笔记 | 学习Linux基础

Posted 2021-04-15 琪音

一个月总有几天踌躇满志，作为一名无所事事的科研狗，最喜欢的地方就是休息区，最喜欢的状态就是坐在电脑前面学习摸鱼。

Linux的学习一直断断续续，上次卡壳是看到管道，不理解，遂放弃。就是这么没志气。最近感觉又要好好学习了，答应了曾老师做一份生信人Linux的考试答案。人的信誉是慢慢积累的，一旦崩塌，是很难再建立起来。凭着这份信念再次和Linux正面交锋。

此篇纯属逼迫自己学习之作，如果一不小心点开...就点个赞走吧hhh

操作系统

计算机主要包括五个部分：运算器、控制器、存储器、输入设备和输出设备(I/O设备)。

运算器和控制器加上其他部件构成CPU(central processing unit)，存储器是内存。他们实现计算机数据的处理。输入设备包括键盘鼠标等、输出设备为屏幕打印机等。

操作系统(Operaing System,OS)，相当于配置在上述硬件上的第一层软件，让硬件协调工作，有条不紊的完成任务。一个完整的操作系统包括内核(kernel)和一些辅助软件。典型的操作系统：UNIX、Linux、Mac OS、Windows、ios、android等。

那么，在Linux系统中，用户用什么和计算机沟通呢？ 答案是：bash(Bourne Again shell)。它是Shell的一种,连接用户和Linux系统内核的桥梁。Shell是一个命令语言解释器，分图形界面和命令行。

打个招呼，一个简单的bash命令：

qiyindeMacBook-Pro-8:~ qiyin$ #!/bin/bash
qiyindeMacBook-Pro-8:~ qiyin$ echo "hello,world"
hello,world

基础知识

○

目录结构

Linux系统是一个目录树的结构，文件系统结构从一个根目录开始，根目录下可以有任意多个文件和子目录，依次往下。绝对路径是由根目录 / 写起，比如/home/test。相对路径以当前路径为起点。

○

通配符

通配符是一种特殊语句，用来对字符串进行模糊匹配，可以使用它来代替一个或多个真正字符等。常用的通配符如下：

• *：任意个任意字符；

• ?：单个任意字符；

• [list]：匹配list中的任意字符；

• [!list]：不匹配list中的任意字符；

• [c1-c2]：匹配c1-c2中的任意单个字符，如[0-9],[a-z]；

• {string1,string2,...}：匹配{}中的任意一个字符串；

• {c1..c2}：匹配c1-c2的全部字符，如{1..10}；

○

命令结构

command options arguments

命令+选项+参数

• 基于软件安装整理了基础命令，幕布链接：

https://mubu.com/doc/3xHR33Ngng 

• Linux命令大全：

http://man.linuxde.net/

生信人的Linux考试

题目链接：

http://www.bio-info-trainee.com/2900.html

○

涉及知识点

• SAM/BAM

SAM是一种序列比对格式标准，由sanger制定，是以TAB为分隔符的文本格式。主要应用于测序序列mapping到基因组上的结果表示，也可以表示多重比对的结果。SAM分为两部分，注释信息(header section)和比对结果部分(alignment section)。

BAM是SAM的二进制格式，占用储存空间更小，运算更快。

• samtools

用于处理处理sam与bam格式的工具软件，能够实现二进制查看、格式转换、排序合并等功能，结合sam格式中的flag、tag等信息，还可以完成比对结果的统计汇总。

参数说明：

• view ：将sam文件转换为bam文件，然后才能对bam文件进行各种操作，比如数据的排序和提取，最后输出为bam或者sam格式

  基本命令转换 ：

  samtools view -Sb *.sam > *.bam    

        查看bam文件：

         samtools view *.bam | less -S

• sort,index : 排序索引。

• faidx : 对fasta文件建立索引，生成的索引文件以 .fai 后缀结尾。可以快速提取部分序列。

• merge、cat : 整合聚合多个排序的bam文件

• tview : 直观显示reads比对基因组的情况

• flagstat : 统计比对结果

• depth : 得到每个碱基位点的测序深度

○

命令参考

答案绝不唯一！答案绝不唯一！答案绝不唯一！

#级联创建文件夹 
mkdir -p 1/2/3/4/5/6/7/8/9
#添加文件,输入内容，ctrl+d退出
cat > me.txt
#查看文件内容
cat me.txt
#删除以上文件以及文件夹
rm -r 1
#批量创建文件夹
mkdir -p folder{1..5}/folder{1..5}
#不同文件夹下都创建同一文件
cat > me.txt
echo folder{1..5}/folder{1..5} |xargs -n1 cp me.txt
#删除建立的文件以及文件夹
rm -r folder{1..5}
#下载文件
wget http://www.biotrainee.com/jmzeng/igv/test.bed
##查看文件行数
wc -l test.bed
##查看关键词在第几行
grep -n "H3K4me3" test.bed
#下载压缩文件并解压
wget http://www.biotrainee.com/jmzeng/rmDuplicate.zip && unzip *.zip
#查看文件夹结构
tree rmDuplicate
#打开bam文件
samtools view -H tmp.sorted.bam
#计算bam文件第二列0和16数字个数
samtools view tmp.sorted.bam | cut -f2 | sort -n | uniq -c
#同样解压，统计以 >> 开头有多少行
cat fastqc_data.txt | grep '>>' | wc -l
#在hg38.tss文件中找基因，如OTOF基因
cat hg38.tss | grep 'NM_001287489'
##结果为 NM_001287489  chr2  26556698  26560698  1
#每条染色体的基因个数——染色体名出现次数
cut -f2 hg38.tss | sort -rn | uniq -c
#统计NM、NR开头的序列
##NM ： 转录产物序列，成熟mRNA转录本序列 
##NR ： 非编码的转录子序列，包括结构RNAs，假基因转子
cat hg38.tss | grep 'NM' | wc -l
cat hg38.tss | grep 'NR' | wc -l

参考来源：

2、生信菜鸟团论坛

3、CSDN博客相关内容

九儿说：不太懂我为什么要和生信较真。

就感觉和它耗了很久很久，却没有一点起色。去学SVG排版也是换种自己熟悉的方式去认识代码，培养耐心。不过后来发现，虽然操作命令不同，但从处理和逻辑角度，很多知识都是相通的。没有可能一下子都学会，但也不能一直耗着不学，不如强迫自己直接上手练习。对于自己认定的事情，总会去慢慢做好它。嗯，真的是很慢很慢了。