生物信息学必学:Linux命令入门

# 查看小文件全部内容cat sample_info.txt# 注意：大文件不要用cat，会刷屏！# 查看文件前几行（默认10行）head -n 20 sequence.fasta# 生信场景：查看fasta文件头信息、配置文件前几行# 查看文件后几行tail -n 50 analysis.log# 生信场景：查看分析日志的最后报错信息tail -f realtime.log  # 实时查看日志更新（-f参数）# 分页查看大文件less huge_bam_file.sam# 在less中：# 空格键：下一页# b键：上一页# /关键词：搜索# q键：退出

# 复制文件cp source.fastq backup/cp -r source_dir/ backup/  # -r参数复制整个目录# 移动/重命名文件mv old_name.fastq new_name.fastqmv *.fastq fastq_files/  # 移动所有fastq文件到指定目录# 删除文件（谨慎！）rm unwanted_file.txtrm -r temp_dir/  # 删除目录# 安全技巧：先用ls查看，确认无误后再rm

# 查看磁盘使用情况df -h# 输出示例：# Filesystem  Size  Used Avail Use% Mounted on# /dev/sda1    1.8T  1.2T  512G  70% /data# 解释：-h参数让显示更友好（用G/T单位）# 查看目录/文件大小du -sh /data/project/# -s：总计大小# -h：人性化显示# 常用组合：查找大文件du -sh * | sort -rh | head -10

# 查看系统进程top# 常用快捷键：# P：按CPU使用率排序# M：按内存使用率排序# 1：显示每个CPU核心使用情况# 更强大的监控工具htop  # 需要先安装，但界面更友好# 查看特定进程ps aux | grep "hisat2"# 查看运行中的比对进程

# 基本搜索grep "gene_name" expression_matrix.tsv# 常用选项：grep -i "tp53" variants.vcf  # -i忽略大小写grep -n "ERROR" analysis.log  # -n显示行号grep -c "PASS" filtered.vcf  # -c统计匹配行数grep -r "function" scripts/  # -r递归搜索目录grep -v "contig" genome.fasta  # -v反向搜索（不包含）# 正则表达式搜索grep "^>" protein.fasta  # 搜索以>开头的行（fasta文件头）grep "[0-9]\{5,\}" data.txt  # 搜索至少5位数字

# 替换文本sed 's/old_pattern/new_pattern/g' file.txt# 示例：修改配置文件路径sed 's|/old/path|/new/path|g' config.txt# 删除行sed '/^#/d' script.py  # 删除所有注释行sed '5,10d' data.txt  # 删除5-10行# 插入/追加文本sed '3i\# 这是插入的注释' file.py  # 在第3行前插入sed '$a\# 文件结束' data.txt  # 在最后一行后追加

# 基本用法：打印特定列awk '{print $1, $3}' data.tsv  # 打印第1和第3列awk -F ',' '{print $1, $5}' clinical.csv  # 指定分隔符为逗号# 条件筛选awk '$3 > 0.05 {print $1, $2}' pvalues.txt  # 第3列大于0.05的行awk '/TP53/ {print $0}' genes.txt  # 包含TP53的行awk 'NR % 4 == 1' reads.fastq  # 提取fastq的序列名行# 统计计算awk '{sum+=$3} END {print "总和:", sum}' data.txtawk '{count[$1]++} END {for(gene in count) print gene, count[gene]}' gene_list.txt

# 组合多个命令cat samples.txt | grep "tumor" | wc -l# 解释：读取文件 -> 搜索tumor -> 统计行数# 复杂示例：统计fastq文件行数（计算reads数）wc -l sample.fastq | awk '{print $1/4}'# 或者cat sample.fastq | awk 'END{print NR/4}'

# 输出重定向ls *.fastq > file_list.txt  # 覆盖写入ls *.bam >> all_files.txt  # 追加写入# 错误重定向command 2> error.log  # 将错误信息保存到文件command > output.log 2>&1  # 标准输出和错误都重定向# 输入重定向tr "," "\t" < input.csv > output.tsv

# 统计fastq文件基本信息echo "文件行数（总reads数）："; wc -l sample.fastq | awk '{print $1/4}'echo "文件大小："; du -h sample.fastqecho "前5条序列名："; grep "^@" sample.fastq | head -5# 批量查看质控结果for file in *.fastq; do    echo "=== $file ==="    head -n 4 "$file"done

# 简单的数据处理流程# 1. 解压gzip -d data.fastq.gz# 2. 质量过滤fastp -i data.fastq -o clean.fastq# 3. 比对hisat2 -x genome_index -U clean.fastq -S aligned.sam# 4. 格式转换samtools view -bS aligned.sam > aligned.bam# 5. 排序samtools sort aligned.bam -o sorted.bam# 6. 索引samtools index sorted.bam

# 查看权限ls -l file.txt# 修改权限chmod +x script.sh  # 添加执行权限chmod 755 script.sh  # 常用权限设置chown user:group file.txt  # 修改所有者

# 查看环境变量echo $PATH# 添加软件到PATHexport PATH=$PATH:/path/to/software# 永久生效：添加到~/.bashrc

# Conda安装生物信息学软件conda install -c bioconda fastqcconda install -c bioconda samtoolsconda install -c bioconda bwa# 或使用mamba（更快）mamba install -c bioconda hisat2