1. 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 -p 1/2/3/4/5/6/7/8/9

2. 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 /Users/jimmy/tmp/1/2/3/4/5/6/7/8/9/me.txt

3. 在文本文件 me.txt 里面輸入內容:

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.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 -r 1/2/3/4/5/6/7/8/9/me.txt

5.在任意文件夾下面創(chuàng)建 folder1~5這5個文件夾，然后每個文件夾下面繼續(xù)創(chuàng)建 folder1~5這5個文件夾

mkdir -p  folder{1..5}/folder{1..5}

6.在第五題創(chuàng)建的每一個文件夾下面都創(chuàng)建第二題文本文件 me.txt ，內容也要一樣。

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.再次刪除掉前面幾個步驟建立的文件夾及文件

rm -r folder{1..5}

8. 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  -c http://www.biotrainee.com/jmzeng/igv/test.bed
grep -n  'H3K4me3'  test.bed
wc -l test.bed

9.下載 http://www.biotrainee.com/jmzeng/rmDuplicate.zip 文件，并且解壓，查看里面的文件夾結構

wget -c http://www.biotrainee.com/jmzeng/rmDuplicate.zip
unzip rmDuplicate.zip
tree rmDuplicate

10.打開第九題解壓的文件，進入 rmDuplicate/samtools/single 文件夾里面，查看后綴為 .sam 的文件，搞清楚生物信息學里面的SAM/BAM 定義是什么。

cd rmDuplicate/samtools/single
ls *.sam

SAM(Sequence Alignment/Map)格式是一種通用的比對格式，用來存儲reads到參考序列的比對信息。
BAM是SAM的二進制格式，因此兩者格式相同，只是BAM文件占用儲存空間更小，運算更快。

11.安裝 samtools 軟件

利用conda安裝

source ~/miniconda3/bin/activate
conda search samtools
conda install samtools

12.打開后綴為BAM 的文件，找到產生該文件的命令。

#查看一個文件名叫做SRR1039510.sort.bam文件的產生命令
samtools view -h SRR1039510.sort.bam |grep '^@PG'|awk 'BEGIN{FS="\t"}{print $5}'|cut -d: -f2

13.根據上面的命令，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。

#查看   注：此處用的文件為SRR1039510.sort.bam文件
samtools view -h SRR1039510.sort.bam |egrep '^@S.*?(chr[XYM]\s+.*|chr[1-9]?[0-9]\s+).*'|less
#計數(shù)
samtools view -h SRR1039510.sort.bam |egrep '^@S.*?(chr[XYM]\s+.*|chr[1-9]?[0-9]\s+).*'|wc -l

14.上面的后綴為BAM 的文件的第二列，只有 0 和 16 兩個數(shù)字，用 cut/sort/uniq等命令統(tǒng)計它們的個數(shù)。

samtools view SRR1039510.sort.bam |cut -f2|sort |uniq -c

15. 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

samtools view SRR1039510.sort.bam|cut -f2 |sort |uniq -c|sort -t' ' -nrk1,1

16.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構， 這個文件有2.3M，注意留心下載時間及下載速度。

wget http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip
unzip sickle-results
tree

17.解壓 sickle-results/single_tmp_fastqc.zip 文件，并且進入解壓后的文件夾，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
unzip single_tmp_fastqc.zip
cd single_tmp_fastqc
search  '^>>'  fastqc_data.txt |wc -l

18.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對應的 refseq數(shù)據庫 ID，然后找到它們的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，統(tǒng)計每條染色體的基因個數(shù)。

cat hg38.tss |cut -f2|sort|uniq -c

20.解析hg38.tss 文件，統(tǒng)計NM和NR開頭的序列，了解NM和NR開頭的含義。

grep '^NM' hg38.tss |wc -l
grep '^NR' hg38.tss |wc -l

或

grep -oE '^(NM|NR)' hg38.tss |sort|uniq -c

NM：轉錄組產物的序列mRNA
NR：非編碼的轉錄組序列ncRNA