生信Linux20題-----生信技能樹
題目鏈接：http://www.bio-info-trainee.com/2900.html
一、在任意文件夾下面創(chuàng)建形如 1/2/3/4/5/6/7/8/9 格式的文件夾系列。
mkdir test1
mkdir -p 1/2/3/4/5/6/7/8/9
二、在創(chuàng)建好的文件夾下面，比如我的是 /Users/jimmy/tmp/1/2/3/4/5/6/7/8/9 ，里面創(chuàng)建文本文件 me.txt
touch me.txt
三、在文本文件 me.txt 里面輸入內(nèi)容:
Go to:http://www.biotrainee.com/
I love bioinformatics.
And you?
前三題的效果如下
四、刪除上面創(chuàng)建的文件夾 1/2/3/4/5/6/7/8/9 及文本文件 me.txt
rm -rf 1/
ls
五、在任意文件夾下面創(chuàng)建 folder1~5這5個(gè)文件夾，然后每個(gè)文件夾下面繼續(xù)創(chuàng)建 folder1~5這5個(gè)文件夾，效果如下：
mkdir -p folder{1..5}/folder{1..5}
tree -d
六、在第五題創(chuàng)建的每一個(gè)文件夾下面都 創(chuàng)建第二題文本文件 me.txt ，內(nèi)容也要一樣。(這個(gè)題目難度超綱，建議一個(gè)月后再回過頭來做)
for i in folder{1..5}/folder{1..5};do (cd $i;touch me.txt);done
tree
七、再次刪除掉前面幾個(gè)步驟建立的文件夾及文件
rm -rf folder*
ls
八、下載 http://www.biotrainee.com/jmzeng/igv/test.bed 文件，后在里面選擇含有 H3K4me3 的那一行是第幾行，該文件總共有幾行。
wget http://www.biotrainee.com/jmzeng/igv/test.bed
ls
#該文件的總行數(shù)
wc -l test.bed
10 test.bed
#里面選擇含有 H3K4me3 的那一行是第幾行
cat -n test.bed |grep -w 'H3K4me3'
nl test.bed |grep -w 'H3K4me3'
less test.bed|grep -w -n 'H3K4me3'
九、下載 http://www.biotrainee.com/jmzeng/rmDuplicate.zip 文件，并且解壓，查看里面的文件夾結(jié)構(gòu)
wget http://www.biotrainee.com/jmzeng/rmDuplicate.zip
ls
unzip rmDuplicate.zip
ls
十、打開第九題解壓的文件，進(jìn)入 rmDuplicate/samtools/single 文件夾里面，查看后綴為 .sam 的文件，搞清楚 生物信息學(xué)里面的SAM/BAM 定義是什么。
cd rmDuplicate/samtools/single/
ls
less -S tmp.sam
（1）sam是帶有比對(duì)信息的序列文件，用于儲(chǔ)存序列數(shù)據(jù)（SAM format is a generic format for storing large nucleotide sequence alignments. ） （2）BAM is the compressed binary version of the Sequence Alignment/Map (SAM) format. 生物信息中的二進(jìn)制文件主要是為了節(jié)約空間，計(jì)算機(jī)機(jī)可讀。可以用samtools工具實(shí)現(xiàn)sam和bam文件之間的轉(zhuǎn)化。
二者都是fastq文件經(jīng)過序列比對(duì)或者mapping后輸出的格式。兩種格式儲(chǔ)存的信息都是一致的。
十一、安裝 samtools 軟件
source activate rna
conda install -y samtools
samtools --help
十二、打開 后綴為BAM 的文件，找到產(chǎn)生該文件的命令。 提示一下命令是：
#打開 后綴為BAM 的文件
samtools view tmp.sorted.bam |less -S
#產(chǎn)生該文件的命令
/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
十三題、根據(jù)上面的命令，找到我使用的參考基因組 /home/jianmingzeng/reference/index/bowtie/hg38 具體有多少條染色體。
cat /teach/rna_testdata/database/reference/hg38.fa|grep '>'|less -S|sed 's/_.*//g'|sort|uniq|wc -l
26
十四題、上面的后綴為BAM 的文件的第二列，只有 0 和 16 兩個(gè)數(shù)字，用 cut/sort/uniq等命令統(tǒng)計(jì)它們的個(gè)數(shù)。
samtools view tmp.sorted.bam |cut -f 2|sort|uniq -c
29 0
24 16
十五題、重新打開 rmDuplicate/samtools/paired 文件夾下面的后綴為BAM 的文件，再次查看第二列，并且統(tǒng)計(jì)
samtools view tmp.sorted.bam |cut -f 2|sort|uniq -c
8 147
3 163
1 323
1 353
1 371
1 387
1 433
3 83
2 97
9 99
十六題、下載 http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip 文件，并且解壓，查看里面的文件夾結(jié)構(gòu)， 這個(gè)文件有2.3M，注意留心下載時(shí)間及下載速度。
···
wget http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip
unzip sickle-results.zip
tree sickle-results/
···
十七題、解壓 sickle-results/single_tmp_fastqc.zip 文件，并且進(jìn)入解壓后的文件夾，找到 fastqc_data.txt 文件，并且搜索該文本文件以 >>開頭的有多少行？
cd sickle-results/
ls
unzip single_tmp_fastqc.zip
ls
cd single_tmp_fastqc/
ls
cat fastqc_data.txt |grep '^>>'|wc -l
24
十八題、下載 http://www.biotrainee.com/jmzeng/tmp/hg38.tss 文件，去NCBI找到TP53/BRCA1等自己感興趣的基因?qū)?yīng)的 refseq數(shù)據(jù)庫 ID，然后找到它們的hg38.tss 文件的哪一行。
https://www.ncbi.nlm.nih.gov/gene/7157
暫時(shí)沒有網(wǎng)絡(luò)，先不做了哦
十九題、解析hg38.tss 文件，統(tǒng)計(jì)每條染色體的基因個(gè)數(shù)。
less -S hg38.tss |cut -f2|sed 's/_.*//g'|sort|uniq -c
二十題、解析hg38.tss 文件，統(tǒng)計(jì)NM和NR開頭的數(shù)量，了解NM和NR開頭的含義。
less -S hg38.tss |grep '^NM'|wc -l
51064
less -S hg38.tss |grep '^NR'|wc -l
15954
