Linux_20题

一、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

tree

.

└── 1

└── 2

└── 3

└── 4

└── 5

└── 6

└── 7

└── 8

└── 9

二、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

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

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

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

└── me.txt

三、在文本文件 me.txt 里面输入内容:

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

I love bioinfomatics.

And you ?

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

I #切换到insert模式

Go to: [http://www.biotrainee.com/](http://www.biotrainee.com/)

I love bioinfomatics.

And you ?

Esc #返回主界面

:wq #保存退出

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

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

I love bioinfomatics.

And you ?

四、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

rm -rf 1

五、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

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

ls */

folder_1/:

folder_1 folder_2 folder_3 folder_4 folder_5

folder_2/:

folder_1 folder_2 folder_3 folder_4 folder_5

folder_3/:

folder_1 folder_2 folder_3 folder_4 folder_5

folder_4/:

folder_1 folder_2 folder_3 folder_4 folder_5

folder_5/:

folder_1 folder_2 folder_3 folder_4 folder_5

六、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。

for i in `echo folder_{1..5} folder_{1..5}/folder_{1..5}`

do

echo Hello World! > $i/me.txt

done

ls */*

folder_1/me.txt folder_3/me.txt folder_5/me.txt

folder_2/me.txt folder_4/me.txt

folder_1/folder_1:

me.txt

folder_1/folder_2:

me.txt

folder_1/folder_3:

me.txt

folder_1/folder_4:

me.txt

folder_1/folder_5:

me.txt

...

七，再次删除掉前面几个步骤建立的文件夹及文件

rm -rf folder_*

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

grep -n 'H3K4me3' test.bed

8:chr1 9810 10438 ID=SRX387603;Name=H3K4me3%20(@%20HMLE);Title=GSM1280527: %20HMLE%20Twist3D%20H3K4me3%20rep2%3B%20Homo%20sapiens%3B%20ChIP-Seq;Cell%20grou p=Breast;
source_name=HMLE_Twist3D_H3K4me3;cell%20type=human%20mammary%20epit helial%20cells;transfected%20with=Twist1;culture%20type=sphere;chip%20antibody=H 3K4me3;chip%20antibody%20vendor=Millipore; 222 . 9810 10438 0 ,226,255

wc -l test.bed

10

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

unzip rmDuplicate.zip

tree rmDuplicate

rmDuplicate

├── picard

│ ├── paired

│ │ ├── readme.txt

│ │ ├── tmp.header

│ │ ├── tmp.MarkDuplicates.log

│ │ ├── tmp.metrics

│ │ ├── tmp.rmdup.bai

│ │ ├── tmp.rmdup.bam

│ │ ├── tmp.sam

│ │ └── tmp.sorted.bam

│ └── single

│ ├── readme.txt

│ ├── tmp.header

│ ├── tmp.MarkDuplicates.log

│ ├── tmp.metrics

│ ├── tmp.rmdup.bai

│ ├── tmp.rmdup.bam

│ ├── tmp.sam

│ └── tmp.sorted.bam

└── samtools

├── paired

│ ├── readme.txt

│ ├── tmp.header

│ ├── tmp.rmdup.bam

│ ├── tmp.rmdup.vcf.gz

│ ├── tmp.sam

│ ├── tmp.sorted.bam

│ └── tmp.sorted.vcf.gz

└── single

├── readme.txt

├── tmp.header

├── tmp.rmdup.bam

├── tmp.rmdup.vcf.gz

├── tmp.sam

├── tmp.sorted.bam

└── tmp.sorted.vcf.gz

十、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。

cd rmDuplicate/samtools/single

less -SN tmp.sam #查看sam文件

samtools view tmp.sorted.bam | less -SN #查看bam文件

bam是sam的二进制格式文件，可以节约存储空间

十一、安装 samtools 软件

conda activate rna

conda install -y samtools

十二、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

第十题答案中有如何查看bam文件

samtools view -bS tmp.sam > tmp.bam

[E::sam_parse1] missing SAM header

[W::sam_read1] Parse error at line 1

[main_samview] truncated file. #报错说sam文件没有头

ls -lh

total 80K

-rw-rw-r-- 1 yanke13 yanke13 355 Nov 12 2016 readme.txt

-rw-rw-r-- 1 yanke13 yanke13 71 Aug 21 20:38 tmp.bam

-rw-rw-r-- 1 yanke13 yanke13 17K Nov 12 2016 tmp.header #文件夹中含有头文件：每行以@开头

-rw-rw-r-- 1 yanke13 yanke13 8.8K Nov 12 2016 tmp.rmdup.bam

-rw-rw-r-- 1 yanke13 yanke13 4.8K Nov 12 2016 tmp.rmdup.vcf.gz

-rw-rw-r-- 1 yanke13 yanke13 12K Nov 12 2016 tmp.sam

-rw-rw-r-- 1 yanke13 yanke13 11K Nov 12 2016 tmp.sorted.bam

-rw-rw-r-- 1 yanke13 yanke13 4.8K Nov 12 2016 tmp.sorted.vcf.gz

cat tmp.header tmp.sam > tmp.total.sam #将tmp.sam文件的头文件tmp.header加上

samtools view -bS tmp.total.sam > tmp.bam

ls -lh

total 116K

-rw-rw-r-- 1 yanke13 yanke13 355 Nov 12 2016 readme.txt

-rw-rw-r-- 1 yanke13 yanke13 9.8K Aug 21 20:33 tmp.bam

-rw-rw-r-- 1 yanke13 yanke13 17K Nov 12 2016 tmp.header

-rw-rw-r-- 1 yanke13 yanke13 8.8K Nov 12 2016 tmp.rmdup.bam

-rw-rw-r-- 1 yanke13 yanke13 4.8K Nov 12 2016 tmp.rmdup.vcf.gz

-rw-rw-r-- 1 yanke13 yanke13 12K Nov 12 2016 tmp.sam

-rw-rw-r-- 1 yanke13 yanke13 11K Nov 12 2016 tmp.sorted.bam

-rw-rw-r-- 1 yanke13 yanke13 4.8K Nov 12 2016 tmp.sorted.vcf.gz

-rw-rw-r-- 1 yanke13 yanke13 28K Aug 21 20:32 tmp.total.sam

十三、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。

亲，您的这个文件夹已经不在了

zcat gencode.v29.annotation.gtf.gz | grep -v '^#' | cut -f 1 | sort | uniq -c #用一个找到的gtf文件做类似的工作

250524 chr1

99843 chr10

167540 chr11

159530 chr12

42767 chr13

96124 chr14

100426 chr15

130878 chr16

171137 chr17

48848 chr18

168227 chr19

204338 chr2

61485 chr20

29652 chr21

59764 chr22

172809 chr3

108328 chr4

120515 chr5

124117 chr6

130671 chr7

98583 chr8

97204 chr9

143 chrM

89500 chrX

9064 chrY

zcat gencode.v29.annotation.gtf.gz | grep -v '^#' | cut -f 1 | sort | uniq -c | wc -l #查看上一个输出文件的行数就知道是多少条chr了

25

十四、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 tmp.bam | cut -f 2 | sort | uniq -c

29 0

24 16

十五、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

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

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

unzip sickle-results.zip

tree sickle-results

sickle-results

├── command.txt

├── single_tmp_fastqc.html

├── single_tmp_fastqc.zip

├── test1_fastqc.html

├── test1_fastqc.zip

├── test2_fastqc.html

├── test2_fastqc.zip

├── trimmed_output_file1_fastqc.html

├── trimmed_output_file1_fastqc.zip

├── trimmed_output_file2_fastqc.html

└── trimmed_output_file2_fastqc.zip

0 directories, 11 files

十七、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？

cd sickle-results/

unzip single_tmp_fastqc.zip

cd single_tmp_fastqc

cat fastqc_data.txt | grep '^>>' | wc -l

24

十八、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。

wget -c http://www.biotrainee.com/jmzeng/tmp/hg38.tss

grep 'NM_000546' hg38.tss

NM_000546 chr17 7685550 7689550 1

grep 'NM_001126112' hg38.tss

NM_001126112 chr17 7685550 7689550 1

... #还有很多对应的ID

十九、解析hg38.tss 文件，统计每条染色体的基因个数。

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

二十、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。

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

51064

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

15954

NM开头表示转录产物序列，成熟的mRNA序列

NR开头表示非编码的转录子序列，包括RNAs,假基因转子等