转录组实战练习题-1 加深对fastq数据认识
原创转录组实战练习题-1 加深对fastq数据认识
原创
大胖橘
发布于 2023-04-09 13:29:56
发布于 2023-04-09 13:29:56
转录组实战练习题-1 加深对fastq数据认识
1.统计SRR1039510_1.fastq.gz文件中共有多少条reads？
1 zless SRR1039510_1.fastq.gz | grep "@SRR" -c
#
2 zless SRR1039510_1.fastq.gz | grep '^@SRR' |wc -l
#
3 zless -S SRR1039510_1.fastq.gz | paste - - - - |wc -l
#
4 zless SRR1039510_1.fastq.gz |wc -l | awk '{print $0/4}'
#
5 zless -S SRR1039510_1.fastq.gz | awk '{ if(NR%4==2) {print} }' |wc -l
#用行号除以4,余数是多少。2.输出SRR1039510_1.fastq.gz文件中所有的序列ID（即第一行）
1 zless SRR1039510_1.fastq.gz | grep '^@SRR' |less -S
# ^的意思是以...开头。less -S意思是文件查看，单行显示。
2 zless SRR1039510_1.fastq.gz | paste - - - - |cut -f 1 |less -S
# paste和cut联合使用。paste意思行变成列，每4行是一个序列的信息，把每4行变成一行。然后用cut进行纵向切。切第一列（也就是之前的第一行）
3 zless -S SRR1039510_1.fastq.gz |awk '{if(NR%4==1){print}}' |less -S
# awk 将余数变成1即可。同前。3.输出SRR1039510_1.fastq.gz文件中所有的序列（即第二行）
统计测了多少条reads
1 zless SRR1039510_1.fastq.gz | paste - - - - |cut -f 2 |less -S
#
2 zless -S SRR1039510_1.fastq.gz |awk '{if(NR%4==2){print}}' |less -S
#统计一个序列是不是唯一的？
zless -SN SRR1039510_1.fastq.gz | awk '{if(NR%4==2){print}}' | sort | less -S
# 首先对序列进行排序
zless -SN SRR1039510_1.fastq.gz | awk '{if(NR%4==2){print}}' | sort | uniq -c| less -S
#使用uniq 之前，一定先排序。
zless -SN SRR1039510_1.fastq.gz | awk '{if(NR%4==2){print}}' | sort | uniq -c| sort -k1 -n -r | less -S
#对第一列进行排序，倒序看的测的序列中有多少个'N'?
zless -SN SRR1039510_1.fastq.gz | awk '{if(NR%4==2){print}}' | sort | uniq -c| sort -k1 -n -r | grep 'N'N说明在进行碱基识别的时候（base calling）没有被识别出来。N表示未知碱基。
zless -SN SRR1039510_1.fastq.gz | awk '{if(NR%4==2){print}}' | sort | uniq -c| sort -k1 -n -r | grep 'N' | wc -l
#统计有多少条序列有N4.统计SRR1039510_1.fastq.gz碱基总数 1575000
测序数据量：测了多少个碱基。
1 # 简单版本
zless -S SRR1039510_1.fastq.gz |paste - - - - |cut -f 2 |tr -d '\n' |wc -m
zless -S SRR1039510_1.fastq.gz |paste - - - - |cut -f 2 |grep -o [ATCGN] |wc -l
2 # awk的高阶用法：BEGIN END模块
zless -S SRR1039510_1.fastq.gz |awk '{ if(NR%4==2){print} }' | awk 'BEGIN {num=0} {num=num+length($0)} END{ print "num="num}'解释上述简单版本代码
zless -S SRR1039510_1.fastq.gz |awk '{if(NR%4==2){print}}' |less -S
#把所有的碱基输出出来
zless -S SRR1039510_1.fastq.gz |awk '{if(NR%4==2){print}}' |less -S |wc -c
#统计文件中有多少个字符 （但是此时的统计包括了每一行的换行符），可以使用 zless -S SRR1039510_1.fastq.gz |awk '{if(NR%4==2){print}}' |less -S | head |cat -A 这个命令看一下，每一行都有换行符。因此需要将换行符删掉。
zless -S SRR1039510_1.fastq.gz |paste - - - - |cut -f 2 |tr -d '\n' |wc -cwc -c 和 wc -m的区别
wc --help #查看两者区别解释上述简单版本代码
zless -S SRR1039510_1.fastq.gz |paste - - - - |cut -f 2 |grep -o [ATCGN] |wc -l
#grep -o [ATCGN] 的用法。将文件中的字符变成一列，然后统计列数5.分别使用reads和base碱基数描述SRR1039510样本测了多少数据量
SRR1039510 样本是双端测序，有SRR1039510_1.fastq.gz和SRR1039510_2fastq.gz两个文件。两个文件的reads数和碱基数一定是一模一样的。
reads 25000*2
base 1575000*2
注意：过滤前的数据可以直接×2，过滤后的数据不能×2。
zless -S SRR1039510_1.fastq.gz | head -n 2
zless -S SRR1039510_2.fastq.gz | head -n 2
#查看两个文件的ID号和碱基，两个文件的序列ID是一样的。原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录