Uso de Git para gestionar las versiones del código de los experimentos

Al finalizar este tema

Podrás registrar el historial de cambios del código de análisis con Git, volver a versiones anteriores y realizar copias de seguridad en GitHub.

¿Por qué es necesario Git?

¿Has visto alguna vez estos nombres de archivo en el laboratorio?

text

analysis_final.py
analysis_final_v2.py
analysis_final_v2_revisado_profesor.py
analysis_final_v2_revisado_profesor_ahora_si_final.py

Git guarda todo el historial de cambios en un solo archivo. No es necesario copiar el archivo.

Instalación y configuración inicial

Git ya está instalado en Google Colab. Solo hay que configurar el nombre y el correo electrónico.

bash

git config --global user.name "Your Name"
git config --global user.email "your@email.com"

# Comprueba la configuración
git config --list --global | grep user

Crear el primer repositorio

git init es como abrir un nuevo cuaderno de laboratorio en blanco.

bash

# Crea un directorio de práctica e inicializa Git
mkdir -p /tmp/bio-analysis && cd /tmp/bio-analysis
git init

# Se crea la carpeta .git, donde Git guarda el historial
ls -la .git/

Primer commit: tomar una instantánea

Un commit es como poner la fecha en un cuaderno de laboratorio y escribir "hecho hasta aquí".

bash

cd /tmp/bio-analysis

# Crea el script de análisis
cat > gc_analysis.py << 'SCRIPT'
"""Script de análisis de contenido GC v1"""

def calculate_gc(sequence: str) -> float:
    seq = sequence.upper()
    gc = seq.count("G") + seq.count("C")
    return (gc / len(seq)) * 100

sequences = {
    "BRCA1": "ATGGATTTATCTGCTCTTCG",
    "TP53":  "ATGGAGGAGCCGCAGTCAG",
}

for name, seq in sequences.items():
    print(f"{name}: GC={calculate_gc(seq):.1f}%")
SCRIPT

# Tres etapas de Git: trabajo → staging → commit
git add gc_analysis.py           # 1. Staging: selecciona los archivos de la instantánea
git status                       # Comprueba: verde = preparado
git commit -m "feat: versión inicial del script de contenido GC"  # 2. Commit: instantánea

# Consulta el historial
git log --oneline

Seguimiento de cambios: visualizar las diferencias con diff

Al igual que se utilizan lápices rojos para marcar los cambios durante la revisión de un documento, git diff muestra qué ha cambiado.

bash

cd /tmp/bio-analysis

# Crea el archivo si todavía no existe
if [ ! -f gc_analysis.py ]; then
  git init
  cat > gc_analysis.py << 'SCRIPT'
"""Script de análisis de contenido GC v1"""

def calculate_gc(sequence: str) -> float:
    seq = sequence.upper()
    gc = seq.count("G") + seq.count("C")
    return (gc / len(seq)) * 100

sequences = {
    "BRCA1": "ATGGATTTATCTGCTCTTCG",
    "TP53":  "ATGGAGGAGCCGCAGTCAG",
}

for name, seq in sequences.items():
    print(f"{name}: GC={calculate_gc(seq):.1f}%")
SCRIPT
  git add gc_analysis.py
  git commit -m "feat: versión inicial del script de contenido GC"
fi

# Modifica el script: añade el gen EGFR
cat > gc_analysis.py << 'SCRIPT'
"""Script de análisis de contenido GC v2: añade EGFR"""

def calculate_gc(sequence: str) -> float:
    seq = sequence.upper()
    gc = seq.count("G") + seq.count("C")
    return (gc / len(seq)) * 100

sequences = {
    "BRCA1": "ATGGATTTATCTGCTCTTCG",
    "TP53":  "ATGGAGGAGCCGCAGTCAG",
    "EGFR":  "ATGCGACCCTCCGGGACGGC",
}

for name, seq in sequences.items():
    gc = calculate_gc(seq)
    label = "HIGH" if gc > 60 else "NORMAL"
    print(f"{name}: GC={gc:.1f}% [{label}]")
SCRIPT

# Comprueba los cambios
git diff gc_analysis.py

# Commit
git add gc_analysis.py
git commit -m "feat: añade EGFR y etiqueta HIGH para GC >= 60 %"

git log --oneline

Deshacer: Un viaje al pasado

Así como volvemos a un protocolo anterior cuando un experimento falla, Git nos permite regresar a cualquier punto en el tiempo.

bash

cd /tmp/bio-analysis

# Crea el entorno si todavía no existe
if [ ! -d .git ]; then
  git init
  git config user.name "Test" && git config user.email "test@test.com"
  echo "v1" > gc_analysis.py
  git add gc_analysis.py && git commit -m "v1"
  echo "v2" > gc_analysis.py
  git add gc_analysis.py && git commit -m "v2"
fi

# Muestra el historial
git log --oneline

# Restaura solo un archivo al estado de un commit anterior
FIRST_COMMIT=$(git log --oneline | tail -1 | cut -d' ' -f1)
echo "Primer commit: $FIRST_COMMIT"

# Comprueba el contenido actual
echo "--- Actual ---"
cat gc_analysis.py

# Consulta el contenido del primer commit antes de restaurar
echo "--- Primer commit ---"
git show $FIRST_COMMIT:gc_analysis.py

Advertencia: git checkout -- nombre_de_archivo deshace las modificaciones y se perderán los cambios no confirmados. Confirme primero los cambios importantes.

.gitignore: Exclusión del seguimiento

Al igual que en un experimento no se guardan los productos intermedios, en Git se excluyen los archivos de datos grandes o los archivos temporales.

bash

cd /tmp/bio-analysis

# Crea .gitignore para un proyecto de biología
cat > .gitignore << 'EOF'
# Datos grandes: no se incluyen en Git
*.fastq
*.fastq.gz
*.bam
*.sam

# Caché de Python
__pycache__/
*.pyc
.ipynb_checkpoints/

# Configuración del entorno, que puede contener datos privados
.env
*.log

# Archivos del sistema operativo
.DS_Store
Thumbs.db
EOF

# Prueba que Git ignore un archivo grande
echo "fake fastq data" > sample.fastq
git status  # Correcto si sample.fastq no aparece como Untracked

Inténtelo usted mismo (Ejemplo atenuado)

Complete los espacios en blanco a continuación para completar el flujo de trabajo básico de Git.

Completar espaciosbash

# 1. Crear un repositorio nuevo
git 
# 2. Agregar archivos al área de preparación
git  analysis.py
# 3. Guardar una instantánea
git  -m "first analysis script"

Errores comunes y soluciones

Q: fatal: not a git repository

El directorio actual no es un repositorio Git. Inicialícelo con git init o entre en la carpeta de un repositorio con cd.

Q: nothing to commit, working tree clean

No hay cambios. Modifique un archivo y ejecute git add. Si ya lo hizo, es posible que los cambios ya estén confirmados.

P: Confirmé por error un archivo FASTQ grande

Añada *.fastq a .gitignore y deje de seguir el archivo con git rm --cached sample.fastq; el archivo local no se eliminará.

P: Escribí mal el mensaje del commit

Puede corregir el último mensaje con git commit --amend -m "mensaje nuevo", pero solo si todavía no ha hecho push.

En el siguiente artículo aprenderemos a visualizar datos experimentales con Python.

BioPlayground

Gestionar las versiones del código experimental con Git.

Uso de Git para gestionar las versiones del código de los experimentos

Al finalizar este tema

¿Por qué es necesario Git?

Instalación y configuración inicial

Crear el primer repositorio

Primer commit: tomar una instantánea

Seguimiento de cambios: visualizar las diferencias con diff

Deshacer: Un viaje al pasado

.gitignore: Exclusión del seguimiento

Inténtelo usted mismo (Ejemplo atenuado)

Errores comunes y soluciones

💬 Preguntas y comentarios