重生之加深对fastq数据的认识（练习题）

五一假期收假了……也要收收心呀！困扰我数日的原始数据问题终于解决啦！可以继续学习转录组数据的分析了！

感谢好心人出手相助分享原始数据！最后我是用mv直接移动文件位置实现的。

1.统计SRR1039510_1.fastq.gz文件中共有多少条reads？25000

NR表示行号 %符号表示取余数

print默认打印整行

高通量测序时,在芯片上的每个反应,会读出一条序列,是比较短的,叫read,它们是原始数据

2.输出SRR1039510_1.fastq.gz文件中所有的序列ID（即第一行）

序列ID是唯一的

zless  SRR1039510_1.fastq.gz | grep '^@SRR'  |less -SN
zless  SRR1039510_1.fastq.gz | paste - - - - |cut -f 1 |less -SN
zless  SRR1039510_1.fastq.gz |awk '{if(NR%4==1){print}}' |less -SN

3.输出SRR1039510_1.fastq.gz文件中所有的序列（即第二行）

所有序列的ID是唯一的，但是测序得到的序列（read）不是唯一的

测到的序列除了ATGC之外，还有其他字母，例如：N（此处的荧光信号进行base calling时没有被识别出来，表示未知）

在25000条序列中有110条含有N

4.统计SRR1039510_1.fastq.gz碱基总数 1575000

使用wc -c统计字节数时换行符也被计算在内！

一个字符=一个字节？与编码语言有关，推荐使用wc -m！

使用tr命令删去所有的换行符

5.分别使用reads和base碱基数描述SRR1039510样本测了多少数据量

区分数据量与文件大小

每个样本由read1和read2组成

reads数一共有25000*2=50000reas/2500 pair reads

base碱基数原始样本可直接*2

数据过滤之后read1中的碱基序列和read2碱基序列长度可能不同

ReadNum：注意是reads对总数还是reads总数

BaseNum（G）：G：1*10^9（十亿个碱基）