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
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
touch me.txt
3.在文本文件 me.txt 里面输入内容
vim me.txt
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
#第二种方法
cat >me.txt
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
ctrl+c #退出
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
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.
mkdir -p {1..5}/{1..5}
#递归显示
ls -R
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
6.1 使用xargs
echo {1..5}/{1..5}|xargs -n 1 cp me.txt
参考地址:https://man.linuxde.net/xargs
6.2 使用脚本，通过编写这个脚本让我体会到了脚本的快乐。
#!/user/bin/bash
#cd,touch,echo
mkdir -p {1..5}/{1..5}
touch {1..5}/{1..5}/me.txt
for i in {1..5};do
for a in {1..5};do
echo -e "hello,world" > $i/$a/me.txt
done
done
7.再次删除掉前面几个步骤建立的文件夹及文件
rm -rf {1..5}
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
#查找H3K4me3,--color显示颜色
less test.bed | grep -n --color H3K4me3
#与上述命令结果一致
grep -n H3K4me3 test.bed
#查看总行数
wc -l test.bed
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
#如果没有unzip，可以用conda安装
unzip rmDuplicate.zip
#在rmDuplicate目录下，查看文件夹结构
tree
10.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。
11.安装 samtools 软件
conda一键安装。
12.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
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
#bam文件是二进制文件，用samtools来查看
samtools view -H tmp.sorted.bam | awk '{print $2}'|cut -c 4-9|sort|uniq -c|grep -v '_'
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 |cut -f2|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
samtools view tmp.sorted.bam|cut -f2|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
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？
less -SN fastqc_data.txt | grep '>>'|wc -l
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，然后找到它们的hg38.tss 文件的哪一行。
#less后，输入/,搜索关键词就可以检索到自己感兴趣基因所在的位置
less hg38.tss
19.解析hg38.tss 文件，统计每条染色体的基因个数。
#正常到grep之前就可以了，但是这个文件会有碎片化的染色体，使用grep -v来排除这些染色体，cut -f 指定输出列
less hg38.tss |cut -f2|sort|uniq -c|grep -v '_'
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。
#方法一
less hg38.tss | grep 'NR'|sort|wc -l
#方法二,cut -c指定输出字符
less hg38.tss | awk '{print $1}'|cut -c 1-2|sort|uniq -c
NM：mRNA
NR:ncRNA
练习原链接：
http://www.bio-info-trainee.com/2900.html
练习讲解视频：
https://www.bilibili.com/video/av28813815?p=16
网友评论