1. 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。
# 在自己的目录下创建一个专门用于做练习的文件夹先
cd /trainee/Jude
mkdir pracitce
cd practice
mkdir -p 1/2/3/4/5/6/7/8/9
2. 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。
# 需要明确去什么地方，做什么
cd 1/2/3/4/5/6/7/8/9
touch me.txt
3. 在文本文件 me.txt里面输入如下内容:
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
# 编辑文本内容用vim
vim me.txt
i
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
esc
:wq
4. 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.
# 强制删除目录
cd /trainee/Jude/practice
rm -rf 1
5. 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。
# 我的方法(开始以为简单，后来发现很naive)
mkdir folder{1..5} #第一步创建5个文件夹
vim script #第二步写脚本
i
#!/bin/bash
for folder in folder1 folder2 folder3 folder4 folder5
do cd $folder; mkdir folder{1..5}; cd ..
done
esc
:wq
./script #第三部运行脚本，创建套娃文件夹
# 其他同学的方法，主要在第二步
mkdir -p folder{1..5}/folder{1..5}
6. 在第五题创建的每一个文件夹下面都创建第二题文本文件 me.txt ，内容也要一样.
# 开始是不会的，看了别人的答案，需要用到 xargs
touch me.text
echo folder{1..5}/folder{1..5} | xargs -n 1 cp -v me.txt
注释：
xargs：并不是所有命令都可以把管道符前面的输出作为输入，xargs就可以实现这个转换，建议参考：xargs命令详解
-n：表示每次传递给后面命令几个参数，后面跟数字“1”表示传递1个参数
7. 再次删除掉前面几个步骤建立的文件夹及文件.
rm -rf folder*
8. 下载 http://www.biotrainee.com/jmzeng/igv/test.bed 文件，后在里面选择含有 H3K4me3的那一行是第几行，该文件总共有几行。
wget http://www.biotrainee.com/jmzeng/igv/test.bed
cat -n test.bed | grep H3K4me3
cat -n test.bed | wc
9. 下载 http://www.biotrainee.com/jmzeng/rmDuplicate.zip 文件，并且解压，查看里面的文件夹结构.
wget http://www.biotrainee.com/jmzeng/rmDuplicate.zip
unzip rmDuplicate.zip
cd rmDuplicate/
tree -d
- 打开第九题解压的文件，进入
rmDuplicate/samtools/single文件夹里面，查看后缀为.sam的文件，搞清楚 生物信息学里面的SAM/BAM 定义是什么。
cd rmDuplicate/samtools/single
less -S -N tmp.sam
注释*：
SAM文件：是sequence alignment/map format的缩写，记录序列比对信息的文件，分为标头注释部分和序列比对部分，其中序列比对部分至少11列。
BAM文件是SAM文件的二进制格式，可用samtools view命令查看，格式转化便于储存更多的数据。
11. 安装 samtools软件
# 如果已经安装了conda，很简单
conda install samtools
# 如果单独安装
wget -c https://github.com/samtools/samtools/releases/download/1.9/samtools-1.9.tar.bz2
tar -jxvf samtools-1.9.tar.bz2
cd samtools-1.9/
./configure --prefix=/trainee/Jude/practice/samtools-1.9
make
make install
echo 'export PATH="/trainee/Jude/practice/samtools-1.9:$PATH"'>>~/.bahsrc
source ~/.bashrc
12. 打开后缀为BAM的文件，找到产生该文件的命令。
# 打开BAM文件
samtools view tmp.sorted.bam | less -SN
# 产生bam文件的命令一般都在头部注释信息中,不过是在头部信息的最后一行，所以用tail命令
which samtools
/usr/bin/samtools view -H tmp.sorted.bam | tail
# 经过上面的操作可知生成BAM文件的命令如下:
/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
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。
# 方法一：通过看BAM文件标头信息确认染色体数量，筛选时用到正则表达式
samtools view -H tmp.rmdup.bam | grep -o -E "SN:chr[0-9]+|SN:chr[a-zA-Z]"| sort | uniq -c | wc -l
# 方法二：直接找打hg38.fa文件查看染色体数量(hg38.fa需要绝对路径)
less -S hg38.fa | grep ">chr" | cut -d "_" -f 1 | sort | uniq -c | wc -l
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。
# 方法一(复杂)
samtools view tmp.sorted.bam | less -SN | cut -f 2 | grep 0 | wc
samtools view tmp.sorted.bam | less -SN | cut -f 2 | grep 16 | wc
# 方法二(简单)
samtools view tmp.sorted.bam | less -SN | cut -f 2 | sort | uniq -c
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 /trainee/Jude/practice/rmDuplicate/samtools/paired
samtools view tmp.sorted.bam | less -SN | cut -f 2 | sort | uniq -c
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 -c http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip
unzip sickle-results.zip
cd sickle-results/
tree
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？
cd sickle-results
unzip single_tmp_fastqc.zip
cd single_tmp_fastqc/
less -SN fastqc_data.txt | grep \>\> | wc
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。
# 涉及到refseq数据库中对应基因的ID查找
wget http://www.biotrainee.com/jmzeng/tmp/hg38.tss
less -SN hg38.tss | grep -n NM_001126115
less -SN hg38.tss | grep -n NM_007294
19. 解析hg38.tss 文件，统计每条染色体的基因个数。
# 某染色体有多少个重复就对应着多少个基因
less hg38.tss | awk '{print$2}' | cut -c 1-5 | sort |uniq -c
# 或者
less hg38.tss | cut -f 2 | cut -c 1-5 | sort |uniq -c
注释：
.tss 文件记录基因坐标，第一列是基因的Refseq ID，第二列是染色体号，第三列是基因起始坐标，第四列是基因终止坐标。
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 -SN hg38.tss | grep NM | wc
less -SN hg38.tss | grep NR | wc
注释*：
NM含义：表示标准序列（转录产物序列，成熟mRNA转录本序列）
NR含义：非编码蛋白的mRNA序列
参考文章
网友评论