生物筆記——暑期學習筆記（四）

---

前言

這一系列文章主要是對于在暑期，老師每周教導的生信方面的課程的課后學習筆記的總結，希望用此方法來鞏固我的所學。

---

一、R篇

1. unname()

x <- c(1,4,6.25)
> x
[1] 1.00 4.00 6.25
x[] <- 7
> x
[1] 7 7 7
x <- c('星'=55,"石"=88,"苑"=99)
> x
星 石 苑 
55 88 99 
#去掉列名
y<- unname(x)
> y
[1] 55 88 99age <- c(8:88)
name <- paste("wht",seq(8,88))age[c(3,5,7)]
age[age>15]
df <- cbind(age,name)
x <- df[,]df <- read.table("D:/class.csv",header = TRUE,sep =",")
head(df)
name <- df[,"name"]
age <- df[,"age"]
head(age)
age1 <- age[c(3,5,7)]
age2 <- age[age>=15]
df1 <- df[df$name%in%c("Mary","James"),]
age3 <- df1[,c("name","age")]
df2<- df[!df$name%in%c("Mary","James"),]
age34 <- df2$agecut(1:9,breaks = c(0,3,6,9))  #分割
cut(1:88,breaks=3)table(df$sex)
str(df)
df$sex <- factor(df$sex,levels = c("F", "M"), labels = c("Female", "Male"))
str(df)
tapply(df$age,df$sex,max)

2. duplicated()

duplicated,翻譯過來是重復的意思，所以它的用處是判斷是否是重復元素，并返回布爾值（方便記憶）

intersect(c(5,7),c(1,5,2,5))
union(c(5,7),c(1,5,2,5))
setdiff(c(5,7),c(1,5,2,5))  #求差集，前一向量中不屬于后面向量元素組成的集合x <- c(6,9,8,6)
> duplicated(x)
[1] FALSE FALSE FALSE  TRUE
> x[!duplicated(x)]
[1] 6 9 8
#或者直接使用unique()
> unique(x)
[1] 6 9 8

3. 數據提取

df <- read.table("D:/class.csv",header = TRUE,sep =",")
> head(df)name sex age height weight
1 Alice   F  13   56.5   84.0
2 Becka   F  13   65.3   98.0
3  Gail   F  14   64.3   90.0
4 Karen   F  12   56.3   77.0
5 Kathy   F  12   59.8   84.5
6  Mary   F  15   66.5  112.0
name <- df[,"name"]
age <- df[,"age"]
#head(age)age1 <- age[c(3,5,7)]
age2 <- age[age>=15]#取出“Mary"和"James"對應的age
df1 <- df[df$name%in%c("Mary","James"),]
age3 <- df1[,c("name","age")]
> age3name age
6   Mary  15
13 James  12#取出其他人的
df2<- df[!df$name%in%c("Mary","James"),]
age4 <- df2[,c("name","age")]

4. 分組

#分割，通過對breaks參數的設置，來分割連續性變量
> cut(1:9,breaks = c(0,3,6,9))  
[1] (0,3] (0,3] (0,3] (3,6] (3,6] (3,6] (6,9] (6,9] (6,9]
Levels: (0,3] (3,6] (6,9]
cut(1:88,breaks=3)> table(df$sex)F  M 9 10 > str(df)
'data.frame':	19 obs. of  5 variables:$ name  : chr  "Alice" "Becka" "Gail" "Karen" ...$ sex   : chr  "F" "F" "F" "F" ...$ age   : int  13 13 14 12 12 15 11 15 14 14 ...$ height: num  56.5 65.3 64.3 56.3 59.8 66.5 51.3 62.5 62.8 69 ...$ weight: num  84 98 90 77 84.5 ...#將sex變量轉換為因子類型，方便分組
df$sex <- factor(df$sex,levels = c("F", "M"), labels = c("Female", "Male"))
#通過對labels參數的設置，改變因子的名稱> str(df)
'data.frame':	19 obs. of  5 variables:$ name  : chr  "Alice" "Becka" "Gail" "Karen" ...$ sex   : Factor w/ 2 levels "Female","Male": 1 1 1 1 1 1 1 1 1 2 ...$ age   : int  13 13 14 12 12 15 11 15 14 14 ...$ height: num  56.5 65.3 64.3 56.3 59.8 66.5 51.3 62.5 62.8 69 ...$ weight: num  84 98 90 77 84.5 ...#根據sex分組并對于age求最大值
> tapply(df$age,df$sex,max)
Female   Male 15     16 

二、生信篇

1. 文本處理常用命令

less命令

打開并查看文件內容， less -SN (按行查看），按 q 退出 ； 支持直接查看壓縮文件

示例： less -SN example.axt

wc 命令

簡單統計文件內容
-c 只顯示 字節數
-l 只顯示行數
-w 只顯示字數

$ wc example.axt
4    3 1755 example.axt$ wc -c example.axt
1755 example.axt$ wc -l example.axt
4 example.axt$ wc -w example.axt
example.axt

可以得知該文件中的字節數為1755，行數為4，字數（是一個文本中的單詞數量。在計算字數時，通常以空格或其他標點符號作為單詞之間的分隔符）為3.

diff 命令

比較兩個文件的不同

-a ：只逐行比較文本文件
-b ：忽略空格
-B ：忽略空行
-c ：顯示全部內容，并標出不同之處

比如，我比較了一下sort.txt 和 file 兩個文件。第一行的"9,13c9,14" 表示的是前一個文件的9到13行與后面文件的9到14行是不同的。

sort 命令

-r ：降序輸出
-n ：以數值來排序
-o ：輸出到新文件

uniq 命令

比較相鄰的行，顯示不重復的行
-i ：忽略大小寫
-c ：計數

命令 練習

2. 命令輸出

1. 重定向

> 代表以覆蓋的方式，將輸出內容寫入到指定文件
>> 代表以追加方式輸出
命令 >> 文件 A 2>> 文件 B ：正確的輸出到 A 文件中，錯誤的輸出到 B 文件中

2. 多命令執行

命令 1 ；命令 2 （兩個命令互不干擾）
命令 1 && 命令 2 （只有前者執行，后者才能執行）
命令 1|| 命令 2 （只要前者能執行，后者就不執行；前者不執行，后者就頂上）

3. 文本工具

grep 、 sed 、awk

有關更多信息，請看
Linux中文本工具應用（Linux入門六）

4. 本地hmm鑒定

1. hmmer軟件安裝

mamba 是一個基于 Python 的 CLI 工具，被認為是 conda 的直接替代品，自帶多線程下載，可以提高下載速度。

首先安裝mamba
安裝過程推薦：https://zhuanlan.zhihu.com/p/489499097?utm_id=0

# 創建一個新環境”wht_env1"并安裝 iqtree軟件
mamba create -n wht_env1 iqtree

安裝完成：

#安裝hmmer軟件
mamba create -n wht_env2 hmmer

通過mamba安裝的軟件通常會安裝到Conda環境的envs目錄下( 安裝時設置了環境）

2. 文件準備

hmm 模型文件 ： 如 PF03936.hmm
fasta格式的AA序列文件 ： 如 Lindera_aggregata.gene.pep

3. 基于hmm的鑒定

 hmmsearch /home/PF03936.hmm /home/Lindera_aggregata.gene.pep >/home/Lagg.PF03936.out

---

總結

本文的R篇主要講了unname（）、duplicated（）、因子分組等。生信篇則介紹了一些在Linux中的簡單操作命令。同時也學會了根據mamba管理器來下載所需軟件，如用于hmm鑒定的hmmer軟件等。

兩情若是久長時，又豈在朝朝暮暮。

–2023-8-16