Учебная страница курса биоинформатики,
год поступления 2023

Семестры Студенты Преподаватели

• 2022
• 2021
• 2020
• 2019
• 2018
• 2017
• 2016
• 2015

• ...

Упражнения

Упражнения обязательно нужно выполнить полностью. Если не успели во время занятия, то проделайте после. Но в отчете их отражать не нужно.

Grep

1. (grep) Выведите все строчки файла /P/y23/term1/pr6.txt, которые содержат слово qwerty.

2. (grep, less) Выведите все строчки файла /P/y23/term1/pr6.txt, которые содержат слово qwerty в любом регистре букв. Посмотрите эти строки в less.

3. (grep, wc) Выведите все строчки файла /P/y23/term1/pr6.txt, которые начинаются на qwerty в любом регистре. Сколько таких строк? Как можно посчитать нужные строки с помощью только grep без wc?

4. (grep) Выведите все строчки файла /P/y23/term1/pr6.txt, которые заканчиваются на qwerty в любом регистре.

5. Выведите все строчки файла /P/y23/term1/pr6.txt, которые полностью равны qwerty (без учета регистра).

6. * (grep -e) Выведите все строчки файла /P/y23/term1/pr6.txt, которые либо начинаются на qwerty, либо заканчиваются на qwerty.

7. Выведите все строчки файла /P/y23/term1/pr6.txt, которые содержат слово ^qwerty.

8. Выведите все строчки файла /P/y23/term1/pr6.txt, которые содержат слово qwerty$.

9. Выведите все строчки файла /P/y23/term1/pr6.txt, которые заканчиваются на qwerty$.

10. Из файла со скаченным геномом бактерии в формате fasta выведите только строки заголовков (они начинаются на >). Сколько в файле последовательностей "репликонов" (т.е. отдельных молекул ДНК: хромосом или плазмид).

11. * (grep, grep, cut) Выведите первые 10 нуклеотидов для каждого репликона (в выдаче должно быть строк столько, сколько в геноме репликонов, в каждой строке 10 нуклеотидов).

Права доступа

1. Создайте папку ~/term1/pr6, дальше все делайте исключительно в этой папке, если явным образом не указано обратное.

2. (chmod) Скопируйте сценарий ~/term1/credits/script_pr5.sh в папку ~/term1/pr6. Cделайте из него полноценный исполняемый файл: добавьте shebang и установите для владельца право на исполнение. Запустите сценарий на исполнение из папки ~/term1/pr6 без указания интерпретатора (то есть первым (нулевым) аргументом команды должно быть имя файла сценария). Попробуйте запустить его из другой папки, разберитесь, почему он не работает. Только не испортите в процессе исходный скрипт, все операции производите с копией!

3. (which) Определите, где на kodomo лежат исполняемые файлы bash, env, ls, file и т.д.

4. (file) Узнайте, что программа file пишет про исполняемый файл bash, про исполняемый файл env, про ваш скрипт из credits, про его новый вариант из pr6.

5. Создайте папку test внутри pr6. Какие права у вас есть на эту папку? Скопируйте в эту папку скрипт script_pr5.sh.

6. Теперь изменяйте права для себя (owner) на эту папку и пробуйте просматривать её содержимое, переименовывать или просматривать в ней файлы. Убедитесь, что права на папки работают именно так, как рассказали преподаватели.

7. Убедитесь, что у вас есть права rx на папку pr6 и перейдите в нее. Изменяйте права для себя на файл скрипта, и пробуйте его редактировать, запускать или просматривать. Убедитесь, что права на файлы работают именно так, как рассказали преподаватели.

8. Перейдите в папку ~/term1/pr6 и удалите папку test со всем содержимым. Какие для этого понадобятся права?

Обязательные задания

Мягкий дедлайн – 01:00 AM 20 октября, жесткий дедлайн – 01:00 AM 27 октября. После мягкого дедлайна штраф 0.5 балла, после жесткого – 2 балла.

Результат выполнения каждого задания должен быть полноценным сценарием bash, т.е. должен содержать правильный shebang, и как минимум владелец файла (т.е. вы) должен иметь право на его исполнение. Перед записью в очередь на проверку обязательно нужно проверить каждый сценарий, запустив его на любом тестовом примере.

1. Подсчет количества псевдогенов в таблице локальных особенностей

Ваша задача – написать скрипт ~/term1/credits/count_pseudogene.sh, который принимает на вход (STDIN) таблицу локальных особенностей (feature_table) и выводит (STDOUT) одно число – количество псевдогенов (соответствующая пометка есть во втором столбце) на обратной цепи. Считайте, что символ - и слово pseudogene могут встречаться в таблице не только в нужных столбцах, а вообще в любых других (вы ведь не можете быть уверены в обратном).

2. Получение названий последовательностей из файла в формате fasta

Ваша задача – написать скрипт ~/term1/credits/seq_names.sh, который принимает на вход (STDIN) последовательности в формате fasta, и выводит (STDOUT) названия всех последовательнойстей в том порядке, в котором они были во входном потоке, по одному в строке. Название последовательности – это то, что после символа > и до первого пробела (или конца строки). Чаще всего в качестве названия последовательности в fasta указывают её идентификатор в какой-нибудь базе данных, т.е. какой-то нечитаемый набор символов.

echo "DATA" | tr -d 'A' | less
# или
tr -d 'A' < data.txt > output.txt

./script.sh data.txt | less
# и так тоже нельзя
./script.sh
Error: data.txt: No such file or directory

3* Подсчет количества тРНК по таблице локальных особенностей (дополнительное)

Ваша задача – написать скрипт ~/term1/credits/count_tRNA.sh, который принимает на вход (STDIN) таблицу локальных особенностей (feature_table) и выводит (STDOUT) количество тРНК для каждой аминокислоты. Определить, что строка таблицы соответствует тРНК, можно по значению в первом столбце. Информацио о соответствующей аминокислоте предлагаю вам найти в таблице самостоятельно. Выдача должна быть отсортирована по убыванию количества тРНК, а для аминокислот с одинаковым количеством тРНК – по трехбуквенному обозначению аминокислоты по алфавиту. Пример выдачи скрипта для файла /P/y23/term1/GCF_000008865.2_ASM886v2_feature_table.txt (выдача вашего скрипта должна полностью соответствовать этому формату):

18/Arg
11/Ile
7/Leu
7/Met
7/Val
6/Gly
5/Ala
5/Lys
5/Ser
4/Asn
4/Gln
4/Glu
4/Pro
4/Thr
3/Asp
3/Tyr
2/Phe
1/Cys
1/His
1/Sec
1/Trp