linux 基础作业

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。

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

cd 1/2/3/4/5/6/7/8/9/
touch me.txt
ls

三、在文本文件 me.txt 里面输入内容:

nano me.txt###进入编辑器
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
Ctrl+x退出

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

rm -r me.txt

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：

mkdir -pv ./{fold_1/{fold_1/{fold_1,fold_2,fold_3,fold_4,fold_5},fold_2/{fold_1,fold_2,fold_3,fold_4,fold_5},fold_3/{fold_1,fold_2,fold_3,fold_4,fold_5},fold_4/{fold_1,fold_2,fold_3,fold_4,fold_5},fold_5/{fold_1,fold_2,fold_3,fold_4,fold_5}}

image.png

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。(这个题目难度超纲，建议一个月后再回过头来做)

cd ~/fold/
install -d ./fold_1/me.txt ./fold_2/me.txt ./fold_3/me.txt ./fold_4/me.txt ./fold_5/me.txt
#####太多了就在创建的主目录下分别创建了一个，大概想上面一样的嵌套一下，

七，再次删除掉前面几个步骤建立的文件夹及文件

rm -r ./fold_1/ ./fold_2/ ./fold_3/ ./fold_4/ ./fold_5/
####效果如下

image.png

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。

mkdir ./H3K4me3
wget http://www.biotrainee.com/jmzeng/igv/test.bed

image.png

cat -n test.bed |grep 'H3K4me3'|less -S
cat -n test.bed |wc -l
###10

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

wget  http://www.biotrainee.com/jmzeng/rmDuplicate.zip
conda isntall unzip
unzip rmDuplicate.zip
ls

image.png

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。

cd ./samtools/single

image.png

十一、安装 samtools 软件

conda instal 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。

• 不会

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。

cat tmp.sam|cut -f 2|sort -n|uniq -c
# 29 0
# 24 16

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

 cd ..
 ls
 cd paired
 ls
 cat tmp.sam |cut -f 2|sort -n|uniq -c
      3 83
      2 97
      9 99
      8 147
      3 163
      1 323
      1 353
      1 371
      1 387
      1 433

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。

unzip sickle-results.zip

image.png
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？

unzip single_tmp_fastqc.zip
cd single_tmp_fastqc/
ls
#Icons  Images  fastqc.fo  fastqc_data.txt  fastqc_report.html  summary.txt
cat fastqc_data.txt |grep '>>'
###>>Basic Statistics      pass
#>>END_MODULE
#>>Per base sequence quality     pass
#>>END_MODULE
#>>Per tile sequence quality     pass
#>>END_MODULE
#>>Per sequence quality scores   pass
#>>END_MODULE
#>>Per base sequence content     fail
#>>END_MODULE
#>>Per sequence GC content       warn
#>>END_MODULE
#>>Per base N content    pass
#>>END_MODULE
#>>Sequence Length Distribution  warn
#>>END_MODULE
#>>Sequence Duplication Levels   pass
#>>END_MODULE
#>>Overrepresented sequences     warn
#>>END_MODULE
#>>Adapter Content       pass
#>>END_MODULE
#>>Kmer Content  warn
#>>END_MODULE
 cat fastqc_data.txt |grep '>>'|wc -l
 #24

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

cd ~/H3K4me3/
wget http://www.biotrainee.com/jmzeng/tmp/hg38.tss
ls
less -SN hg38.tss
###第一列表示refseq数据库` ID ，即以NM开头的id号，表示川路产物序列，成熟mRNA序列。

image.png

十九题、解析hg38.tss 文件，统计每条染色体的基因个数。

less -SN hg38.tss |cut -f2|sort|uniq -c |less -S

image.png

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。

less -SN hg38.tss |grep 'NM'|less -S
less -SN hg38.tss |grep 'NR'|less -S

image.png
image.png

• NR开头的表示非编码的转录子序列，包括结构RNAs，假基因转子等。 |
• NM开头的id号，表示转录产物序列，成熟mRNA序列