刘小泽写于19.3.9
终于搞完了预答辩，想想昨晚熬夜到四点做完了PPT，真是不容易啊，推送继续来，未来的时间会越来越充裕，我也期待继续和大家一起学习😊

今天继续挑一些我个人认为比较重要的单行命令，记录下来

循环少不了

尤其是在处理多条染色体的时候，比如人类1-22条常染色体+X、Y、M染色体

有几个注意的问题：

# 只处理数字的话，例如只处理常染色体
for i in {1..22};do echo $i;done
# 如果再加上其他非数字，例如这样
for i in {1..22,X,Y,M};do echo $i;done
# 得到的结果是不对的，并不是输出1-22以及XYM，而是输出
1..22
X
Y
M
# 如果想同时得到数字和非数字输出，要把非数字内容放大括号外边，并且空格分隔
for i in {1..22} X Y M;do echo $i;done
# 如果想逆序输出，就在大括号中先写大数，后写小数，例如
for i in {5..2} X Y M;do echo $i;done
5
4
3
2
X
Y
M

用cut提取列

我们都知道的用法是：

# 提取1-5以及10-15列(注意中间的逗号)
cut -f1-5,10-15 data
# 还可以指定分隔符(默认tab分隔)
cut -d' ' -f1-5 data

另外，如果想从第5列输出到最后一列，其实我们不需要知道一共有多少列，直接这样：

cut -f5- data
# 注意5后面的-就是表示一直到最后一列

这样普通的用法cut还是很方便的，但是相比awk，cut还是略显简陋，因为不支持自定义列，例如：

# 先提取第5列，然后提取第2列(注意如果操作gtf文件，需要看看有没有头注释信息，有的话需要先去掉)
cat gencode.v28.gtf | grep -v "#" | awk '{print $5"\t"$2}' | head
# 但是用cut就不能实现
cat gencode.v28.gtf | grep -v "#" | cut -f5,2 | head
# 得到的结果还是按照先第2列后第5列排序

多学点awk

假设现在有一个test.txt文件，其中包含了1-22条染色体的基因信息。其中第一列是基因名，第2列是染色体编号。

我们现在想按照test.txt中不同染色体的信息区分开，1号染色体基因信息存放到chr1.txt中，2号染色体的基因信息存放到chr2.txt中...

可能一开始我们想这么做

for i in {1..22};do awk '$2 == $i' test.txt >chr$i.txt;done

但是要知道awk和shell是不融合的，awk中并不知道在shell中定义的$i

因此我们指定寻找$2 == $i，awk不清楚要找什么，但事实上，我们就是想让awk去根据在shell中设定的变量去引用，只需要加一个参数-v：

for i in {1..22};do awk -v i=$i '$2 == i' test.txt >chr$i.txt;done

-v的作用就是在awk中引入变量variable

例如还有：

# 自定义过滤指标(例如要求第四列值大于10)
for i in {1..22}; do awk -v i=$i -v threshold=10 '$2 == i && $4 > threshold' test.txt > chr$i.txt; done

今天时间有限，先发这些吧

欢迎关注我们的公众号～_～　　
我们是两个农转生信的小硕，打造生信星球，想让它成为一个不拽术语、通俗易懂的生信知识平台。需要帮助或提出意见请后台留言或发送邮件到Bioplanet520@outlook.com

Welcome to our bioinfoplanet!