Linux 11-20 题

11.安装 samtools软件

$ conda install samtools

12.打开后缀为BAM的文件，找到产生该文件的命令。

$ find *.bam
$ samtools view SRR1039510.sort.bam|less -S
$ whereis samtools
samtools: /trainee2/hz10/miniconda2/envs/rna2/bin/samtools /trainee2/hz10/miniconda2/envs/rna2/bin/samtools.pl

13. 根据上面的命令，找到我使用的参考基因组 /home/jianmingzeng/reference/index/bowtie/hg38 具体有多少条染色体。

$ less -SN  hg38.fa |grep ">"|cut -d"_" -f 1|sort -u|wc
  2       2       5

14. 上面的后缀为BAM 的文件的第二列，只有0和16 两个数字，用 cut/sort/uniq等命令统计它们的个数

$ samtools view tmp.sorted.bam|less -S|cut -f 2 |sort -u |wc

15. 重新打开rmDuplicate/samtools/paired文件夹下面的后缀为BAM的文件，再次查看第二列，并且统计。

$ cd ~/task/rmDuplicate/samtools/paired/
$ samtools view tmp.sorted.bam|less -S|cut -f 2 |sort -u |wc
     10      10      37

16. 下载 http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip 文件，并且解压，查看里面的文件夹结构， 这个文件有2.3M，注意留心下载时间及下载速度。

$ wget http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip
$ unzip sickle-results.zip
$ tree sickle-results

17. 解压 sickle-results/single_tmp_fastqc.zip文件，并且进入解压后的文件夹，找到fastqc_data.txt 文件，并且搜索该文本文件以 >>开头的有多少行？

$ unzip single_tmp_fastqc.zip
$ cd  single_tmp_fastqc
$ less -S fastqc_data.txt|grep ">>"|wc
     24      62     518

18. 下载 http://www.biotrainee.com/jmzeng/tmp/hg38.tss 文件，去NCBI找到TP53/BRCA1等自己感兴趣的基因对应的 refseq数据库 ID，然后找到它们在hg38.tss 文件的哪一行

$ wget http://www.biotrainee.com/jmzeng/tmp/hg38.tss
$ less -S hg38.tss|grep -n NR_027676
12731:NR_027676 chr17   43123323    43127323    1

19. 解析hg38.tss 文件，统计每条染色体的基因个数。

$ less -S hg38.tss|cut -f 2|cut -d"_" -f 1|sort|uniq -c

20. 解析hg38.tss 文件，统计NM和NR开头的数量，了解NM和NR开头的含义。

$ less -S hg38.tss|grep NR|wc
  15954   79770  608368
$ less -S hg38.tss|grep NM|wc
  51064  255320 2016820

时隔一个月终于写完作业啦
下一步是跑完搜集到的4个rna-seq