuenciación, se almacenan
en archivos de formato FASTQ, seguido, la
evaluación y filtrado de calidad de adaptadores
se realiza con herramientas como FastQC, fastp
o MultiQC. El alineamiento de lecturas al genoma
de referencia se ejecuta con Bowtie2 o BWA,
en donde se generan archivos SAM (Sequence
Alignment Map) /BAM (Binary Aligned Mapped),
los cuales contienen las posiciones exactas de
cada fragmento alineado (22). Seguidamente,
en la etapa de post-alineamiento, los archivos
se ordenan para eliminar elementos duplicados
mediante la herramienta Picard MarkDuplicates
para luego iniciar el llamado de variantes con
FreeBayes o GATK (23).
Sintaxis
rule myrule:
input:
"path/to/inputfile",
"path/to/other/inputfile",
output:
"path/to/outputfile",
"path/to/another/outputfile",
shell:
"Somecommand {input} {output}"
159p. 155-162
REPRODUCIBILIDAD EN LOS FLUJOS DE TRABAJO BIOINFORMÁTICOS
APLICADOS A GENÓMICA Y ONCOLOGÍA CLÍNICAVol. 16 Número 2 2025
La documentación de los flujos de trabajo utilizados
en genómica clínica y oncológica sigue siendo
limitada. En los últimos años, la reproducibilidad
de estos análisis ha adquirido gran relevancia, pues
aplicar buenas prácticas garantiza la obtención
de resultados confiables. Además, promueve la
estandarización de los procesos y la solidez de los
hallazgos, aspectos esenciales para avanzar en la
precisión y calidad de los estudios genómicos (9).
Existe literatura sobre flujos de trabajo
reproducibles en otras áreas de la bioinformática
y ciencias básicas, sin embargo, en genómica
clínica es limitada, esto debido a que institutos
y empresas privadas resguardan la privacidad
de los datos y resultados obtenidos por su alta
sensibilidad (25). Es así que en el estudio de Dodani
y Talhouk publicado en la revista Clinical Cancer
Research, indican que la baja reproducibilidad y
ausencia de estándares bioinformáticos generan
resultados poco consistentes en el estudio de la
microbiota vaginal y cáncer ginecológico (26).
De la misma manera, en el estudio de Shifang
y Jürgen enfocado a genómica clínica, se
encontró que la falta de análisis reproducibles
es responsable del fracaso farmacológico en
ensayos clínicos de enfermedad de hígado graso
no alcohólico (esteatohepatitis alcohólica) (27). Por
otro lado, la revisión de la literatura muestra que
actualmente no existe una definición universal y
estandarizada de reproducibilidad bioinformática;
en el trabajo de Pan et al. se menciona la ausencia
Finalmente, se producen archivos en formato
VCF (Variant Call Format), los mismos que
contienen variantes de interés detectadas como
inserciones, deleciones o SNPs (Single Nucleotide
Polimorphism). Estos resultados son útiles para
el diagnóstico y toma de decisiones en medicina
personalizada (24). A continuación, se describen
brevemente dos flujos de trabajo bioinformáticos
aplicados a oncología clínica:
Onkopipe
Es un sistema de secuenciación basada Snakemake
útil en el análisis de variantes clínicas en medicina
de precisión e identificación de biomarcadores
genéticos. Su aplicación permite detectar variantes
de número de copias (CNV), variantes estructurales
(SV) y variantes de nucleótido único (SNV) (3). El
flujo de trabajo de Onkopipe consta de tres etapas:
1. Preprocesamiento de datos crudos: Este
primer paso, inicia con el control de calidad,
donde se eliminan las bases de baja calidad
mediante la herramienta TrimGalore que
incorpora Cutadapt y FastQC. A continuación,
con BWA-MEM se alinean las lecturas al
genoma de referencia humano generando
así archivos SAM, los cuales se convierten
a BAM mediante Picard y GATK. Una vez
convertidos, se ordenan e indexan con Picard
MarkDuplicates y Samtools y se puntúa la
calidad de base con GATK.
2. Descubrimiento de variantes: El llamado de
variantes de SNV se realiza con GATK Mutect2.
Para SNV, la detección de duplicaciones o
eliminaciones de secciones de genoma se
ejecuta CNVkit. Mientras que, para SV, la
detección de alteraciones genómicas como
inserciones, eliminaciones, inversiones y
translocaciones se utiliza LUMPY-SV.
3. Post-procesamiento y uso clínico: Una vez
realizado el llamado de variantes de interés,
la concatenación de las mismas da como
resultado un archivo unificado de salida VCF.
En la Figura 3, se muestra el flujo de trabajo
de Onkopipe ya descrito anteriormente (3):
iCOMIC
iCOMIC es una herramienta para el análisis de
datos ómicos de cáncer. Su flujo permite analizar
datos se secuenciación de genoma completo (DNA-
Seq) y transcriptoma (RNA-Seq). Sus algoritmos
incorporados permiten predecir la patogenicidad
de las mutaciones causantes de cáncer, así
como diferenciar genes supresores de tumores
y oncogenes. El flujo de trabajo se resume de la
siguiente manera (6):
- Entrada de datos crudos en formato FASTQ
- Control de calidad con FastQC
- Alineación de secuencias contra el genoma
de referencia mediante BWA-MEM, GEM-
Mapper o Bowtie2.
- Llamado de variantes con Samtools, GATK,
Haplotype-Caller, FreeBayes y GATKMutect2.
- Anotación de variantes con ANNOVAR y
SnpEff
- Finalmente, para análisis en cáncer se utilizan
NBDriver para identificación de mutaciones y
cTaG para la predicción de genes supresores
de tumores.
Como se muestra en la Figura 3, el flujo de trabajo
de iCOMIC, descrito:
4. Discusión
REPRODUCIBILIDAD EN LOS FLUJOS DE TRABAJO BIOINFORMÁTICOS
APLICADOS A GENÓMICA Y ONCOLOGÍA CLÍNICAVol. 16 Número 2 2025
La documentación de los flujos de trabajo utilizados
en genómica clínica y oncológica sigue siendo
limitada. En los últimos años, la reproducibilidad
de estos análisis ha adquirido gran relevancia, pues
aplicar buenas prácticas garantiza la obtención
de resultados confiables. Además, promueve la
estandarización de los procesos y la solidez de los
hallazgos, aspectos esenciales para avanzar en la
precisión y calidad de los estudios genómicos (9).
Existe literatura sobre flujos de trabajo
reproducibles en otras áreas de la bioinformática
y ciencias básicas, sin embargo, en genómica
clínica es limitada, esto debido a que institutos
y empresas privadas resguardan la privacidad
de los datos y resultados obtenidos por su alta
sensibilidad (25). Es así que en el estudio de Dodani
y Talhouk publicado en la revista Clinical Cancer
Research, indican que la baja reproducibilidad y
ausencia de estándares bioinformáticos generan
resultados poco consistentes en el estudio de la
microbiota vaginal y cáncer ginecológico (26).
De la misma manera, en el estudio de Shifang
y Jürgen enfocado a genómica clínica, se
encontró que la falta de análisis reproducibles
es responsable del fracaso farmacológico en
ensayos clínicos de enfermedad de hígado graso
no alcohólico (esteatohepatitis alcohólica) (27). Por
otro lado, la revisión de la literatura muestra que
actualmente no existe una definición universal y
estandarizada de reproducibilidad bioinformática;
en el trabajo de Pan et al. se menciona la ausencia
Finalmente, se producen archivos en formato
VCF (Variant Call Format), los mismos que
contienen variantes de interés detectadas como
inserciones, deleciones o SNPs (Single Nucleotide
Polimorphism). Estos resultados son útiles para
el diagnóstico y toma de decisiones en medicina
personalizada (24). A continuación, se describen
brevemente dos flujos de trabajo bioinformáticos
aplicados a oncología clínica:
Onkopipe
Es un sistema de secuenciación basada Snakemake
útil en el análisis de variantes clínicas en medicina
de precisión e identificación de biomarcadores
genéticos. Su aplicación permite detectar variantes
de número de copias (CNV), variantes estructurales
(SV) y variantes de nucleótido único (SNV) (3). El
flujo de trabajo de Onkopipe consta de tres etapas:
1. Preprocesamiento de datos crudos: Este
primer paso, inicia con el control de calidad,
donde se eliminan las bases de baja calidad
mediante la herramienta TrimGalore que
incorpora Cutadapt y FastQC. A continuación,
con BWA-MEM se alinean las lecturas al
genoma de referencia humano generando
así archivos SAM, los cuales se convierten
a BAM mediante Picard y GATK. Una vez
convertidos, se ordenan e indexan con Picard
MarkDuplicates y Samtools y se puntúa la
calidad de base con GATK.
2. Descubrimiento de variantes: El llamado de
variantes de SNV se realiza con GATK Mutect2.
Para SNV, la detección de duplicaciones o
eliminaciones de secciones de genoma se
ejecuta CNVkit. Mientras que, para SV, la
detección de alteraciones genómicas como
inserciones, eliminaciones, inversiones y
translocaciones se utiliza LUMPY-SV.
3. Post-procesamiento y uso clínico: Una vez
realizado el llamado de variantes de interés,
la concatenación de las mismas da como
resultado un archivo unificado de salida VCF.
En la Figura 3, se muestra el flujo de trabajo
de Onkopipe ya descrito anteriormente (3):
iCOMIC
iCOMIC es una herramienta para el análisis de
datos ómicos de cáncer. Su flujo permite analizar
datos se secuenciación de genoma completo (DNA-
Seq) y transcriptoma (RNA-Seq). Sus algoritmos
incorporados permiten predecir la patogenicidad
de las mutaciones causantes de cáncer, así
como diferenciar genes supresores de tumores
y oncogenes. El flujo de trabajo se resume de la
siguiente manera (6):
- Entrada de datos crudos en formato FASTQ
- Control de calidad con FastQC
- Alineación de secuencias contra el genoma
de referencia mediante BWA-MEM, GEM-
Mapper o Bowtie2.
- Llamado de variantes con Samtools, GATK,
Haplotype-Caller, FreeBayes y GATKMutect2.
- Anotación de variantes con ANNOVAR y
SnpEff
- Finalmente, para análisis en cáncer se utilizan
NBDriver para identificación de mutaciones y
cTaG para la predicción de genes supresores
de tumores.
Como se muestra en la Figura 3, el flujo de trabajo
de iCOMIC, descrito:
4. Discusión
160Juan Sebastian Loza Chiriboga, et al. Vol. 16 Número 2 2025
de un único concepto de reproducibilidad aplicada
a la detección de variantes genéticas (28).
En contraste, existen varias definiciones de
reproducibilidad bioinformática; en el estudio
de Baykal et al. la definen como la cualidad de
las herramientas bioinformáticas para mantener
resultados coherentes en todas las réplicas y
que además es vital para generar conocimiento
científico y médico (29). Por otro lado, en el estudio
publicado por Keenum et al. la definen como
la capacidad de ejecutar independientemente
un análisis previamente publicado y llegar así a
resultados y conclusiones que sean comparables
(30).
Por consiguiente, se destacan varios estudios
donde la falta de reproducibilidad llevó al fracaso
de los trabajos. Ziemann et al. describen un
estudio llamado “Genomic signatures to guide the
use of chemotherapeutics” el cual fue retractado
en 2011 por que no fue posible reproducir
los experimentos de validación para predecir
respuesta a tratamiento de quimioterapia. De
la misma manera, en el trabajo de Kanwal et al.
mencionan que en un estudio publicado en 2012
donde se revisaron 299 artículos que citaron al
proyecto “1000 Genomes”, solo cuatro aplicaron
el flujo de trabajo completo (7).
Considerando el enfoque clínico, el Colegio
Americano de Patólogos (CAP) cuenta con una
guía de recomendación que abarca las fases de
una prueba de NGS (Next Generation Sequencing)
que incluyen diseño, optimización, validación
y gestión de calidad, es decir desde la correcta
selección de genes, elección de una prueba que
garantice la cobertura de secuenciación, validación
en la extracción de ADN e informe clínico final. La
gestión de calidad monitoriza el flujo de trabajo
para generar correctamente la reproducibilidad
en análisis genómico (31).
En este contexto, Snakemake se ha consolidado
como uno de los flujos de trabajo más
representativos en el ámbito de la bioinformática.
Su diseño intuitivo, flexible y robusto facilita
la automatización de tareas complejas,
garantizando la reproducibilidad, trazabilidad e
interoperabilidad de los análisis bioinformáticos.
Asimismo, herramientas como Onkopipe e
iCOMIC han sido desarrolladas con el propósito
de optimizar y simplificar los procesos que
abarcan desde el control de calidad de las
secuencias hasta la identificación de variantes
genéticas y la generación de reportes clínicos
finales, contribuyendo así a mejorar la eficiencia
y precisión en los entornos de genómica clínica y
oncológica (32).
La evidencia analizada es heterogénea y
predominantemente descriptiva, con limitaciones
en términos de estandarización y validación
clínica. Asimismo, este estudio, al tratarse de una
revisión bibliográfica, se basó exclusivamente en
literatura publicada, lo que podría haber excluido
trabajos no divulgados por restricciones asociadas
a la confidencialidad de los datos clínicos.
Aunque el énfasis en herramientas basadas en
Snakemake se justifica por su amplia adopción en
genómica clínica, la ausencia de comparaciones
experimentales directas con otros gestorescomo
Nextflow o CWL, podría introducir sesgos (25).
Si bien guías internacionales, como las del College
of American Pathologists, proporcionan marcos
normativos robustos, su implementación en
la práctica local sigue siendo inestable, lo que
refuerza la necesidad de una adopción progresiva,
así como de futuros estudios comparativos y guías
de implementación estandarizadas.
La reproducibilidad bioinformática es la capacidad
de que los flujos de trabajo sean robustos,
replicables, trazables, escalables y transparentes
a partir de mismos parámetros y muestras para así
llegar a los mismos resultados. Actualmente existe
una crisis de reproducibilidad en el campo de la
genómica clínica, lo que imposibilita la generación
de resultados e informes clínicos consistentes,
así mismo no se cuenta con una definición
estandarizada y universal de reproducibilidad en
genómica clínica. Es importante que los flujos de
trabajo en genómica clínica adopten las buenas
prácticas en reproducibilidad.
Los hallazgos principales de esta revisión
demuestran que la combinación de una
documentación detallada, el uso de sistemas
de control de versiones, la contenerización de
software y la automatización de los análisis
constituyen los pilares fundamentales para
construir un ecosistema de genómica clínica
robusto y reproducible.
Los autores expresan su agradecimiento a la
Facultad de Salud Pública, Carrera de Medicina,
por brindar el espacio y las facilidades necesarias
5. Conclusiones
6. Agradecimientos
de un único concepto de reproducibilidad aplicada
a la detección de variantes genéticas (28).
En contraste, existen varias definiciones de
reproducibilidad bioinformática; en el estudio
de Baykal et al. la definen como la cualidad de
las herramientas bioinformáticas para mantener
resultados coherentes en todas las réplicas y
que además es vital para generar conocimiento
científico y médico (29). Por otro lado, en el estudio
publicado por Keenum et al. la definen como
la capacidad de ejecutar independientemente
un análisis previamente publicado y llegar así a
resultados y conclusiones que sean comparables
(30).
Por consiguiente, se destacan varios estudios
donde la falta de reproducibilidad llevó al fracaso
de los trabajos. Ziemann et al. describen un
estudio llamado “Genomic signatures to guide the
use of chemotherapeutics” el cual fue retractado
en 2011 por que no fue posible reproducir
los experimentos de validación para predecir
respuesta a tratamiento de quimioterapia. De
la misma manera, en el trabajo de Kanwal et al.
mencionan que en un estudio publicado en 2012
donde se revisaron 299 artículos que citaron al
proyecto “1000 Genomes”, solo cuatro aplicaron
el flujo de trabajo completo (7).
Considerando el enfoque clínico, el Colegio
Americano de Patólogos (CAP) cuenta con una
guía de recomendación que abarca las fases de
una prueba de NGS (Next Generation Sequencing)
que incluyen diseño, optimización, validación
y gestión de calidad, es decir desde la correcta
selección de genes, elección de una prueba que
garantice la cobertura de secuenciación, validación
en la extracción de ADN e informe clínico final. La
gestión de calidad monitoriza el flujo de trabajo
para generar correctamente la reproducibilidad
en análisis genómico (31).
En este contexto, Snakemake se ha consolidado
como uno de los flujos de trabajo más
representativos en el ámbito de la bioinformática.
Su diseño intuitivo, flexible y robusto facilita
la automatización de tareas complejas,
garantizando la reproducibilidad, trazabilidad e
interoperabilidad de los análisis bioinformáticos.
Asimismo, herramientas como Onkopipe e
iCOMIC han sido desarrolladas con el propósito
de optimizar y simplificar los procesos que
abarcan desde el control de calidad de las
secuencias hasta la identificación de variantes
genéticas y la generación de reportes clínicos
finales, contribuyendo así a mejorar la eficiencia
y precisión en los entornos de genómica clínica y
oncológica (32).
La evidencia analizada es heterogénea y
predominantemente descriptiva, con limitaciones
en términos de estandarización y validación
clínica. Asimismo, este estudio, al tratarse de una
revisión bibliográfica, se basó exclusivamente en
literatura publicada, lo que podría haber excluido
trabajos no divulgados por restricciones asociadas
a la confidencialidad de los datos clínicos.
Aunque el énfasis en herramientas basadas en
Snakemake se justifica por su amplia adopción en
genómica clínica, la ausencia de comparaciones
experimentales directas con otros gestorescomo
Nextflow o CWL, podría introducir sesgos (25).
Si bien guías internacionales, como las del College
of American Pathologists, proporcionan marcos
normativos robustos, su implementación en
la práctica local sigue siendo inestable, lo que
refuerza la necesidad de una adopción progresiva,
así como de futuros estudios comparativos y guías
de implementación estandarizadas.
La reproducibilidad bioinformática es la capacidad
de que los flujos de trabajo sean robustos,
replicables, trazables, escalables y transparentes
a partir de mismos parámetros y muestras para así
llegar a los mismos resultados. Actualmente existe
una crisis de reproducibilidad en el campo de la
genómica clínica, lo que imposibilita la generación
de resultados e informes clínicos consistentes,
así mismo no se cuenta con una definición
estandarizada y universal de reproducibilidad en
genómica clínica. Es importante que los flujos de
trabajo en genómica clínica adopten las buenas
prácticas en reproducibilidad.
Los hallazgos principales de esta revisión
demuestran que la combinación de una
documentación detallada, el uso de sistemas
de control de versiones, la contenerización de
software y la automatización de los análisis
constituyen los pilares fundamentales para
construir un ecosistema de genómica clínica
robusto y reproducible.
Los autores expresan su agradecimiento a la
Facultad de Salud Pública, Carrera de Medicina,
por brindar el espacio y las facilidades necesarias
5. Conclusiones
6. Agradecimientos
161p. 155-162
REPRODUCIBILIDAD EN LOS FLUJOS DE TRABAJO BIOINFORMÁTICOS
APLICADOS A GENÓMICA Y ONCOLOGÍA CLÍNICAVol. 16 Número 2 2025
7. Declaración de conflicto de interés
8. Declaración de responsabilidad
9. Fuentes de apoyo
10. Referencias bibliográficas
1. Canzoneri R, Lacunza E, Abba MC. Genómica
y bioinformática como pilares de la medicina
de precisión en oncología. Medicina (B Aires).
2019;79(6/1):587–92.
2. Del Pozo A. Bioinformática y gestión de datos
ómicos en diagnóstico genético. An Pediatr
(Engl Ed). 2025;103:504013. doi:10.1016/j.
anpedi.2025.504013
3. Yang J, Beißbarth T, Dönitz J. Onkopipe: A
Snakemake Based DNA-Sequencing Pipeline for
Clinical Variant Analysis in Precision Medicine.
Stud Health Technol Inform [Internet]. el 12 de
septiembre de 2023 [citado el 1 de noviembre
de 2025];307:60–8. Disponible en: https://
pubmed.ncbi.nlm.nih.gov/37697838/
4. Fernandez Isern G. Herramientas informáticas
para la bioinformática [Internet]. Fundació
Universitat Oberta de Catalunya (FUOC);
2023 [citado 2025 Nov 1]. Available from:
https://eines-informatiques.recursos.uoc.edu/
workflows/es/
5. Yang J. An automated data integration platform
for interpreting genomic data and reporting
treatment options in molecular tumor boards
[Internet]. 2024 [citado 2025 Nov 1]. Available
para la difusión del conocimiento generado en la
presente revisión.
Los autores declaran no tener ningún conflicto
de interés relacionado con el desarrollo o la
publicación de este trabajo.
El contenido y las conclusiones presentadas en
este estudio son de exclusiva responsabilidad de
los autores.
La presente investigación fue autofinanciada
por los autores, sin recibir apoyo económico de
instituciones públicas o privadas.
from: https://ediss.uni-goettingen.de/
handle/11858/15432
6. Anilkumar Sithara A, Maripuri DP, Moorthy
K, Amirtha Ganesh SS, Philip P, Banerjee S,
et al. iCOMIC: a graphical interface-driven
bioinformatics pipeline for analyzing cancer
omics data. NAR Genom Bioinform. 2022;4(3).
Available from: https://pubmed.ncbi.nlm.nih.
gov/35899080/
7. Ziemann M, Poulain P, Bora A. The five
pillars of computational reproducibility:
bioinformatics and beyond. Brief Bioinform.
2023;24(6):bbad375. doi:10.1093/bib/bbad375
8. Flier JS. The Problem of Irreproducible
Bioscience Research. Perspect Biol Med
[Internet]. el 1 de junio de 2022 [citado el 1 de
noviembre de 2025];65(3):373–95. Disponible
en: https://muse.jhu.edu/pub/1/article/863666
9. Gundersen OE. The fundamental principles
of reproducibility. Philos Trans A Math
Phys Eng Sci. 2021;379(2197). doi:10.1098/
rsta.2020.0210
10. Kim YM, Poline JB, Dumas G. Experimenting
with reproducibility: a case study of robustness
in bioinformatics. Gigascience. 2018;7(7):giy077.
doi:10.1093/gigascience/giy077
11. Ziemann M, Poulain P, Bora A. The five pillars of
computational reproducibility: bioinformatics
and beyond. Brief Bioinform [Internet]. el 22 de
septiembre de 2023 [citado el 1 de noviembre
de 2025];24(6):1–13. Disponible en: https://
dx.doi.org/10.1093/bib/bbad375
12. Mattevi S, Mazzarotto F, Martini P. Allele-
specific expression analysis: pipelines,
applications, challenges, and unmet needs.
Comput Biol Med. 2025;196:110890
13.Kadri S, Sboner A, Sigaras A, Roy S. Containers
in bioinformatics: applications, practical
considerations, and best practices in molecular
pathology. J Mol Diagn. 2022;24(5):442–54.
14. Vallet N, Michonneau D, Tournier S. Toward
practical transparent verifiable and long-term
reproducible research using Guix. Sci Data.
2022;9(1):1–9.
15. Git Project. Git documentation [Internet].
[citado 2025 Nov 1]. Available from: https://
git-scm.com/docs/gi
REPRODUCIBILIDAD EN LOS FLUJOS DE TRABAJO BIOINFORMÁTICOS
APLICADOS A GENÓMICA Y ONCOLOGÍA CLÍNICAVol. 16 Número 2 2025
7. Declaración de conflicto de interés
8. Declaración de responsabilidad
9. Fuentes de apoyo
10. Referencias bibliográficas
1. Canzoneri R, Lacunza E, Abba MC. Genómica
y bioinformática como pilares de la medicina
de precisión en oncología. Medicina (B Aires).
2019;79(6/1):587–92.
2. Del Pozo A. Bioinformática y gestión de datos
ómicos en diagnóstico genético. An Pediatr
(Engl Ed). 2025;103:504013. doi:10.1016/j.
anpedi.2025.504013
3. Yang J, Beißbarth T, Dönitz J. Onkopipe: A
Snakemake Based DNA-Sequencing Pipeline for
Clinical Variant Analysis in Precision Medicine.
Stud Health Technol Inform [Internet]. el 12 de
septiembre de 2023 [citado el 1 de noviembre
de 2025];307:60–8. Disponible en: https://
pubmed.ncbi.nlm.nih.gov/37697838/
4. Fernandez Isern G. Herramientas informáticas
para la bioinformática [Internet]. Fundació
Universitat Oberta de Catalunya (FUOC);
2023 [citado 2025 Nov 1]. Available from:
https://eines-informatiques.recursos.uoc.edu/
workflows/es/
5. Yang J. An automated data integration platform
for interpreting genomic data and reporting
treatment options in molecular tumor boards
[Internet]. 2024 [citado 2025 Nov 1]. Available
para la difusión del conocimiento generado en la
presente revisión.
Los autores declaran no tener ningún conflicto
de interés relacionado con el desarrollo o la
publicación de este trabajo.
El contenido y las conclusiones presentadas en
este estudio son de exclusiva responsabilidad de
los autores.
La presente investigación fue autofinanciada
por los autores, sin recibir apoyo económico de
instituciones públicas o privadas.
from: https://ediss.uni-goettingen.de/
handle/11858/15432
6. Anilkumar Sithara A, Maripuri DP, Moorthy
K, Amirtha Ganesh SS, Philip P, Banerjee S,
et al. iCOMIC: a graphical interface-driven
bioinformatics pipeline for analyzing cancer
omics data. NAR Genom Bioinform. 2022;4(3).
Available from: https://pubmed.ncbi.nlm.nih.
gov/35899080/
7. Ziemann M, Poulain P, Bora A. The five
pillars of computational reproducibility:
bioinformatics and beyond. Brief Bioinform.
2023;24(6):bbad375. doi:10.1093/bib/bbad375
8. Flier JS. The Problem of Irreproducible
Bioscience Research. Perspect Biol Med
[Internet]. el 1 de junio de 2022 [citado el 1 de
noviembre de 2025];65(3):373–95. Disponible
en: https://muse.jhu.edu/pub/1/article/863666
9. Gundersen OE. The fundamental principles
of reproducibility. Philos Trans A Math
Phys Eng Sci. 2021;379(2197). doi:10.1098/
rsta.2020.0210
10. Kim YM, Poline JB, Dumas G. Experimenting
with reproducibility: a case study of robustness
in bioinformatics. Gigascience. 2018;7(7):giy077.
doi:10.1093/gigascience/giy077
11. Ziemann M, Poulain P, Bora A. The five pillars of
computational reproducibility: bioinformatics
and beyond. Brief Bioinform [Internet]. el 22 de
septiembre de 2023 [citado el 1 de noviembre
de 2025];24(6):1–13. Disponible en: https://
dx.doi.org/10.1093/bib/bbad375
12. Mattevi S, Mazzarotto F, Martini P. Allele-
specific expression analysis: pipelines,
applications, challenges, and unmet needs.
Comput Biol Med. 2025;196:110890
13.Kadri S, Sboner A, Sigaras A, Roy S. Containers
in bioinformatics: applications, practical
considerations, and best practices in molecular
pathology. J Mol Diagn. 2022;24(5):442–54.
14. Vallet N, Michonneau D, Tournier S. Toward
practical transparent verifiable and long-term
reproducible research using Guix. Sci Data.
2022;9(1):1–9.
15. Git Project. Git documentation [Internet].
[citado 2025 Nov 1]. Available from: https://
git-scm.com/docs/gi
162Juan Sebastian Loza Chiriboga, et al. Vol. 16 Número 2 2025
16. Cadwallader L, Gabhann FM, Papin J, Pitzer VE.
Advancing code sharing in the computational
biology community. PLoS Comput Biol.
2022;18(6):e1010193
17. Granger BE, Perez F. Jupyter: thinking and
storytelling with code and data. Comput Sci
Eng. 2021;23(2):7–14.
18.O’Brien J, Mitchell C, Auerbach S, Doonan L,
Ewald J, Everett L, et al. Bioinformatic workflows
for deriving transcriptomic points of departure:
current status, data gaps, and research
priorities. Toxicol Sci. 2025;203(2):147–59.
19. Mölder F, Jablonski KP, Letcher B, Hall MB, van
Dyken PC, Tomkins-Tinch CH, et al. Sustainable
data analysis with Snakemake. F1000Res.
2025;10:33.
20. Snakemake developers. Snakemake
documentation [Internet]. [citado 2025
Nov 2]. Available from: https://snakemake.
readthedocs.io/en/stable/index.html
21. Baykal PI, Łabaj PP, Markowetz F, Schriml
LM, Stekhoven DJ, Mangul S, et al. Genomic
reproducibility in the bioinformatics era.
Genome Biol. 2024;25(1):1–15.
22. Chen S, Zhou Y, Chen Y, Gu J. fastp: an ultra-fast
all-in-one FASTQ preprocessor. Bioinformatics.
2018;34(17):i884–90.
23.Broad Institute. Picard tools [Internet].
[citado 2025 Nov 2]. Available from: https://
broadinstitute.github.io/picard/
24. Rapti M, Zouaghi Y, Meylan J, Ranza E,
Antonarakis SE, Santoni FA. CoverageMaster:
comprehensive CNV detection and
visualization from NGS short reads for genetic
medicine applications. Brief Bioinform.
2022;23(2):bbac049.
25. Manolio TA, Fowler DM, Starita LM, Haendel
MA, MacArthur DG, Biesecker LG, et al. Building
bridges between basic and clinical genomic
research. Cell. 2017;169(1):6–12.
26. Dodani DD, Talhouk A. Assessing the
reproducibility crisis in vaginal microbiome
studies for clinical applications in endometrial
cancer. Clin Cancer Res. 2024;30(5 Suppl):A023.
27. Tang S, Borlak J. Genomics of human
NAFLD: lack of data reproducibility and high
interpatient variability in drug target expression
as major causes of drug failures. Hepatology.
2024;80(4):901–15.
28.Pan B, Ren L, Onuchic V, Guan M, Kusko R,
Bruinsma S, et al. Assessing reproducibility of
inherited variants detected with short-read
whole genome sequencing. Genome Biol.
2022;23(1):2.
29. Baykal PI, Łabaj PP, Markowetz F, Schriml
LM, Stekhoven DJ, Mangul S, et al. Genomic
reproducibility in the bioinformatics era.
Genome Biol [Internet]. el 9 de agosto de 2024
[citado el 9 de noviembre de 2025];25(1):213.
Disponible en: https://genomebiology.
biomedcentral.com/ar ticles/10.1186/
s13059-024-03343-2
30.Keenum I, Jackson SA, Eloe-Fadrosh E, Schriml
LM. A standards perspective on genomic data
reusability and reproducibility. Front Bioinform.
2025;5:1572937.
31. Cokelaer T, Cohen-Boulakia S, Lemoine F.
Reprohackathons: promoting reproducibility in
bioinformatics through training. Bioinformatics.
2023;39(Suppl_1):i11–20.
32. Kulkarni N, Alessandrì L, Panero R, Arigoni
M, Olivero M, Ferrero G, et al. Reproducible
bioinformatics project: a community for
reproducible bioinformatics analysis pipelines.
BMC Bioinform. 2018;19(10):5.
16. Cadwallader L, Gabhann FM, Papin J, Pitzer VE.
Advancing code sharing in the computational
biology community. PLoS Comput Biol.
2022;18(6):e1010193
17. Granger BE, Perez F. Jupyter: thinking and
storytelling with code and data. Comput Sci
Eng. 2021;23(2):7–14.
18.O’Brien J, Mitchell C, Auerbach S, Doonan L,
Ewald J, Everett L, et al. Bioinformatic workflows
for deriving transcriptomic points of departure:
current status, data gaps, and research
priorities. Toxicol Sci. 2025;203(2):147–59.
19. Mölder F, Jablonski KP, Letcher B, Hall MB, van
Dyken PC, Tomkins-Tinch CH, et al. Sustainable
data analysis with Snakemake. F1000Res.
2025;10:33.
20. Snakemake developers. Snakemake
documentation [Internet]. [citado 2025
Nov 2]. Available from: https://snakemake.
readthedocs.io/en/stable/index.html
21. Baykal PI, Łabaj PP, Markowetz F, Schriml
LM, Stekhoven DJ, Mangul S, et al. Genomic
reproducibility in the bioinformatics era.
Genome Biol. 2024;25(1):1–15.
22. Chen S, Zhou Y, Chen Y, Gu J. fastp: an ultra-fast
all-in-one FASTQ preprocessor. Bioinformatics.
2018;34(17):i884–90.
23.Broad Institute. Picard tools [Internet].
[citado 2025 Nov 2]. Available from: https://
broadinstitute.github.io/picard/
24. Rapti M, Zouaghi Y, Meylan J, Ranza E,
Antonarakis SE, Santoni FA. CoverageMaster:
comprehensive CNV detection and
visualization from NGS short reads for genetic
medicine applications. Brief Bioinform.
2022;23(2):bbac049.
25. Manolio TA, Fowler DM, Starita LM, Haendel
MA, MacArthur DG, Biesecker LG, et al. Building
bridges between basic and clinical genomic
research. Cell. 2017;169(1):6–12.
26. Dodani DD, Talhouk A. Assessing the
reproducibility crisis in vaginal microbiome
studies for clinical applications in endometrial
cancer. Clin Cancer Res. 2024;30(5 Suppl):A023.
27. Tang S, Borlak J. Genomics of human
NAFLD: lack of data reproducibility and high
interpatient variability in drug target expression
as major causes of drug failures. Hepatology.
2024;80(4):901–15.
28.Pan B, Ren L, Onuchic V, Guan M, Kusko R,
Bruinsma S, et al. Assessing reproducibility of
inherited variants detected with short-read
whole genome sequencing. Genome Biol.
2022;23(1):2.
29. Baykal PI, Łabaj PP, Markowetz F, Schriml
LM, Stekhoven DJ, Mangul S, et al. Genomic
reproducibility in the bioinformatics era.
Genome Biol [Internet]. el 9 de agosto de 2024
[citado el 9 de noviembre de 2025];25(1):213.
Disponible en: https://genomebiology.
biomedcentral.com/ar ticles/10.1186/
s13059-024-03343-2
30.Keenum I, Jackson SA, Eloe-Fadrosh E, Schriml
LM. A standards perspective on genomic data
reusability and reproducibility. Front Bioinform.
2025;5:1572937.
31. Cokelaer T, Cohen-Boulakia S, Lemoine F.
Reprohackathons: promoting reproducibility in
bioinformatics through training. Bioinformatics.
2023;39(Suppl_1):i11–20.
32. Kulkarni N, Alessandrì L, Panero R, Arigoni
M, Olivero M, Ferrero G, et al. Reproducible
bioinformatics project: a community for
reproducible bioinformatics analysis pipelines.
BMC Bioinform. 2018;19(10):5.