Linux基础 Day2

文本查看、操作、统计命令

cat 查看文本文件的内容，输出到屏幕

常见参数：

-A ## 打印所有内容，包括特殊字符，如制表符

-n ## 打印出所有行号，-b 参数仅打印非空白行行号

其他：

zcat：可以查看压缩的文本文件 tac：逆向查看

head / tail -n ：查看文件的前/后 n 行，默认 10 行

less less 参数 文件名

常用参数：

-N：显示行号

-S：单行显示

zless：查看压缩文件

用“/keyword”进行关键词查询

n/N：上下浏览关键词

more：逐页查看，按空格翻页，按回车换行

wc：统计文本

常见参数：

-l 统计行数

-w 统计字符串数

-c 统计字节数

cut：文本切割

常见参数：-d 指定分隔符，默认\t；

-f 输出哪几列（字段fields）

cut –d不只可以指定标点符号为分隔符，也可指定字母或者数字等字符为分隔符

sort：排序

常见参数：

-n：按照数值从小到大进行排序

-V：字符串中含有数值时，按照数值从小到大排序

-r：逆向排序

-k：指定按哪一列排序

-t：指定分隔符

uniq：去除重复行

只能去除相邻的重复行!，跟sort连用!

常见参数：

-c：统计每个字符串连续出现的行数

paste：文本合并

常见参数：

-d：指定分隔符

-s：按行合并

常见用法：1. paste file1 file2 2. seq 20 | paste - -

tr：字符替换

常见用法:

tr ‘<pre>’ ‘<dest>’

常见参数：

-d：删除指定字符

-s：缩减连续重复字符

知识点总结

md5.txt文件：md5sum可以计算文件大小， md5sum -c 文件名称.md5

生物信息学常见文件格式

fasta

fastq

gff/gtf

fasta：一种基于文本用于表示核酸序列或多肽序列的格式。缩写为 fa

特征： 两部分, id行和序列行.

• id行：以“>”开头, 有时候会包含注释信息，如 chr1、chr2 …
• 序列行：一个字母表示一个碱基/氨基酸，ATCGN 或 20种氨基酸fastq：一种保存生物序列（通常为核酸序列）及其测序质量得分信息的文本格式。FASTQ文件中，一个序列通常由四行组成： 第一行：以 @ 开头，之后为序列的标识符以及描述信息 第二行：为序列信息，如 ATCG 第三行：以 + 开头，之后可以再次加上序列的标识及描述信息（保留行） 第四行：为碱基质量值，与第二行的序列相对应，长度必须与第二行相同。

gff：基因组注释文件 ，总共有 9 列。分别为：

列 名称 含义

1 seqname 序列的名字。通常格式染色体ID或是contig ID

2 source 注释的来源。通常是预测软件名或是公共数据库

3 feature 基因结构：transcript，gene，exon，CDS，start_codon，stop_codon，UTR…

4 start 起始位置，从1开始计数。

5 end 终止位置。

6 score 这一列的值表示对该类型存在性和其坐标的可信度，不是必须的，可以用点“.”代替。

7 strand 链的正向与负向，分别用加号+和减号-表示。

8 frame 密码子偏移，可以是0、1或2。

9 attributes

属性，一个包含众多属性的列表，格式为“标签＝值”（tag=value），不同属性之间以分号

相隔。

gtf：基因注释文件 ，总共有 9 列。分别为

列 名称 含义

1 seqname 序列的名字。通常格式染色体ID或是contig ID

2 source 注释的来源。通常是预测软件名或是公共数据库

3 feature 基因结构：transcript，gene，exon，CDS，start_codon，stop_codon，UTR…

4 start 起始位置，从1开始计数。

5 end 终止位置。

6 score 这一列的值表示对该类型存在性和其坐标的可信度，不是必须的，可以用点“.”代替。

7 strand 链的正向与负向，分别用加号+和减号-表示。“.”表示不需要指定正负链，“?” 表示未知.

8 frame 密码子偏移，可以是0、1或2。仅对编码蛋白质的CDS有效，本列指定下一个密码子开始的位置。

9 attributes

属性，必须要有以下两个值：

gene_id value: 表示坐标在基因组上的基因座的唯一的ID。gene_id 与 value 值用空格分

开，如果值为空，则表示没有对应的基因。

transcript_id value: 预测的转录本的唯一ID。transcript_id与value值用空格分开，空

表示没有转录本。