這個(gè)是有機(jī)結(jié)合生物信息學(xué)的linux和數(shù)據(jù)格式的練習(xí)題：
下載bowtie2軟件后拿到示例數(shù)據(jù)：
mkdir -p ~/biosoft
cd ~/biosoft
wget -c https://sourceforge.net/projects/bowtie-bio/files/bowtie2/2.3.4.3/bowtie2-2.3.4.3-linux-x86_64.zip
unzip bowtie2-2.3.4.3-linux-x86_64.zip
cd ~/biosoft/bowtie2-2.3.4.3-linux-x86_64/example/reads
1）統(tǒng)計(jì)reads_1.fq 文件中共有多少條序列信息
grep -c '^@r' reads_1.fq
共10000條序列信息。
2）輸出所有的reads_1.fq文件中的標(biāo)識(shí)符(即以@開頭的那一行)
grep '^@r' reads_1.fq
3）輸出reads_1.fq文件中的 所有序列信息(即每個(gè)序列的第二行)
cat reads_1.fq | paste - - - - | cut -f 2 | less -SN
# awk '{if (NR%4 == 2) print}' reads_1.fq | less -SN
4）輸出以‘+’及其后面的描述信息(即每個(gè)序列的第三行)
cat reads_1.fq | paste - - - - | cut -f 3 | less -SN
5）輸出質(zhì)量值信息(即每個(gè)序列的第四行)
cat reads_1.fq | paste - - - - | cut -f 4 | less -SN
6）計(jì)算reads_1.fq 文件含有N堿基的reads個(gè)數(shù)
cat reads_1.fq | paste - - - - | cut -f 2 | grep -n 'N' | wc -l
有6429條reads中包含了N堿基。
7）統(tǒng)計(jì)文件中reads_1.fq文件里面的序列的堿基總數(shù)
cat reads_1.fq | paste - - - - | cut -f 2 | wc -m
堿基總數(shù)為1098399。
8）計(jì)算reads_1.fq 所有的reads中N堿基的總數(shù)
cat reads_1.fq | paste - - - - | cut -f 2 | grep -o 'N' | wc -l
N堿基總數(shù)為26001。
9）統(tǒng)計(jì)reads_1.fq 中測(cè)序堿基質(zhì)量值恰好為Q20的個(gè)數(shù)
cat reads_1.fq | paste - - - - | cut -f 4 | grep -o '5' | wc -l
# 20 + 33 ---> 53 ---> 5
Q20的個(gè)數(shù)為21369。
10）統(tǒng)計(jì)reads_1.fq 中測(cè)序堿基質(zhì)量值恰好為Q30的個(gè)數(shù)
cat reads_1.fq | paste - - - - | cut -f 4 | grep -o '?' | wc -l
# 30 + 33 ---> 63 ---> ?
Q30的個(gè)數(shù)為21574。
11）統(tǒng)計(jì)reads_1.fq 中所有序列的第一位堿基的ATCGNatcg分布情況
cat reads_1.fq | paste - - - - | cut -f 2 | cut -c 1 | sort | uniq -c
12）將reads_1.fq 轉(zhuǎn)為reads_1.fa文件（即將fastq轉(zhuǎn)化為fasta）
cat reads_1.fq | paste - - - - | cut -f 1,2 | tr '\t' '\n' | tr '@' '>' > reads_1.fa
# awk '{if (NR%4 == 1) {print ">" substr($0, 2)}} {if (NR%4 == 2) print}' reads_1.fq > reads_1.fa
13）統(tǒng)計(jì)上述reads_1.fa文件中共有多少條序列
cat reads_1.fa | grep -v '>' | wc -l
# cat reads_1.fa | paste - - | cut -f 2 | wc -l
共10000條序列信息。
14）計(jì)算reads_1.fa文件中總的堿基序列的GC數(shù)量
grep -v '>' reads_1.fa | grep -o '[CG]' | wc -l
# cat reads_1.fa | paste - - | awk '{print $2}' | grep -o -e G -e C | wc -l
GC數(shù)量為529983。
15）刪除 reads_1.fa文件中的每條序列的N堿基
tr -d 'N' < reads_1.fa
# cat reads_1.fa | tr -d 'N' | grep 'N' -c
16）刪除 reads_1.fa文件中的含有N堿基的序列
cat reads_1.fa | paste - - | cut -f 2 | sed '/N/d' | wc -l
# cat reads_1.fa | paste - - | awk '{if ($2 !~ "N") print}' | wc -l
17）刪除 reads_1.fa文件中的短于65bp的序列
cat reads_1.fa | paste - - | cut -f 2 | awk '{if (length($1) >= 65) print}' | wc
18） 刪除 reads_1.fa文件每條序列的前后五個(gè)堿基
cat reads_1.fa | paste - - | cut -f 2 | sed 's/^.....//' | sed 's/.....$//' | head
19）刪除 reads_1.fa文件中的長(zhǎng)于125bp的序列
cat reads_1.fa | paste - - | cut -f 2 | awk '{if (length($1) <= 125) print}' | wc
20）查看reads_1.fq 中每條序列的第一位堿基的質(zhì)量值的平均值
cat reads_1.fq | paste - - - - | cut -f 4 | cut -c 1 | perl -alne '{print ord($_)-33}' | paste -s -d + | bc
# 涉及到perl單行命令，還需加強(qiáng)學(xué)習(xí)
參考：
http://www.bio-info-trainee.com/3575.html
http://ascii.911cha.com/
提示
echo $PATH |grep -o ":"|wc
cat reads_1.fq |paste - - - - |less -SN
cat reads_1.fq |paste - - - - |cut -f 2|grep -o [ATCGNatcg]|wc
# http://ascii.911cha.com/
# 63 ?
# 53 5
# 97 a
# 107 k
