生信 Week 1 作业

PART I-2.Liunx-2.2.Practice Guide

提交word/md/txt/sh文件均可

第2，3题要求给出结果，并附上使用的命令

1. 解释1.gtf文件中第4、5列代表什么，exon长度应该是$5-$4+1还是$5-$4？

   第4列start代表基因组起始位置坐标（从1开始，闭区间），第5列end代表基因组终止位置坐标（从1开始，闭区间）。

   exon的长度是$5-$4+1。

2. 列出1.gtf文件中 XI 号染色体上的后 10 个 CDS （按照每个CDS终止位置的基因组坐标进行sort）。

   结果：

   # 基因ID 终止位置坐标
   YKR106W 663286
   YKR105C 660464
   YKR104W 657753
   YKR103W 656733
   YKR102W 649862
   YKR101W 642501
   YKR100C 639968
   YKR099W 638283
   YKR098C 635179
   YKR097W 632798
   

   命令：

   #!/bin/bash
   cat 1.gtf | awk '$1 == "XI" && $3 == "CDS"' | sort -k 5 -nr | awk '{split($10, x, ";"); name = x[1]; gsub("\"", "", name); print name, $5}' | head -n 10
   

3. 统计 IV 号染色体上各类 feature （1.gtf文件的第3列，有些注释文件中还应同时考虑第2列） 的数目，并按升序排列。

   结果：

   # 出现数目 feature类别
   853 start_codon
   853 stop_codon
   886 gene
   886 transcript
   895 CDS
   933 exon
   

   命令：

   #!/bin/bash
   cat 1.gtf |awk '$1 == "IV" {print $3}'| sort -n | uniq -c | sort -k 1 -n