生物信息学常用工具介绍

正则表达式是一些特殊或不很特殊的字符串模式的集合。 字符集包括：普通字符集和元字符集（通配符）

普通字符集：大小写字母、数字、空格、下划线 ^ 行首 $ 行尾 * 一个单字符后紧跟*，匹配0个或多个此单字符 [ ] 匹配[ ]内字符，可以是一个单字符，也可以是字符序列。 可以使用”-“来表示[ ]内范围，如[1-5]等价于[1,2,3,4,5]。 \ 屏蔽一个元字符的特殊含义，如\$表示字符$，而不表示匹配行尾。 . 匹配任意单字符 显示可执行的文件：ls –l | grep …x...x..x 不包括文件夹：ls -l|grep "\-..x..x..x" 只显示文件夹：ls –l | grep ^d 匹配所有的空行：^$ 匹配所有的单词：[A-Z a-z]* 匹配任一非字母型字符：[^A-Z a-z] 包含八个字符的行：^……..$(8个.)

几个常见的例子：

Sed命令

命令格式

sed „/pattern/ action‟ files pattern: 正则表达式 action: 操作，包括p、d、s 打印行：sed –n „/ 0\.[0-9][0-9]$/p‟ fruit_prices.txt 删除行：sed „/^[Mm]ango/d‟ fruit_prices.txt 执行替换/pattern1/s/pattern2/pattern3/g： sed „s/paech/peach/g fruit_prices.txt‟ 使用多重sed sed –e „cmd1‟……-e ‟cmdN‟ files： sed –e „s/paech/peach/‟ –e „s/ *[0-9][0-9]\.[0-9][0-9]$/\$/‟ fruit_prices.txt 在管道中使用sed
示例：



如果记不住命令的用法

查看帮助文档： man
用法：man command
为什么要学习编程？

许多宣称自己在做生物信息学的研究者使 用他人提供的工具,且从不编程 那么,研究生物信息学是否需要编程? 太复杂了，学不会?

Linux基础


如何使用Linux Linux的用户界面 Linux基础命令 Linux文件系统 Linux文件属性 Linux文件备份和压缩 进程管理
键入命令
在命令提示符（shell）下，输入命令，然后按下 Enter键。 命令提示符识别大小写 如果找不到你输入的命令，会显示反馈信息： “Command not Found” 如果命令太长，要在第一行行尾键入“\”字符和 按下Enter键，在下一行的“>”后接着输入
生物信息学常用工具介绍
——Unix操作系统与Perl语言编程
杨桢： Yang Zhen 中国科学院上海生命科学研究院 计算生物学研究所 yangzhen@picb.ac.cn
生物信息学研究需要具备的技能

分子生物学的基础知识
有一两种分子生物学软件包的使用经历
— Emboss etc


在命令行计算环境下工作



使用Linux




开机 选择启动 注册 进入图形界面－－startx 远程登陆Linux－－telnet、ssh 注销－－logout、exit 关机－－shutdown、halt、reboot、poweroff
Linux文件系统
UNIX文件系统呈树形结构, 树的根结点 为根目录root,用/ 表示 树的叶结点可以 为普通文件、特殊文件、或者目录文件。 其它既非根结点也非叶结点的结点为目录 文件.
— Unix / Linux Shell

一门程序设计语言
— C/C++, Java, Perl, Python, etc
为什么要使用Unix/Linux操作系统?



功能强大，应用广泛 主要应用于高性能计算机 良好的多用户管理 与网络服务联系紧密：apache，php，WWW 服务 丰富的命令和应用程序（打包、免费）

Fra Baidu bibliotek
让cat指令从标准输入设备（如键盘）读取数据，转 而输出至标准输出设备（如显示器） $ cat 执行指令，不加任何参数 123 键入任何文字后，按下回车键 123 系统回应一模一样的文字 利用特殊字符“〉”将名称为file1与 file2 的文件合并 成一个文件file3： $ cat file1 file2 > file3 若文件file3已经存在，则其内容会被覆盖过去；欲 避免这种状况发生，可用“〉〉”代替“〉”，新的 内容就会附加在原有内容之后，而不会覆盖它。
Linux

天才大学生Linus Torvalds开发 用于 PC 的免费Unix 开放源代码，业余爱好者共同开发
它的出现，使得Unix成为一个低廉或免费的OS 系统资源消耗<<Windows or Mac


开发软件的接触平台，有用于计算机生物学和一 般性研究的丰富工具库
Linux图形界面
管理方式：基于Debian的pkg与基于Red Hat的RPM
Windows下运行Linux环境

Cygwin： cygwin是一个在windows平台上运行的 unix模拟环境，主要目的是通过重新编译，将 Linux、BSD，以及其他Unix系统上的软件移植到 Windows上。从而在windows环境下模拟该系统 虚拟机：指通过软件模拟的具有完整硬件系统功 能的、运行在一个完全隔离环境中的完整计算机 系统。 （VMware workstation）


常用Linux命令

查看目前所在位置： pwd
Pwd 的意义为 “打印当前工作目录（print working directory）

更改目录: cd
用法：cd pathname cd . cd ..
Linux文件系统

相关操作命令



文件及子目录名称列表--ls 显示一个文本文件的内容 – cat <文件名> 改变文件、目录名称，搬移整棵目录树 --mv <原文 件或子目录名称> <新名称> 删除文件 – rm <文件名> 复制文件 -- cp <带路径指引的源文件名称> <带路 径指引的目标文件名称> 创建新的子目录 – mkdir [<路径>/]<新目录名称> 删除目录 --rmdir <带路径指引的目录名称>
/ （root）
/bin
/dev
/etc
/lib
/tmp /usr /home
Linux文件名称



包含 大写键、小写键、数字、#、@、_ 不包含空格 不包含以下字符 * ? > < / ; $ \ „ “ 不能以 “+”或者“-”开头 区分大小写 最长文件名 255
基础命令

修改口令 Passwd <用户名> 查询及修改日期时间 date MMDDhhmm[[CC]YY][.ss] ，date后面的部分 是日期字符串，表示要修改的日期时间，MM代表 月份，DD代表日期，hh代表时，mm代表分，CC 代表年份的头两位，YY代表年份的后两位，[ ]表示 括号括住的内容是可以省略的（以下同），如果年 份被省略，则表示为当年，ss代表秒。 观看日历 cal [月] [年]
移动/重命名文件命令mv

mv命令用来把文件从一个位置移动到另外 一个位置,也可以从一个分区移动到另外一 个分区。
mv [源文件列表] [目标文件]


将文件file1改名为file #mv file1 file 将目录team01下的两个文件file1、file2移 到team02下。 #ls team01 team02 #mv team01/file1 file2 /team02
分屏显示文件命令more

more可将文件内容显示于屏幕上，每次只显 示一页。可以往下浏览，但无法向上浏览 , less指令可以上下浏览 。

more [选项] [文件名]


-<行数> 指定每次要显示的行数 +/<字符串> 在文件中查找选项中指定 的字符串，然后显示字符串所在该页的 内容 +<行数> 从指定的行数开始显示 -n 每次只显示n行 -c 不滚屏，在显示下一屏之前先清屏

在文件file1中查找“123”字符串，然后从 改页开始显示文件的内容： #more +/123 file1 显示文件file1的内容，每10行显示一次， 而且在显示之前先清屏。 #more –c –10 file1

显示文件的前几行命令head



在屏幕上显示指定文件的开头若干行。默认值 是10行。 head [选项] 文件名 -c N：显示前N个字节 -n N：显示前N行 #head –5 file
文件显示命令



cat more head tail
显示和合并文件 分屏显示文件 显示文件的前几行 显示文件的最后几行
显示和合并文件命令cat




可以结合多个文件，并将它们的内容输 出到标准输出设备。 cat [选项] [文件列表] -b 列出文件内容时，在所有非空白列之 开头标上编号，从1开始累加 -E 在每一列的最后标上“$”符号 -n 列出文件内容时，在每一列之开头标 上编号，从1开始累加
显示文件的最后几行命令tail

在屏幕上显示指定文件的末尾若干行。默认值 是10行。 tail [选项] 文件名 -c N：显示前N个字节 -n N：显示前N行 +N ：从文件开头的第N行开始显示
比较文件内容命令

comm 比较两个已排过序的文件 diff 比较文件的差异
正则表达式 ——sed与awk的基础

示例：



awk命令

命令格式


awk „/pattern/ {actions}‟ files
字段编辑：awk –F: „{ print $1,$3}‟ inputfiles 或：awk –F: „{ printf “%s is %s\n”,$1,$3}‟ inputfiles 执行指定模式的操作： awk „/ *\$[1-9][0-9]*\.[0-9][0-9] */ {print $0; next} /*\$0\.[09][0-9] */ {print $0}‟ fruit_prices.txt 比较操作符：<、>、<=、>=、==、!=、value ~ /pattern/ 、value !~ /pattern/ （相关：&&、||） awk „($2 ~ /^\$[1-9][0-9]*\.[0-9][0-9]$/) && ($3 < 75)‟ { printf “……”}‟ input_f 利用管道符将标准输入作为输入

基于命令行
桌面环境: GNOME KDE ，类似于Windows

有哪些可用的Linux发行版？



Red Hat http://www.redhat.com Fedora Core http://fedora.redhat.com SusSE http://www.novell.com/linux/suse Debian http://www.debian.org Ubuntu http://ubuntulinux.org CentOS http://www.centos.org ……

删除文件或目录rm


从文件系统中删除文件及整个目录 rm [选项][文件列表] -r 删除文件列表中的目录 -i 指定交互模式。在执行删除前提示确认 。 文件列表：希望删除的用空格分隔的文 件列表，可以包括目录名

删除一个文件file1 #rm file1

使用-i选项 #rm -i file1 rm: remove `file1'? Y #

通配符与多文件操作 硬链接 符号链接
复制文件或目录命令cp

cp命令用来复制文件。在缺省的情况下，这 个命令工作的时候不做任何显示；只有在出 现一个错误情况的时候才显示状态信息。


cp [源文件名] …… [目标文件名] cp –r [源目录名] [目标目录名]

将file1,file2复制到team01目录里，再将 team01目录复制到team02目录里。 #cp file1 file2 team01 或 #cp file* team01 #cp –r team01 team02