基础题

如果涉及到一些没讲过的知识点，可以自己尝试搜索一下，实在不会做就跳过，能做多少就多少

1)统计reads_1.fq 文件中共有多少条序列信息

首先要了解一下fq文件的数据格式，每4行为一条序列的信息

1.序列标识以及相关的描述信息，以‘@’开头；
2.是碱基序列
3.以‘+’开头，一般后面什么都不加，或者加序列标示符、描述信息，为预留行
4.是质量信息，和第二行的序列相对应，每一个序列都有一个质量评分，根据评分体系的不同，每个字符的含义表示的数字也不相同。

$ cat reads_1.fq | grep '^@r' | wc -l
10000

2）输出所有的reads_1.fq文件中的标识符(即以@开头的那一行)

$ cat reads_1.fq | grep '^@r' | less

3) 输出reads_1.fq文件中的 所有序列信息(即每个序列的第二行)

$ cat reads_1.fq | sed -n '2~4p' | less

4）输出以‘@’及其后面的描述信息(即每个序列的第一行)

$ cat reads_1.fq | sed -n '1~4p' | less

5）输出质量值信息(即每个序列的第四行)

$ cat reads_1.fq | sed -n '4~4p' | less

6) 计算reads_1.fq 文件含有N碱基的reads个数

$ cat reads_1.fq | sed -n '2~4p' | grep 'N' | wc -l
6429

$ cat reads_1.fq | sed -n '2~4p' | grep -c 'N'
6429

7) 统计文件中reads_1.fq文件里面的序列的碱基总数

$ $ cat -A reads_1.fq | sed -n '2~4p' | wc
  10000   10000 1108399

$ echo "1108399-10000" | bc
1098399

8）计算reads_1.fq 所有的reads中N碱基的总数

cat reads_1.fq | sed -n '2~4p' | grep -o 'N' | wc -l
26001

9）统计reads_1.fq 中测序碱基质量值恰好为Q20的个数

判断出是 Phred33 体系的质量值，因此Q20对应的ASCII码为 5 。

$ cat reads_1.fq | sed -n '4~4p' | grep -o '5' | wc -l
21369

10）统计reads_1.fq 中测序碱基质量值恰好为Q30的个数

$ cat reads_1.fq | sed -n '4~4p' | grep -o '?' | wc -l
21574

11）统计reads_1.fq 中所有序列的第一位碱基的ATCGNatcg分布情况

$ cat reads_1.fq | sed -n '2~4p' | sed -n '/^A/p' | wc -l
2184
Aug15 15:35:13 ~/work/Data
$ cat reads_1.fq | sed -n '2~4p' | sed -n '/^T/p' | wc -l
2253
Aug15 15:35:38 ~/work/Data
$ cat reads_1.fq | sed -n '2~4p' | sed -n '/^C/p' | wc -l
2203
Aug15 15:35:42 ~/work/Data
$ cat reads_1.fq | sed -n '2~4p' | sed -n '/^G/p' | wc -l
2219
Aug15 15:35:44 ~/work/Data
$ cat reads_1.fq | sed -n '2~4p' | sed -n '/^N/p' | wc -l
1141

12）将reads_1.fq 转为reads_1.fa文件(即将fastq转化为fasta)

$ cat reads_1.fq | sed -ne '1~4p' -ne '2~4p' | tr '@' '>' > reads_1.fa

13) 统计上述reads_1.fa文件中共有多少条序列

$ grep '>' reads_1.fa | wc -l
10000

14）计算reads_1.fa文件中总的碱基序列的GC数量

$ cat reads_1.fa | sed -n '2~2p'|grep -o -e 'CG' -o -e 'GC'|wc -l
113624

15）删除 reads_1.fa文件中的每条序列的N碱基

$ cat reads_1.fa | tr -d 'N'

16）删除 reads_1.fa文件中的含有N碱基的序列

17) 删除 reads_1.fa文件中的短于65bp的序列

18） 删除 reads_1.fa文件每条序列的前后五个碱基

19）删除 reads_1.fa文件中的长于125bp的序列

20）查看reads_1.fq 中每条序列的第一位碱基的质量值的平均值