生信差异分析的脚本

❶ 生信学习笔记（一）：python+Mafft实现批量化多序列比对

Mafft是一款在多重序列比对领域性能出众的软件，相较于ClustalW，其在速度和准确性上均表现出色。在生物学研究中，批量处理多个fasta文件的需求较为常见，然而Mafft软件只支持单个文件的分析，且操作繁琐，需要逐一设定文件、输出路径、格式、策略等参数，并进行确认，对于批量操作显得不太方便。尝试使用Python的Biopython库调用Mafft，但并未取得成功，这主要是由于Biopython库与Mafft的兼容性问题以及部分错误处理上的不足。

为了解决批量处理的需求，可以使用批处理脚本（.bat文件）或命令行工具（如cmd或Powershell）来执行Mafft的单行命令。单行命令形式类似于`mafft --auto test.fasta > test_output.fasta`，其中可以包含路径和输出文件名。对于路径问题，确保路径的正确使用，避免因路径中包含中文或空格导致的识别错误。

通过将此单行命令封装在批处理脚本中，可以使用Python的`os.system()`或`subprocess.run()`函数来执行批处理脚本，实现对多个fasta文件的自动处理。具体做法是获取输入文件夹下所有fasta文件，使用循环结构遍历这些文件，并对每个文件调用Mafft的单行命令进行比对。将输出文件保存到指定的输出文件夹中。

这种方式极大地提高了处理效率，简化了操作流程，使得批量处理多个fasta文件变得相对轻松。同时，如果需要进一步优化性能，可以考虑使用多线程或多进程的方式并行执行多个比对任务，从而显着减少整体处理时间。总之，结合批处理脚本与Python脚本，Mafft的多重序列比对过程变得既高效又便捷，为生物学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几种：

1. 转换文件行尾风格：

   • 使用dos2unix命令将Windows风格的bed文件转换为Unix风格，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. 删除特定文件：

   • 使用find命令批量删除目录中所有bam文件，如find your_path name *.bam exec rm {} ;。

3. 合并文件：

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

4. 提取文件名前缀：

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

5. 压缩打包文件：

   • 使用tar命令压缩并打包项目文件，如tar zcvf tar_file origin_files。

6. 打印行号：

   • 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. 输出特定行：

   • 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. 统计不重复基因数：

   • 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. 找到表达量最高的基因：

   • 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. 打印最后一列：

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

11. 反向互补序列：

    • 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。
    • 对于压缩文件，可以使用zcat和awk组合命令，如zcat your_zipped_file | awk '{x+=$4} END {print x/NR}'。

13. 获取脚本文件路径：

    • 在脚本中使用abs_path=$"; pwd)获取当前脚本的绝对路径。

14. 对bed文件排序：

    • 使用sort命令对bed文件进行排序，如sort k1,1V k2,2n k3,3n unsort.bed > sort.bed。

这些命令在处理生物信息学数据时非常实用，能够大大提高工作效率。