生信-linux20道题以及对应答案

一、在任意文件夹下面创建形如 1/2/3/4/5/6/7/8/9 格式的文件夹系列。

答案：mkdir -p  1/2/3/4/5/6/7/8/9

二、在创建好的文件夹下面，比如我的是 /Users/jimmy/tmp/1/2/3/4/5/6/7/8/9 ，里面创建文本文件 me.txt

答案：touch 1/2/3/4/5/6/7/8/9/me.txt

三、在文本文件 me.txt 里面输入内容:

Go to: http://www.biotrainee.com/

I love bioinfomatics.

And you ?

答案：cat >me.txt

Go to:http://www.biotrainee.com/

I love bioinfomatics.

And you ?

 四、删除上面创建的文件夹 1/2/3/4/5/6/7/8/9 及文本文件 me.txt

答案：rm -r 1

五、在任意文件夹下面创建 folder1~5这5个文件夹，然后每个文件夹下面继续创建 folder1~5这5个文件夹，效果如下：

答案：mkdir -p folder_{1..5}/folder_{1..5}

六、在第五题创建的每一个文件夹下面都 创建第二题文本文件 me.txt ，内容也要一样。

答案：首先vim me.txt文件内容

然后的操作：

echo  folder_{1..5}/folder_{1..5}|xargs -n 1 cp me.txt -v

七，再次删除掉前面几个步骤建立的文件夹及文件

答案：find -name  "folder*"|xargs  rm -r

八、下载 http://www.biotrainee.com/jmzeng/igv/test.bed 文件，后在里面选择含有 H3K4me3 的那一行是第几行，该文件总共有几行。

答案：下载：wget http://www.biotrainee.com/jmzeng/igv/test.bed

查找H3K4me3并显示所在行: grep -n "H3K4me3 " test.bed

显示文件总行：wc -l test.bed

九、下载 http://www.biotrainee.com/jmzeng/rmDuplicate.zip 文件，并且解压，查看里面的文件夹结构

答案：wget  http://www.biotrainee.com/jmzeng/rmDuplicate.zip 

unzip  rmDuplicate.zip

十、打开第九题解压的文件，进入 rmDuplicate/samtools/single 文件夹里面，查看后缀为 .sam 的文件，搞清楚 生物信息学里面的SAM/BAM 定义是什么。

十一、安装 samtools 软件

答案：sudo apt-get install samtools

十二、打开 后缀为BAM 的文件，找到产生该文件的命令。 提示一下命令是：

/home/jianmingzeng/biosoft/bowtie/bowtie2-2.2.9/bowtie2-align-s --wrapper basic-0 -p 20 -x /home/jianmingzeng/reference/index/bowtie/hg38 -S /home/jianmingzeng/data/public/allMouse/alignment/WT_rep2_Input.sam -U /tmp/41440.unp

十三题、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。

题目更换查看rmDuplicate文件中tmp.sorted.bam文件中具体有多少条染色体？

答案：samtools view -H   tmp.sorted.bam|awk '{print $2}'|cut -c4-9|grep -v "_"|grep "chr"|sort|uniq|wc -l

十四题、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。

答案：samtools view  tmp.sorted.bam|cut -f 2|sort|uniq -c

十五题、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

答案：samtools view  tmp.sorted.bam|cut -f 2|sort|uniq -c

十六题、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。

答案：wget  http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip

unzip  sickle-results.zip

tree  sickle-results 或者可以tree .

十七题、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？

答案：wget sickle-results/single_tmp_fastqc.zip

unzip  single_tmp_fastqc.zip

cat  fastqc_data.txt|grep "^>>"|wc -l

或者是：

cat fastqc_data.txt |awk '/^>>/{print $0}' |wc -l

十八题、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，然后找到它们的hg38.tss 文件的哪一行。

https://www.ncbi.nlm.nih.gov/gene/7157

答案：wget http://www.biotrainee.com/jmzeng/tmp/hg38.tss

grep -n  "refseq数据库 ID(待定)"  hg38.tss

十九题、解析hg38.tss 文件，统计每条染色体的基因个数。

答案：cat hg38.tss|awk '{print $2}'|sort|uniq -c

二十题、解析hg38.tss 文件，统计NM和NR开头的熟练，了解NM和NR开头的含义。

答案：cat hg38.tss|awk '{print $1}'|cut -c1-2|sort|uniq -c