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
nl reads_1.fq| sed -n 1~4p |wc -l
2.输出所有的reads_1.fq文件中的标识符(即以@开头的那一行)
grep '^@' reads_1.fq > 2.txt
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)
nl reads_1.fq| sed -n 2~4p > seq.txt
4.输出以‘+’及其后面的描述信息(即每个序列的第三行)
nl reads_1.fq| sed -n '/+/p' > 3.txt
5.输出质量值信息(即每个序列的第四行)
nl reads_1.fq| sed -n 4~4p > 4.txt
6. 计算reads_1.fq 文件含有N碱基的reads个数
nl reads_1.fq| sed -n 2~4p |grep 'N' |sort |uniq -c|wc -l
或
nl reads_1.fq| sed -n 2~4p | sed -n /N/p |wc -l
7.统计文件中reads_1.fq文件里面的序列的碱基总数
nl reads_1.fq| sed -n 2~4p |wc
8.计算reads_1.fq 所有的reads中N碱基的总数
grep 'N' reads_1.fq|uniq -c|wc -l
9.统计reads_1.fq 中测序碱基质量值恰好为Q20的个数
cat reads_1.fq | paste - - - - | cut -f4 | grep -o "5" | wc -l
10.统计reads_1.fq 中测序碱基质量值恰好为Q30的个数
cat reads_1.fq | paste - - - - | cut -f4 | grep -o "?" | wc -l
11.统计reads_1.fq 中所有序列的第一位碱基的ATCGN分布情况
cat reads_1.fq | paste - - - - | cut -f2 | cut -c1|sort|uniq -c
12.将reads_1.fq 转为reads_1.fa文件(即将fastq转化为fasta)
fq | paste - - - - | cut -f1-2 |tr '@' '>' | tr '\t' '\n' >> reads_1.fa
13.统计上述reads_1.fa文件中共有多少条序列
nl reads_1.fa| sed -n 1~2p |wc -l
或
nl reads_1.fa| grep 'r' | wc -l
14.计算reads_1.fa文件中总的碱基序列的GC数量
cat reads_1.fa| grep -o [GC]|wc
15.删除 reads_1.fa文件中的每条序列的N碱基
cat reads_1.fa |tr -d "N"
16.删除 reads_1.fa文件中的含有N碱基的序列
cat reads_1.fa | paste - - | grep -v N | tr '\t' '\n'
17.删除 reads_1.fa文件中的短于65bp的序列
cat reads_1.fa | paste - -|awk '{if (length($2)>65) print}'
18.删除 reads_1.fa文件每条序列的前后五个碱基
cat reads_1.fa | paste - - | cut -f2 |cut -c 5- | cut -c -5
19.删除 reads_1.fa文件中的长于125bp的序列
cat reads_1.fa | paste - -|awk '{if (length($2)<125) print}'
20.查看reads_1.fq 中每条序列的第一位碱基的质量值的平均值
cat reads_1.fq|paste - - - -|cut -f 4|cut -c1|perl -alne '{print ord($_)-33}'| paste -s -d+|bc