一到十二題由于比較簡單垂攘，所以我直接給出了命令和輸出搜贤。十二題后詳述了解決方法和做題思路。這次做題后對grep唁影、cut 掂名、awk饺蔑、wc等命令印象更加深刻，學到很多知識孔祸。但是學生初來乍到崔慧，有錯誤在所難免穴墅，還請老師們糾正玄货。
以下是我完成得作業(yè)：
一、在任意文件夾下面創(chuàng)建形如 1/2/3/4/5/6/7/8/9 格式的文件夾系列夹界。

1.png

2.png

二可柿、在創(chuàng)建好的文件夾下面趾痘，比如我的是 /Users/jimmy/tmp/1/2/3/4/5/6/7/8/9 永票，里面創(chuàng)建文本文件 me.txt
三滥沫、在文本文件 me.txt 里面輸入內(nèi)容:

3.png

5.png

6.png

8.png

七硼被，再次刪除掉前面幾個步驟建立的文件夾及文件

9.png

八讶请、下載 http://www.biotrainee.com/jmzeng/igv/test.bed 文件夺溢，后在里面選擇含有 H3K4me3 的那一行是第幾行，該文件總共有幾行嘉汰。

10.png

九鞋怀、下載 http://www.biotrainee.com/jmzeng/rmDuplicate.zip 文件，并且解壓焙矛，查看里面的文件夾結(jié)構(gòu)

11.png

解壓：unzip

12.png

13.png

14.png

15.png

sam ,bam文件詳解點這里抱完，這個作者把這個講得很詳細：
https://pzweuj.github.io/2019/02/15/BAM.html

十蟆盹、打開第九題解壓的文件逾滥，進入 rmDuplicate/samtools/single 文件夾里面败匹，查看后綴為 .sam 的文件哎壳，搞清楚 生物信息學里面的SAM/BAM 定義是什么。

16.png

17.png

十一尸红、安裝 samtools 軟件:
安裝軟件conda install samtools

18.png

十二外里、打開 后綴為BAM 的文件盅蝗，找到產(chǎn)生該文件的命令姆蘸。

19.png

十三題逞敷、根據(jù)上面的命令推捐，找到我使用的參考基因組具體有多少條染色體
grep 'chr[1-9,X,Y]' /teach/database/genome/hg38.fa ： 查看hg38文件中染色體列
cut -f1|sort|uniq|wc -l：提取染色體列并進行計數(shù)

grep 'chr[1-9,X,Y]' /teach/database/genome/hg38.fa |cut -f1|sort|uniq|wc -l

命令效果如下，這樣就一次性達到了老師要求痊乾。我之前查看了其他同學的作業(yè)椭更，需要輸出好幾個文本虑瀑，挨個去查看和計數(shù)，因為我對于取文件的名字實在是頭痛，就直接一次性輸出統(tǒng)計數(shù)了把夸。管道符大家一定要用起來铭污，會起到事半功倍的效果嘹狞。

20.png

wc命令的具體使用方法點這里：https://www.cnblogs.com/peida/archive/2012/12/18/2822758.html

十四題磅网、上面的后綴為BAM 的文件的第二列，只有 0 和 16 兩個數(shù)字簸喂，用 cut/sort/uniq等命令統(tǒng)計它們的個數(shù)喻鳄。
開始想直接用cut命令切出文本确封，結(jié)果一串亂碼出來爪喘。bam文件是sam 文件的二進制格式，查看需要用到samtool view命令泛啸。用這個命令將需要的統(tǒng)計的文本打開，然后再用cut命令切出文本第二行吕粹，grep 命令查看指定字段匹耕，wc 統(tǒng)計行數(shù)荠雕，大功告成炸卑！
1,查看0的個數(shù)

samtools view tmp.rmdup.bam|cut -f 2 |grep '0'|wc -l

21.png

2盖文，查看16的個數(shù)

samtools view tmp.rmdup.bam|cut -f 2 |grep '16'|wc -l

22.png

十五題五续、重新打開 rmDuplicate/samtools/paired 文件夾下面的后綴為BAM 的文件疙驾，再次查看第二列凶伙，并且統(tǒng)計

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

23.png

注：當重復的行并不相鄰時，uniq 命令是不起作用的它碎，即若文件內(nèi)容為以下時函荣，uniq 命令不起作用，這就是為什么先用sort的原因扳肛。

十六題偏竟、下載 http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip 文件，并且解壓敞峭，查看里面的文件夾結(jié)構(gòu)踊谋， 這個文件有2.3M，注意留心下載時間及下載速度殖蚕。
1，下載

24.png

25.png

26.png

十七題、解壓 sickle-results/single_tmp_fastqc.zip 文件鞭呕，并且進入解壓后的文件夾蛤育，找到 fastqc_data.txt 文件，并且搜索該文本文件以 >>開頭的有多少行？

27.png

28.png

29.png

30.png

十九題挚歧、解析hg38.tss 文件，統(tǒng)計每條染色體的基因個數(shù)吁峻。
tss 文件內(nèi)容如下：

31.png

處理思路和第十三題有些相似：可以由上觀察到昼激，每個染色體號名字后面有多個基因，有的不同基因?qū)嗤娜旧w號锡搜。所以可以先把此文件第2列提取出來，然后用sort和uniq命令對其進行歸類和統(tǒng)計瞧掺。對文本中指定內(nèi)容進行提取可以用cut耕餐，或者awk辟狈，故本題解決方法可以有兩種：
1肠缔，使用cut

cut -f2 hg38.tss|sort|uniq -c|head -n10

輸出結(jié)果如下：

32.png

2，使用awk

awk '{print $2}' hg38.tss |sort |uniq -c

33.png

二十題明未、解析hg38.tss 文件，統(tǒng)計NM和NR開頭披摄，了解NM和NR開頭的含義勇凭。
1,按指定字段查看hg38.tss 文件

34.png

35.png

2，對NM和NR進行統(tǒng)計
用指定字符"_",對文本進行分割基显，提取文本NM和NR開頭续镇，再用|sort|uniq -c進行統(tǒng)計

cut -d "_" -f1 hg38.tss |head -n10

效果如下：

36.png

NM:mRNA mixed，轉(zhuǎn)錄組產(chǎn)物序列酱虎；成熟mRNA轉(zhuǎn)錄本序列
NR:RNA mixed，非編碼的轉(zhuǎn)錄子序列撒妈，包括結(jié)構(gòu)RNAs杰捂，假基因轉(zhuǎn)子等