P11-10个题目的答案讲解
image-20190614142106984
image-20190614141400608
提示： sort -u test和sort test|uniq 效果是一样的
sort的-u 选项它的作用很简单，就是在输出行中去除重复行
image-20190614134619455
image-20190614134732997
image-20190614135618600
image-20190614143625037
题目外-按uniq-c后的数排序
题目外-按uniq-c后的数反向排序
同题4
image-20190614140133472
image-20190614140230182
image-20190614140648804
用tee，可以既显示在屏幕上，又保存下来了
image-20190614145058751
image-20190614145112164
ls -d参数
image-20190614152537701
image-20190614152632582
定向1（正确） 和 2（错误）
不把报错显示出来，但是会存在log日志里
image-20190614155123452
image-20190614155137750
image-20190614160445051
image-20190614160512635
可以查看ubuntu系统配置命令https://blog.csdn.net/kinglyjn/article/details/53584652?utm_source=itdadao&utm_medium=referral
image-20190614161011482
image-20190614161216958
image-20190614161409451
image-20190614161425375
image-20190614161455472
P12-数据格式
fa/fq：测序数据比对
sam/bam：压缩成二进制文件
gff/gtf：描述基因组上的结构
bigwig/wiggle：看测序深度
bed：描述坐标 类型
vcf：记录突变信息
image-20190614162152782
grep '>' 文件名.fa #>是都不会变的，但是2是可能会变的
image-20190614174923067
gz.结尾，用zless查看
可以复制序列在ucsc上查看染色体坐标
image-20190614175234273
对这条fq进行检验，用fastqc
image-20190614175323766
image-20190614175502743
cat tmp.fq|paste - - - - # paset 把四行合并为一行显示
image-20190614175741950
cat tmp.fq|paste - - - -|less -S
image
接上一张图片
cut -c1 #取出第1个字符（即第一个碱基）
image-20190614181753794
下面这幅图就是统计了每条序列的百分比
image-20190614182220524
接下来看GC含量，但上面指截取了100行，也就是25条序列，下面改成截取250条序列image-20190614183153853
再跑一遍fastqc
image-20190614183524950
image-20190614183557257
-c 查看碱基A\T\C\G的数量，可看到A和T均比例高于C和G，下面这张图也可看出，绿色A和红色T的比例均高于蓝色C和黑色G
image-20190614183709373
image-20190614190431397
小写字母非常多，如图19630个'g'，就是illamina 1.5，'g'地标什么呢？
image-20190614190553505
image-20190614191341899
image-20190614190850098
image-20190614190954213
103-64=29,如上图所示，第一个碱基的质量就是不到40左右
看最后一个碱基
image-20190614191750008
image-20190614191842807
g、f、e、d、c都有
image-20190614191859143
boxplot(rep(39,19000),ylim=c(0,40))#即第一个碱基的boxplot图，如下图
image-20190614192044041
dat=c(rep(35,1524),rep(36,1939),rep(37,3360),rep(38,1230),rep(39,9748))
boxplot(dat,ylim=c(0,40))
image-20190614192401273
当样本多时，可以用multiqc整合成一个报告
sam和bam文件
image-20190614192840002
image-20190614200558259
image-20190614200848836
sam是比对后的fq文件，接下来比对 hg38为构建好的索引
image-20190614202909768
image-20190614203336979
可以用ucsc看是否比对在了2号染色体
image-20190614203839517
image-20190614203937837
image-20190614204037517
sam格式
4I:中间有4个insertion
image-20190614204338197
如何查看bam文件，用samtools查看，就是一种压缩规则，用samtools就可以读取它
image-20190614204726134
gff和gtf文件
gff主要用了注释基因组
Gtf主要用来注释基因
关注：基因名和转录本名还有gene type 如何对应上
image-20190614205501105
image-20190614205519180
image-20190614205636875
bigwig/wiggle文件：看测序深度
用sort bam排序，排序后是按染色体顺序排序的
image-20190614210222045
image-20190614210301890
看下面这两幅图区别，只要加上
-h就可以查看头文件，可以看到参考
image-20190614210531006
image-20190614210510195
image-20190614213848653
一个vcf文件的变异是咩有意义的
vcf文件导入到IGV
网友评论