fasta和fastq格式文件的shell小练习

这个是有机结合生物信息学的linux和数据格式的练习题：

下载bowtie2软件后拿到示例数据：

mkdir -p ~/biosoft
cd ~/biosoft
wget https://sourceforge.net/projects/bowtie-bio/files/bowtie2/2.3.4.3/bowtie2-2.3.4.3-linux-x86_64.zip 
unzip bowtie2-2.3.4.3-linux-x86_64.zip 
cd ~/biosoft/bowtie2-2.3.4.3-linux-x86_64/example/reads

1)统计reads_1.fq 文件中共有多少条序列信息
2）输出所有的reads_1.fq文件中的标识符(即以@开头的那一行)
3）输出reads_1.fq文件中的 所有序列信息(即每个序列的第二行)
4）输出以‘+’及其后面的描述信息(即每个序列的第三行)
5）输出质量值信息(即每个序列的第四行)
6）计算reads_1.fq 文件含有N碱基的reads个数
7）统计文件中reads_1.fq文件里面的序列的碱基总数
8）计算reads_1.fq 所有的reads中N碱基的总数
9）统计reads_1.fq 中测序碱基质量值恰好为Q20的个数
10）统计reads_1.fq 中测序碱基质量值恰好为Q30的个数
11）统计reads_1.fq中所有序列的第一位碱基的ATCGNatcg分布情况
12）将reads_1.fq 转为reads_1.fa文件(即将fastq转化为fasta)
13）统计上述reads_1.fa文件中共有多少条序列
14）计算reads_1.fa文件中总的碱基序列的GC数量
15）删除 reads_1.fa文件中的每条序列的N碱基
16）删除reads_1.fa文件中的含有N碱基的序列
17）删除 reads_1.fa文件中的短于65bp的序列
18） 删除reads_1.fa文件每条序列的前后五个碱基
19）删除 reads_1.fa文件中的长于125bp的序列
20）查看reads_1.fq 中每条序列的第一位碱基的质量值的平均值

echo $PATH |grep -o ":"|wc
cat reads_1.fq |paste - - - - |less -SN 
cat reads_1.fq |paste - - - - |cut -f 2|grep -o [ATCGNatcg]|wc
# http://ascii.911cha.com/
# 63 ?
# 53 5
# 97 a
# 107 k

本文作者：生信技能树团队