经过一段时间的学习，不断的逛生信菜鸟团和生信技能树对RNA-SEQ有个基本的了解，于是静下心来做下作业。
1.统计共多少条reads(pair-end reads这里算一条)参与了比对参考基因组
第一步先按照要求下载数据
less -SN tmp.sam|grep -v '^@'|wc
结果显示为20000，但由于是双端测序，所以答案为10000.
2.统计共有多少种比对的类型(即第二列数值有多少种)及其分布。
less -SN tmp.sam|grep -v '^@'|cut -f 2|sort |uniq -c
125 101
16 113
24 129
153 133
165 137
213 141
4516 147
125 153
2 161
4650 163
136 165
16 177
24 65
165 69
153 73
213 77
2 81
4650 83
136 89
4516 99
3.筛选出比对失败的reads，看看序列特征。
第6列的* 代表为比对失败
less -SN tmp.sam|grep -v '^@'|awk '{if ($6=="*")print}'|wc
结果为1005
4. 比对失败的reads区分成单端失败和双端失败情况，并且拿到序列ID
序列ID为第一列
less -SN tmp.sam|grep -v '^@'|awk '{if ($6=="*")print $1}'|sort|unqi -c|grep -w 1
为一端没有比对上。同理
less -SN tmp.sam|grep -v '^@'|awk '{if ($6=="*")print $1}'|sort|unqi -c|grep -w 2
为二端没有比对上。
5.筛选出比对质量值大于30的情况（看第5列）
less -SN tmp.sam|grep -v '^@'|awk '{if ($5>30)print }'|wc
结果显示为18632.
6.筛选出比对成功，但是并不是完全匹配的序列
完全匹配为M，比对成功意味着第6列不是*，比对成功，但不是完全匹配，有IDNSHPX这几种情况。
less -SN tmp.sam|grep -v '^@'|awk '{if ($6!="*")print $6}'| grep "[IDNSHPX]"|wc
结果显示为1900.
7.筛选出inset size长度大于1250bp的 pair-end reads
less -SN tmp.sam|grep -v '^@' |awk '{if($7>1250)print}'|less -S
8.统计参考基因组上面各条染色体的成功比对reads数量
cut -f 3 tmp.sam|sort
9.筛选出原始fq序列里面有N的比对情况
less -SN tmp.sam|grep -v '^@' |awk '{if($10~N)print}'|less -S|wc
10.筛选出原始fq序列里面有N，但是比对的时候却是完全匹配的情况
less -SN tmp.sam|grep -v '^@' |awk '{if($10~N)print}'|awk '{if($6!~"[IDNSHP]")print}'|awk '{if($6!~"*") print}'|less -SN
11.sam文件里面的头文件行数
less -SN tmp.sam|grep - '^@'|wc
结果显示为3
12. sam文件里每一行的tags个数一样吗
cat tmp.sam | grep -v '^@' |cut -f 12- |less -S
13.sam文件里每一行的tags个数分别是多少个
less tmp.sam|grep "LN"
@SQ SN:gi|9626243|ref|NC_001416.1| LN:48502
14题和13题是一块的，其长度为48052.
15.找到比对情况有insertion情况的
less tmp.sam | grep -v '^@'|awk '{if($6~I)print}'|less -S
16.找到比对情况有deletion情况的
思路是一样的，
less tmp.sam | grep -v '^@'|awk '{if($6~D)print}'|less -S
17.取出位于参考基因组某区域的比对记录，比如 5013到50130 区域
less tmp.sam | grep -v '^@'|awk '{if($4>5013 && $4 <50130)print}'|less -S
18.把sam文件按照染色体以及起始坐标排序
less tmp.sam | grep -v '^@'|awk '{print $4}'|sort -n
19.找到 102M3D11M 的比对情况，计算其reads片段长度。
grep 102M3D11M tmp.sam |cut -f 10|wc