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

less -SN reads_1.fq | grep @r |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)

less -SN reads_1.fq | grep @r

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)

less -SN reads_1.fq |paste - - - -| awk ' {print $2}'

4）输出以‘+’及其后面的描述信息(即每个序列的第三行)

less -SN reads_1.fq |paste - - - -| awk ' {print $3}'

5）输出质量值信息(即每个序列的第四行)

less -SN reads_1.fq |paste - - - -| awk ' {print $4}'

6) 计算reads_1.fq 文件含有N碱基的reads个数

less -SN reads_1.fq |paste - - - -| awk ' {print $2}'|grep N |wc -l

7) 统计文件中reads_1.fq文件里面的序列的碱基总数

less -SN reads_1.fq |paste - - - -| awk ' {print $2}'|wc 
##或者
awk '{if(NR%4==2) print}' reads_1.fq|grep -o [ATCGN]|wc
#NR%4==2 取每4行的第2行（序列信息）

8）计算reads_1.fq 所有的reads中N碱基的总数

  less -SN reads_1.fq |paste - - - -| awk ' {print $2}'|grep -o N|wc 
#或者
awk '{if(NR%4==2) print}' reads_1.fq|grep -o [N]|wc

9）统计reads_1.fq 中测序碱基质量值恰好为Q20的个数

less -SN reads_1.fq |paste - - - -| awk ' {print $4}'| grep -o 5|wc

10）统计reads_1.fq 中测序碱基质量值恰好为Q30的个数

less -SN reads_1.fq |paste - - - -| awk ' {print $4}'| grep -o ?|wc

11）统计reads_1.fq 中所有序列的第一位碱基的ATCGNatcg分布情况

less -SN reads_1.fq |paste - - - -| awk ' {print $2}'|cut -c 1| sort -n |uniq  -c

12）将reads_1.fq 转为reads_1.fa文件(即将fastq转化为fasta)

less -SN reads_1.fq |paste - - - -| cut -f 1,2|tr '\t' '\n'|tr '@' '>' >reads_1.fa

13) 统计上述reads_1.fa文件中共有多少条序列

less -SN reads_1.fa |paste - - |wc -l

14）计算reads_1.fa文件中总的碱基序列的GC数量

less -SN reads_1.fa |paste - - |awk '{print $2}'|grep -o -e G -e C|wc
#或者
grep -o  [GC] reads_1.fa|wc

15）删除 reads_1.fa文件中的每条序列的N碱基

less -SN reads_1.fa |tr -d 'N'

16）删除 reads_1.fa文件中的含有N碱基的序列

less -SN 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

less -SN reads_1.fa |paste - -|awk '{if (length($2) >65) print}'|wc

18） 删除 reads_1.fa文件每条序列的前后五个碱基

less -SN reads_1.fa |paste - -|awk ' {print $2}'|sed 's/^.....//'|sed 's/.....$//'
##|sed 's/^.....//'  将前五个字符替换为空，sed 's/.....$// 将后五个字符替换为空，^.....代表前五个字符，.....$代表后后五个字符```
#or
 less -SN reads_1.fa |paste - -|awk ' {print $2}'|sed 's/ ^.\{5\}//'|sed 's/ \{5\}.$//'

19）删除 reads_1.fa文件中的长于125bp的序列

less -SN reads_1.fa |paste - -|awk '{if (length($2) <125) print}'|wc

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

less -SN reads_1.fq |paste - - - -|awk ' {print $4}'|cut -c 1|perl -alne '{print ord($_)-33}'|paste -s -d+|BC

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