http://www.bio-info-trainee.com/2900.html
- 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。
1
|
mkdir -p 1/2/3/4/5/6/7/8/9
|
- 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
- 在文本文件 me.txt 里面输入内容:
1
2
3
4
5
|
cat > me.txt
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
#Ctrl + D
|
- 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
1
2
|
cd ~/tmp/
rm -rf tmp/
|
- 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
1
2
3
4
5
|
for m in {1..5}; do
for n in {1..5}; do
mkdir -p folder${m}/folder${n}
done
done
|
- 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。
1
2
3
4
5
6
7
8
9
10
|
cat > me.txt
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
#Ctrl + D
for m in {1..5}; do
for n in {1..5}; do
cp me.txt folder${m}/folder${n}
done
done
|
- 再次删除掉前面几个步骤建立的文件夹及文件
- 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。
1
2
3
4
5
|
wget http://www.biotrainee.com/jmzeng/igv/test.bed
# 结果为第8行
grep -n H3K4me3 test.bed
# 结果为10行
wc -l test.bed
|
- 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
1
2
3
|
wget http://www.biotrainee.com/jmzeng/rmDuplicate.zip
unzip rmDuplicate.zip
tree rmDuplicate
|
- 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
1
2
|
cd rmDuplicate/samtools/single
less -S tmp.sam
|
- 安装 samtools 软件
1
2
|
wget https://github.com/samtools/samtools/releases/download/1.9/samtools-1.9.tar.bz2
tar Jxf samtools-1.9.tar.bz2
|
- 打开 后缀为BAM 的文件，找到产生该文件的命令。
1
2
|
samtools view tmp.rmdup.bam | less -S
cat readme.txt
|
- 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。
1
2
3
|
samtools view tmp.rmdup.bam | cut -f 2 | sort | uniq -c
16 0
12 16
|
- 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
1
2
3
4
5
6
7
8
9
10
11
12
|
cd ../paired
samtools view tmp.rmdup.bam | cut -f 2| sort | uniq -uc
7 147
2 163
1 323
1 353
1 371
1 387
1 433
2 83
2 97
8 99
|
- 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。
1
2
3
|
cd ~/temp
wget http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip
unzip sickle-results.zip
|
- 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？
1
2
3
|
cd sickle-results
unzip single_tmp_fastqc.zip
grep -c '>>' fastqc_data.txt
|
- 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。
1
2
|
wget http://www.biotrainee.com/jmzeng/tmp/hg38.tss
grep NM_000546 hg38.tss
|
- 解析hg38.tss 文件，统计每条染色体的基因个数。
1
|
cut -f 2 hg38.tss | sort | uniq -c
|
- 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。
1
2
3
4
5
6
|
cut -f 1 hg38.tss | grep -c 'NM'
51064
cut -f 1 hg38.tss | grep -c 'NR'
15954
# https://en.wikipedia.org/wiki/RefSeq
# NM, mRNA. NR, ncRNA
|
参考来源
次阅读