生信差異分析的腳本

❶ 生信學習筆記（一）：python+Mafft實現批量化多序列比對

Mafft是一款在多重序列比對領域性能出眾的軟體，相較於ClustalW，其在速度和准確性上均表現出色。在生物學研究中，批量處理多個fasta文件的需求較為常見，然而Mafft軟體只支持單個文件的分析，且操作繁瑣，需要逐一設定文件、輸出路徑、格式、策略等參數，並進行確認，對於批量操作顯得不太方便。嘗試使用Python的Biopython庫調用Mafft，但並未取得成功，這主要是由於Biopython庫與Mafft的兼容性問題以及部分錯誤處理上的不足。

為了解決批量處理的需求，可以使用批處理腳本（.bat文件）或命令行工具（如cmd或Powershell）來執行Mafft的單行命令。單行命令形式類似於`mafft --auto test.fasta > test_output.fasta`，其中可以包含路徑和輸出文件名。對於路徑問題，確保路徑的正確使用，避免因路徑中包含中文或空格導致的識別錯誤。

通過將此單行命令封裝在批處理腳本中，可以使用Python的`os.system()`或`subprocess.run()`函數來執行批處理腳本，實現對多個fasta文件的自動處理。具體做法是獲取輸入文件夾下所有fasta文件，使用循環結構遍歷這些文件，並對每個文件調用Mafft的單行命令進行比對。將輸出文件保存到指定的輸出文件夾中。

這種方式極大地提高了處理效率，簡化了操作流程，使得批量處理多個fasta文件變得相對輕松。同時，如果需要進一步優化性能，可以考慮使用多線程或多進程的方式並行執行多個比對任務，從而顯著減少整體處理時間。總之，結合批處理腳本與Python腳本，Mafft的多重序列比對過程變得既高效又便捷，為生物學研究中的序列分析提供了有力的支持。

❷ 生信(七)——生信中常用的命令

在生信分析中，常用的命令包括以下幾種：

1. 轉換文件行尾風格：

   • 使用dos2unix命令將Windows風格的bed文件轉換為Unix風格，如dos2unix –n dos.bed.txt unix.bed.txt。
   • 使用sed命令，如sed 's/r//' dos.bed.txt > unix.bed.txt。

2. 刪除特定文件：

   • 使用find命令批量刪除目錄中所有bam文件，如find your_path name *.bam exec rm {} ;。

3. 合並文件：

   • 使用cat命令合並fastq文件，如cat fastq1 fastq2 > merged_fastq。

4. 提取文件名前綴：

   • 使用cut、sed或awk命令提取文件名前綴，如your_string | cut d. f1。

5. 壓縮打包文件：

   • 使用tar命令壓縮並打包項目文件，如tar zcvf tar_file origin_files。

6. 列印行號：

   • 使用sed命令，如sed '= ' your_file | sed 'N;s/n/t/'。
   • 使用awk命令，如awk '{printf}' your_file。

7. 輸出特定行：

   • 使用sed命令，如sed n 髲p;666d' your_file。
   • 使用awk命令，如awk 'NR==666{print $0; exit}' your_file。

8. 統計不重復基因數：

   • 使用awk和sort命令，如awk '{print $1}' sort u | wc l。
   • 或直接使用awk命令，如awk '{a[$1]++} END {print length}'。

9. 找到表達量最高的基因：

   • 使用sort和cut命令，如sort k4,4nr your_file | head 1 | cut f1。
   • 使用awk命令，如awk 'if{max=$4;gene=$1}} END {print gene}'。

10. 列印最後一列：

    • 使用awk命令，如awk '{print $NF}' your_file。

11. 反向互補序列：

    • 使用tr和rev命令，如your_string | tr 'agctnAGCTN' 'tcganTCGAN' | rev。
    • 使用sed和rev命令，如sed 'y/agctnAGCTN/tcganTCGAN/' | rev。

12. 求取某一列平均值：

    • 使用awk命令，如awk '{x+=$4} END {print x/NR}' your_file。
    • 對於壓縮文件，可以使用zcat和awk組合命令，如zcat your_zipped_file | awk '{x+=$4} END {print x/NR}'。

13. 獲取腳本文件路徑：

    • 在腳本中使用abs_path=$"; pwd)獲取當前腳本的絕對路徑。

14. 對bed文件排序：

    • 使用sort命令對bed文件進行排序，如sort k1,1V k2,2n k3,3n unsort.bed > sort.bed。

這些命令在處理生物信息學數據時非常實用，能夠大大提高工作效率。