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 /Users/jimmy/tmp/1/2/3/4/5/6/7/8/9/me.txt
3. 在文本文件 me.txt 里面输入内容:
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
方法一：
vi me.txt
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
:wq
方法二：
cat> me.txt
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
##按ctrl + d保存退出
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 -r 1/2/3/4/5/6/7/8/9/me.txt
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 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。
cat >me.txt
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
#按ctrl + d保存退出
for a in {1..5};do
cd ~/folder$a
for b in {1..5};do
cd ~/folder$a/folder$b
cp ./me.txt ~/folder$a/folder$b
done
done
7.再次删除掉前面几个步骤建立的文件夹及文件
rm -r folder{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 -c http://www.biotrainee.com/jmzeng/igv/test.bed
grep -n 'H3K4me3' test.bed
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 -c http://www.biotrainee.com/jmzeng/rmDuplicate.zip
unzip rmDuplicate.zip
tree rmDuplicate
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。
cd rmDuplicate/samtools/single
ls *.sam
SAM(Sequence Alignment/Map)格式是一种通用的比对格式，用来存储reads到参考序列的比对信息。
BAM是SAM的二进制格式，因此两者格式相同，只是BAM文件占用储存空间更小，运算更快。
11.安装 samtools 软件
利用conda安装
source ~/miniconda3/bin/activate
conda search samtools
conda install samtools
12.打开后缀为BAM 的文件，找到产生该文件的命令。
#查看一个文件名叫做SRR1039510.sort.bam文件的产生命令
samtools view -h SRR1039510.sort.bam |grep '^@PG'|awk 'BEGIN{FS="\t"}{print $5}'|cut -d: -f2
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。
#查看 注：此处用的文件为SRR1039510.sort.bam文件
samtools view -h SRR1039510.sort.bam |egrep '^@S.*?(chr[XYM]\s+.*|chr[1-9]?[0-9]\s+).*'|less
#计数
samtools view -h SRR1039510.sort.bam |egrep '^@S.*?(chr[XYM]\s+.*|chr[1-9]?[0-9]\s+).*'|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。
samtools view SRR1039510.sort.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 SRR1039510.sort.bam|cut -f2 |sort |uniq -c|sort -t' ' -nrk1,1
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
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
search '^>>' fastqc_data.txt |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。
wget http://www.biotrainee.com/jmzeng/tmp/hg38.tss
grep 'NM_000546' hg38.tss
grep 'NM_001126113' hg38.tss
19.解析hg38.tss文件，统计每条染色体的基因个数。
cat hg38.tss |cut -f2|sort|uniq -c
20.解析hg38.tss 文件，统计NM和NR开头的序列，了解NM和NR开头的含义。
grep '^NM' hg38.tss |wc -l
grep '^NR' hg38.tss |wc -l
或
grep -oE '^(NM|NR)' hg38.tss |sort|uniq -c
NM：转录组产物的序列mRNA
NR：非编码的转录组序列ncRNA
网友评论