linux视频-P11\P12

P11-10个题目的答案讲解

image-20190614142106984

image-20190614141400608

提示： sort -u test和sort test|uniq 效果是一样的

sort的-u 选项它的作用很简单，就是在输出行中去除重复行

image-20190614134619455

image-20190614134732997

image-20190614135618600

image-20190614143625037

题目外-按uniq-c后的数排序

题目外-按uniq-c后的数反向排序

同题4

image-20190614140133472

image-20190614140230182

image-20190614140648804

用tee，可以既显示在屏幕上，又保存下来了

image-20190614145058751

image-20190614145112164

ls -d参数

image-20190614152537701

image-20190614152632582

定向1（正确） 和 2（错误）

不把报错显示出来，但是会存在log日志里

image-20190614155123452

image-20190614155137750

image-20190614160445051

image-20190614160512635

可以查看ubuntu系统配置命令https://blog.csdn.net/kinglyjn/article/details/53584652?utm_source=itdadao&utm_medium=referral

image-20190614161011482

image-20190614161216958

image-20190614161409451

image-20190614161425375

image-20190614161455472

P12-数据格式

fa/fq：测序数据比对

sam/bam：压缩成二进制文件

gff/gtf：描述基因组上的结构

bigwig/wiggle：看测序深度

bed：描述坐标 类型

vcf：记录突变信息

image-20190614162152782

grep '>' 文件名.fa #>是都不会变的，但是2是可能会变的

image-20190614174923067

gz.结尾，用zless查看

可以复制序列在ucsc上查看染色体坐标

image-20190614175234273

对这条fq进行检验，用fastqc

image-20190614175323766

image-20190614175502743

cat tmp.fq|paste - - - - # paset 把四行合并为一行显示

image-20190614175741950

cat tmp.fq|paste - - - -|less -S 

image

接上一张图片

cut -c1 #取出第1个字符（即第一个碱基）

image-20190614181753794

下面这幅图就是统计了每条序列的百分比

image-20190614182220524

接下来看GC含量，但上面指截取了100行，也就是25条序列，下面改成截取250条序列

image-20190614183153853

再跑一遍fastqc

image-20190614183524950

image-20190614183557257

-c 查看碱基A\T\C\G的数量，可看到A和T均比例高于C和G，下面这张图也可看出，绿色A和红色T的比例均高于蓝色C和黑色G

image-20190614183709373

image-20190614190431397

小写字母非常多，如图19630个'g'，就是illamina 1.5，'g'地标什么呢？

image-20190614190553505

image-20190614191341899

image-20190614190850098

image-20190614190954213

103-64=29,如上图所示，第一个碱基的质量就是不到40左右

看最后一个碱基

image-20190614191750008

image-20190614191842807

g、f、e、d、c都有

image-20190614191859143

boxplot(rep(39,19000),ylim=c(0,40))#即第一个碱基的boxplot图，如下图

image-20190614192044041

dat=c(rep(35,1524),rep(36,1939),rep(37,3360),rep(38,1230),rep(39,9748))
boxplot(dat,ylim=c(0,40))

image-20190614192401273

当样本多时，可以用multiqc整合成一个报告

sam和bam文件

image-20190614192840002

image-20190614200558259

image-20190614200848836

sam是比对后的fq文件，接下来比对 hg38为构建好的索引

image-20190614202909768

image-20190614203336979

可以用ucsc看是否比对在了2号染色体

image-20190614203839517

image-20190614203937837

image-20190614204037517

sam格式

4I:中间有4个insertion

image-20190614204338197

如何查看bam文件，用samtools查看，就是一种压缩规则，用samtools就可以读取它

image-20190614204726134

gff和gtf文件

gff主要用了注释基因组

Gtf主要用来注释基因

关注：基因名和转录本名还有gene type 如何对应上

image-20190614205501105

image-20190614205519180

image-20190614205636875

bigwig/wiggle文件：看测序深度

用sort bam排序，排序后是按染色体顺序排序的

image-20190614210222045

image-20190614210301890

看下面这两幅图区别，只要加上-h就可以查看头文件，可以看到参考

image-20190614210531006

image-20190614210510195

image-20190614213848653

一个vcf文件的变异是咩有意义的

vcf文件导入到IGV