生信Linux20题-----生信技能树
题目链接：http://www.bio-info-trainee.com/2900.html
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 test1
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
touch me.txt
三、在文本文件 me.txt 里面输入内容:
Go to:http://www.biotrainee.com/
I love bioinformatics.
And you?
前三题的效果如下
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/
ls
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 -p folder{1..5}/folder{1..5}
tree -d
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)
for i in folder{1..5}/folder{1..5};do (cd $i;touch me.txt);done
tree
七、再次删除掉前面几个步骤建立的文件夹及文件
rm -rf folder*
ls
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
ls
#该文件的总行数
wc -l test.bed
10 test.bed
#里面选择含有 H3K4me3 的那一行是第几行
cat -n test.bed |grep -w 'H3K4me3'
nl test.bed |grep -w 'H3K4me3'
less test.bed|grep -w -n '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
ls
unzip rmDuplicate.zip
ls
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/
ls
less -S tmp.sam
（1）sam是带有比对信息的序列文件，用于储存序列数据（SAM format is a generic format for storing large nucleotide sequence alignments. ） （2）BAM is the compressed binary version of the Sequence Alignment/Map (SAM) format. 生物信息中的二进制文件主要是为了节约空间，计算机机可读。可以用samtools工具实现sam和bam文件之间的转化。
二者都是fastq文件经过序列比对或者mapping后输出的格式。两种格式储存的信息都是一致的。
十一、安装 samtools 软件
source activate rna
conda install -y samtools
samtools --help
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：
#打开 后缀为BAM 的文件
samtools view tmp.sorted.bam |less -S
#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。
cat /teach/rna_testdata/database/reference/hg38.fa|grep '>'|less -S|sed 's/_.*//g'|sort|uniq|wc -l
26
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。
samtools view tmp.sorted.bam |cut -f 2|sort|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
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
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。
···
wget http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip
unzip sickle-results.zip
tree sickle-results/
···
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？
cd sickle-results/
ls
unzip single_tmp_fastqc.zip
ls
cd single_tmp_fastqc/
ls
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
暂时没有网络，先不做了哦
十九题、解析hg38.tss 文件，统计每条染色体的基因个数。
less -S hg38.tss |cut -f2|sed 's/_.*//g'|sort|uniq -c
二十题、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。
less -S hg38.tss |grep '^NM'|wc -l
51064
less -S hg38.tss |grep '^NR'|wc -l
15954
