【Linux 基础】补充篇 生信人的Linux考试

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

二、在创建好的文件夹下面 /Users/tmp/1/2/3/4/5/6/7/8/9 ，里面创建文本文件 me.txt

touch me.txt

三、在文本文件 me.txt 里面输入内容:

cat me.txt
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
^C
Ctrl+C结束

或者使用vim编辑

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 folder{1..5}/folder{1..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。

echo folder{1..5}/folder{1..5} | xargs -n 1 cp me.txt -v

七、再次删除掉前面几个步骤建立的文件夹及文件

rm -rf folder*

八、下载 http://www.biotrainee.com/jmzeng/igv/test.bed 文件，后在里面选择含有H3K4me3 的那一行是第几行，该文件总共有几行。

wget http://www.biotrainee.com/jmzeng/igv/test.bed
less -SN test.bed
/H3K4me3

九、下载 http://www.biotrainee.com/jmzeng/rmDuplicate.zip 文件，并且解压，查看里面的文件夹结构

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

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
vim .sam

十一、安装 samtools 软件

conda install samtools

十二、打开 后缀为BAM 的文件，找到产生该文件的命令。

/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、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。

samtools view -H tmp.stored.bam | awk '{print$2}' | cut -c4-9 | sort | uniq -c | grep -v '_'

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 .bam | cut -f2 | sort | uniq -c 

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 .bam | cut -f2 | sort | uniq -c 

十六、下载 http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip 文件，并且解压，查看里面的文件夹结构。

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

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？

unzip 
cat fastqc_data.txt | awk '/^>>/{print$0}' | wc -l

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。

https://www.ncbi.nlm.nih.gov/gene/7157

wget http://www.biotrainee.com/jmzeng/tmp/hg38.tss
vim 
/NM_001125113

十九、解析hg38.tss 文件，统计每条染色体的基因个数。

cat hg38.tss | awk '{print$2}' | sort | uniq -c | grep -v '_' 

二十、解析hg38.tss 文件，统计NM和NR开头的数量，了解NM和NR开头的含义。

cat hg38.tss | awk '{print$1}' | cut -c1-2 | sort | uniq-c