本次使用的Linux系统为Win10的Ubuntu子系统

Q1：

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

Q2：

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

cd 1/2/3/4/5/6/7/8/9

touch me.txt

Q3：

在文本文件 me.txt 里面输入内容

Go to: http://www.biotrainee.com/

I love bioinfomatics.

And you ?

vi me.txt

cat me.txt

3

Q4：

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

cd

ls

rm -r ./1

ls

Q5：

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

法1

list="1 2 3 4 5"

echo $list

for i in $list; do for j in $list; do mkdir -p folder_${i}/folder_${j};done;done

#sudo apt-get install tree

tree

5

法2

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

Q6：

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。

touch me.txt

for i in $list; do cp ./me.txt ./folder_${i}/me.txt; for j in $list; do cp ./me.txt ./folder_${i}/folder_${j}/me.txt;done;done

6

Q7

再次删除掉前面几个步骤建立的文件夹及文件

rm -r ./fold*

Q8

wget http://www.biotrainee.com/jmzeng/igv/test.bed

cat -n test.bed | grep H3K4me3

wc test.bed

8

Q9

wget http://www.biotrainee.com/jmzeng/rmDuplicate.zip

unzip rmDuplicate.zip

tree rmDuplicate

9

Q10

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。

SAM(The Sequence Alignment / Map format)为序列比对文件的格式；

BAM为SAM的二进制文件，主要是为了节约空间；可以用samtools工具实现sam和bam文件之间的转化。

cd rmDuplicate/samtools/single

ls -lh *.sam

head tmp.sam

less -SN tmp.sam

wc tmp.sam

10

Q11

安装 samtools 软件

参考文章生物信息学常见1000个软件的安装代码、samtools安装(已更新) - 简书、编译安装samtools，以及自己的Linux特点，前期需要安装make、gcc、libbz2-dev、htslib、curl-7.56.0(前三个用CL：apt-get安装，后两个需要下载包安装)

小插曲：之前用linux下载的速度较慢，后来用迅雷下载到电脑桌面，再copy到ubuntu子系统里。可以建立快捷方式In -s /mnt/c/Users/Dell/Desktop ./Desktop

#为最后设置环境变量做准备

cd ./biosoft/mybin

echo 'export PATH=/home/li/biosoft/myBin/bin:$PATH' >>~/.bashrc

source .bashrc

#准备安装

cd ./biosoft/samtools

#wget https://github.com/samtools/samtools/releases/download/1.3.1/samtools-1.3.1.tar.bz2

# wget https://sourceforge.net/projects/samtools/files/latest/download

cp ./Desktop/samtools-1.3.1.tar.bz2 ./

tar xvfj samtools-1.3.1.tar.bz2

cd samtools-1.3.1

./configure --prefix=/home/li/biosoft/myBin

make

make install

11

安装这个samtools软件还是花费了挺长时间，会出现各种想不到的错误，然后再逐一解决或者换种思路。现在想想conda真是太方便了。

Q12

打开 后缀为BAM 的文件，找到产生该文件的命令。提示一下命令是：/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

samtools view -h tmp.sorted.bam | grep CL

12

Q13

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。

有点未理解这个题目是什么意思

samtools view -h tmp.rmdup.bam | grep SN | wc

samtools view -h tmp.rmdup.bam | grep SN | cut -f 2 | sort | uniq -c

Q14

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 -h tmp.rmdup.bam | grep -v "^@" > tmp.txt

cut -f 2 tmp.txt | sort | uniq -c

14

Q15

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

cd ../paired/

samtools view -h tmp.rmdup.bam | grep -v "^@" > tmp.txt

cut -f 2 tmp.txt | sort | uniq -c

15

Q16

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

unzip sickle-results.zip

tree sickle-results

16

Q17

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？

unzip single_tmp_fastqc.zip

cd single_tmp_fastqc/

grep -c "^>>" fastqc_data.txt

# 24

Q18

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。

grep -n NM_000546 hg38.tss #TP53第一个refseq的ID

17-2

Q19

解析hg38.tss 文件，统计每条染色体的基因个数。

cut -f 2 hg38.tss | sort | uniq -c | sort -r | head -20

19

Q20

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。

NM 为转录产物序列，即成熟mNA转录本序列；

NP指蛋白产物，主要是全长转录组氨基酸序列，但也有一些自由部分蛋白质的部分氨基酸的序列。

cut -f 1 hg38.tss | cut -c 1-2 | sort | uniq -c

20