Учебная страница курса биоинформатики,
год поступления 2020

Семестры Студенты Преподаватели

• 2024
• 2023
• 2022
• 2021
• 2019
• 2018
• 2017
• 2016

• ...

Пример выполнения контрольной

   1 #! /usr/bin/env bash
   2 
   3 ENT="hedgehog.swiss"
   4 CSV="hedgehog.csv"
   5 IDS="hedgehog.ids"
   6 
   7 # task 1
   8 entret -filter 'sw:*_ERIEU' "${ENT}"
   9 # task 2
  10 infoseq -help 2> infoseq.help
  11 # task 3
  12 infoseq -filter -only -name -acc -len -nohead -nocol -delim ',' \
  13     "${ENT}" > "${CSV}"
  14 # task 4
  15 cut -f 1 -d ',' "${CSV}" > "${IDS}"
  16 # task 5
  17 for id in $(< "${IDS}"); do
  18     count=$(entret -filter "${ENT}:${id}" | grep -c '^DR   GO;')
  19     echo "${id},${count}"
  20 done
  21 # task 6*
  22 grep -c '^OG   Mitochondrion' "${ENT}"
  23 # task 7*
  24 for id in $(< "${IDS}"); do
  25     coords="$(
  26         entret -filter "${ENT}:${id}" | grep '^FT   TRANSMEM' |
  27         tr -s ' ' '\t' | cut -f 3
  28     )"
  29     for coord in ${coords}; do
  30         echo -e "${id}\t${coord}"
  31     done
  32 done

Комментарии

• Названия файлов, используемые несколько раз, для удобства вынесены в переменные.

• В пункте 1 обязательно надо использовать entret, ведь нужно скачать именно полные записи. Других способов сделать это в рамках EMBOSS нет.

• В пункте 2 обратите внимание на перенаправление только потока STDERR, склеивать его предварительно с STDOUT не совсем правильно, но за это не штрафовал. Вообще всегда нужно понимать, что именно вы делаете, и зачем.

• В пункте 3 просто надо было найти нужные опции. Использовано свойство квалификаторов EMBOSS – их названия можно сокращать. Перенос части команды на следующую строку с помощью экранирования переноса строки не обязателен, просто хотел показать такую возможность. Так принято делать, чтобы текст скрипта помещался в столбец ~80 символов, чтобы его можно было просматривать в терминале любыми способами без проблем.

• В пункте 4 хорошо бы сообразить, что нужный столбец уже есть в табличке hedgehog.csv. Получается значительно короче и быстрее, чем еще раз мучить infoseq или грепать hedgehog.swiss.

• В пункте 5 использована конструкция, про которую сложно догадаться самостоятельно, $(< file). Вполне засчитывал $(cat file), но первый вариант работает чуть быстрее, и мне больше нравится по стилю. Важно было правильно составить паттерн для grep (и не забыть про экранирование спец. символов). Вы знаете формат записи Swiss-Prot, надо считать только подходящие строчки. "GO" (и даже "GO;", но реже) вполне может встречаться в других строках записи.

• В пункте 6 тоже важен правильный паттерн. Приведенный в примере позволяет однозначно идентифицировать записи про митохондриальные белки, можете почитать про формат поля OG в справке на сайте UniProt.

• Пункт 7 был осознанно сделан практически неподъемным для вас, чтобы студентам, быстро справившимся с остальными заданиями, было чем заняться до конца контрольной вместо "помощи" однокурсникам. В рамках того, что вам рассказывали в прошлом и этом семестре, я не смог придумать способа без использования вложенного цикла. Значительно элегантнее (и надежнее) это можно сделать, например, с помощью sed:

   1 for id in $(< "${IDS}"); do
   2     entret -filter "${ENT}:${id}" | sed -n "s/^FT *TRANSMEM */${id}\t/p"
   3 done