Linux基础(二)

紧接linux基础（一）的内容

11、安装 miniconda,建立虚拟环境，在虚拟环境中安装生信必备软件

# miniconda官网下载linux版安装包：Miniconda2-4.7.10-Linux-x86_64.sh*
>./Miniconda2-4.7.10-Linux-x86_64.sh*     #进入安装包所在目录，运行安装包
>conda config --add channels r
>conda config --add channels conda-forge
>conda config --add channels bioconda
>conda create -n rna python=2  #建立python2环境的名叫rna的虚拟conda环境
>souce activate rna    #激活进入rna环境
>conda install -y bwa gatk4 sra-tools fastqc trim-galore star hisat2 bowtie2 subread htseq multiqc samtools salmon     #安装软件
>source deactivate  #退出环境

12、产生bam文件的命令，示例：

>bowtie2-align-s --wrapper basic-0 -p 20 -x /yanke/yanke21/database/index/bowtie2/hg38 -S WT_rep2_Input.sam -U /tmp/41440.unp
>samtools view tmp.sorted.bam | head -n 2     #运行虚拟环境中的软件要先进入conda环境
SRR1042600.42157053     0       chr1    629895  42      51M     *       0       0       ATAACCAATACTACCAATCANTACTCATCATTAATAATCATAATGGCTATA      CCCFFFFFHHHHHJJJJJJJ#4AGHJJIIJJIIIIIJJJJIJIIIIJJIJI     AS:i:-6 XN:i:0  XM:i:2  XO:i:0  XG:i:0  NM:i:2  MD:Z:11C8A30    YT:Z:UU
SRR1042600.42212881     0       chr1    629895  42      51M     *       0       0       ATAACCAATACTACCAATCANTACTCATCATTAATAATCATAATGGCTATA      @@

13、查看使用的参考基因组 gencode.v29.annotation.gtf.gz 具体有多少条染色体

>zcat gencode.v29.annotation.gtf.gz | grep -v "#" | cut -f 1| sort | uniq -c
250524 chr1
  99843 chr10
 167540 chr11
 159530 chr12
  42767 chr13
  96124 chr14
 100426 chr15
 130878 chr16
 171137 chr17
  48848 chr18
 168227 chr19
 204338 chr2
  61485 chr20
  29652 chr21
  59764 chr22
 172809 chr3
 108328 chr4
 120515 chr5
 124117 chr6
 130671 chr7
  98583 chr8
  97204 chr9
    143 chrM
  89500 chrX
   9064 chrY

14、上面的后缀为BAM 的文件的第二列，只有 0 和 16 两个数字，用 cut/sort/uniq等命令统计它们的个数。

>samtools view tmp.sorted.bam | cut -f 2 | sort | uniq -c 
   29 0
   24 16

15、重新打开 rmDuplicate/samtools/paired 文件夹下面的后缀为BAM 的文件，再次查看第二列，并且统计

>cd ~/rmDuplicate/samtools/paired
>ll
total 52
drwxrwxr-x 2 yanke21 yanke21  4096 Nov 12  2016 ./
drwxrwxr-x 4 yanke21 yanke21  4096 Nov 12  2016 ../
-rw-rw-r-- 1 yanke21 yanke21   354 Nov 12  2016 readme.txt
-rw-rw-r-- 1 yanke21 yanke21  3111 Nov 12  2016 tmp.header
-rw-rw-r-- 1 yanke21 yanke21  4379 Nov 12  2016 tmp.rmdup.bam
-rw-rw-r-- 1 yanke21 yanke21  1886 Nov 12  2016 tmp.rmdup.vcf.gz
-rw-rw-r-- 1 yanke21 yanke21 11649 Nov 12  2016 tmp.sam
-rw-rw-r-- 1 yanke21 yanke21  4543 Nov 12  2016 tmp.sorted.bam
-rw-rw-r-- 1 yanke21 yanke21  1888 Nov 12  2016 tmp.sorted.vcf.gz
>samtools view tmp.sorted.bam | cut -f 2 | sort | uniq -c 
     8 147
     3 163
     1 323
     1 353
     1 371
     1 387
     1 433
     3 83
     2 97
     9 99

16、下载 http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip 文件，并且解压，查看里面的文件夹结构， 这个文件有2.3M，注意留心下载时间及下载速度。

>wget -c http://www.biotrainee.com/jmzeng/sickle/sickle-results.zip 
>unzip sickle-results.zip
>tree sickle-results
sickle-results
├── command.txt
├── single_tmp_fastqc.html
├── single_tmp_fastqc.zip
├── test1_fastqc.html
├── test1_fastqc.zip
├── test2_fastqc.html
├── test2_fastqc.zip
├── trimmed_output_file1_fastqc.html
├── trimmed_output_file1_fastqc.zip
├── trimmed_output_file2_fastqc.html
└── trimmed_output_file2_fastqc.zip

17、解压 sickle-results/single_tmp_fastqc.zip 文件，并且进入解压后的文件夹，找到 fastqc_data.txt 文件，并且搜索该文本文件以 >>开头的有多少行？

>unzip sickle-results/single_tmp_fastqc.zip
>cd single_tmp_fastqc/ && ll
total 296
drwxrwxr-x  4 yanke21 yanke21   4096 Oct  6  2016 ./
drwxr-xr-x 13 yanke21 yanke     4096 Aug 24 11:29 ../
-rw-rw-r--  1 yanke21 yanke21  12048 Oct  6  2016 fastqc_data.txt
-rw-rw-r--  1 yanke21 yanke21   5186 Oct  6  2016 fastqc.fo
-rw-rw-r--  1 yanke21 yanke21 259290 Oct  6  2016 fastqc_report.html
drwxrwxr-x  2 yanke21 yanke21   4096 Oct  6  2016 Icons/
drwxrwxr-x  2 yanke21 yanke21   4096 Oct  6  2016 Images/
-rw-rw-r--  1 yanke21 yanke21    542 Oct  6  2016 summary.txt
>grep -E '^>>' fastqc_data.txt | wc -l
24

18、下载 http://www.biotrainee.com/jmzeng/tmp/hg38.tss文件，去NCBI找到TP53/BRCA1等自己感兴趣的基因对应的 refseq数据库ID，然后找到它们的hg38.tss文件的哪一行。

https://www.ncbi.nlm.nih.gov/gene/7157

>wget -c  http://www.biotrainee.com/jmzeng/tmp/hg38.tss
>less hg38.tss
NM_012279       chr5    177020680       177024680       0
NR_131773       chr5    177020680       177024680       0
NR_131774       chr5    177020680       177024680       0
NM_001308213    chr5    177020680       177024680       0
NM_001308219    chr5    177020680       177024680       0
NM_001318082    chr7    99502644        99506644        0
NM_001291980    chr5    177084872       177088872       0
NM_001283039    chr11   3795819 3799819 0
NM_001283040    chr11   3795819 3799819 0
NM_138964       chr2    68641588        68645588        0
NM_139057       chr15   100340005       100344005       1
>grep 'NM_001143990' hg38.tss
NM_001143990    chr17   7684071 7688071 0
>grep 'NM_001291588' hg38.tss
NM_001291588    chr17   43209827        43213827        0

19、解析hg38.tss 文件，统计每条染色体的基因个数。

cut -f 2 hg38.tss | sort | uniq -c

20、解析hg38.tss 文件，统计NM和NR开头的熟练，了解NM和NR开头的含义

grep  -E '^NM' hg38.tss | wc -l
51064
grep  -E '^NR' hg38.tss | wc -l
15954

NM开头表示转录产物序列，成熟的mRNA序列
NR开头表示非编码的转录子序列，包括RNAs,假基因转子等