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，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
ls
三、在文本文件 me.txt 里面输入内容:
nano me.txt###进入编辑器
Go to: http://www.biotrainee.com/
I love bioinfomatics.
And you ?
Ctrl+x退出
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 -r me.txt
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，效果如下：
mkdir -pv ./{fold_1/{fold_1/{fold_1,fold_2,fold_3,fold_4,fold_5},fold_2/{fold_1,fold_2,fold_3,fold_4,fold_5},fold_3/{fold_1,fold_2,fold_3,fold_4,fold_5},fold_4/{fold_1,fold_2,fold_3,fold_4,fold_5},fold_5/{fold_1,fold_2,fold_3,fold_4,fold_5}}
image.png
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。(这个题目难度超纲，建议一个月后再回过头来做)
cd ~/fold/
install -d ./fold_1/me.txt ./fold_2/me.txt ./fold_3/me.txt ./fold_4/me.txt ./fold_5/me.txt
#####太多了就在创建的主目录下分别创建了一个，大概想上面一样的嵌套一下，
七，再次删除掉前面几个步骤建立的文件夹及文件
rm -r ./fold_1/ ./fold_2/ ./fold_3/ ./fold_4/ ./fold_5/
####效果如下
image.png
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。
mkdir ./H3K4me3
wget http://www.biotrainee.com/jmzeng/igv/test.bed
image.png
cat -n test.bed |grep 'H3K4me3'|less -S
cat -n test.bed |wc -l
###10
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
conda isntall unzip
unzip rmDuplicate.zip
ls
image.png
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 ./samtools/single
image.png
十一、安装 samtools 软件
conda instal 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
十三题、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。
- 不会
十四题、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。
cat tmp.sam|cut -f 2|sort -n|uniq -c
# 29 0
# 24 16
十五题、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 ..
ls
cd paired
ls
cat tmp.sam |cut -f 2|sort -n|uniq -c
3 83
2 97
9 99
8 147
3 163
1 323
1 353
1 371
1 387
1 433
十六题、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， 这个文件有2.3M，注意留心下载时间及下载速度。
unzip sickle-results.zip
image.png
十七题、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/
ls
#Icons Images fastqc.fo fastqc_data.txt fastqc_report.html summary.txt
cat fastqc_data.txt |grep '>>'
###>>Basic Statistics pass
#>>END_MODULE
#>>Per base sequence quality pass
#>>END_MODULE
#>>Per tile sequence quality pass
#>>END_MODULE
#>>Per sequence quality scores pass
#>>END_MODULE
#>>Per base sequence content fail
#>>END_MODULE
#>>Per sequence GC content warn
#>>END_MODULE
#>>Per base N content pass
#>>END_MODULE
#>>Sequence Length Distribution warn
#>>END_MODULE
#>>Sequence Duplication Levels pass
#>>END_MODULE
#>>Overrepresented sequences warn
#>>END_MODULE
#>>Adapter Content pass
#>>END_MODULE
#>>Kmer Content warn
#>>END_MODULE
cat fastqc_data.txt |grep '>>'|wc -l
#24
十八题、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
cd ~/H3K4me3/
wget http://www.biotrainee.com/jmzeng/tmp/hg38.tss
ls
less -SN hg38.tss
###第一列表示refseq数据库` ID ，即以NM开头的id号，表示川路产物序列，成熟mRNA序列。
image.png
十九题、解析hg38.tss 文件，统计每条染色体的基因个数。
less -SN hg38.tss |cut -f2|sort|uniq -c |less -S
image.png
二十题、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。
less -SN hg38.tss |grep 'NM'|less -S
less -SN hg38.tss |grep 'NR'|less -S
image.png
image.png
- NR开头的表示非编码的转录子序列，包括结构RNAs，假基因转子等。 |
- NM开头的id号，表示转录产物序列，成熟mRNA序列
