文本查看、操作、统计命令
cat 查看文本文件的内容，输出到屏幕
常见参数：
-A ## 打印所有内容，包括特殊字符，如制表符
-n ## 打印出所有行号，-b 参数仅打印非空白行行号
其他：
zcat：可以查看压缩的文本文件 tac：逆向查看
head / tail -n ：查看文件的前/后 n 行，默认 10 行
less less 参数 文件名
常用参数：
-N：显示行号
-S：单行显示
zless：查看压缩文件
用“/keyword”进行关键词查询
n/N：上下浏览关键词
more：逐页查看，按空格翻页，按回车换行
wc：统计文本
常见参数：
-l 统计行数
-w 统计字符串数
-c 统计字节数
cut：文本切割
常见参数：-d 指定分隔符，默认t；
-f 输出哪几列（字段fields）
cut –d不只可以指定标点符号为分隔符，也可指定字母或者数字等字符为分隔符
sort：排序
常见参数：
-n：按照数值从小到大进行排序
-V：字符串中含有数值时，按照数值从小到大排序
-r：逆向排序
-k：指定按哪一列排序
-t：指定分隔符
uniq：去除重复行
只能去除相邻的重复行!，跟sort连用!
常见参数：
-c：统计每个字符串连续出现的行数
paste：文本合并
常见参数：
-d：指定分隔符
-s：按行合并
常见用法：1. paste file1 file2 2. seq 20 | paste - -
tr：字符替换
常见用法:
tr ‘<pre>’ ‘<dest>’
常见参数：
-d：删除指定字符
-s：缩减连续重复字符
知识点总结md5.txt文件：md5sum可以计算文件大小， md5sum -c 文件名称.md5
生物信息学常见文件格式
fasta
fastq
gff/gtf
fasta：一种基于文本用于表示核酸序列或多肽序列的格式。缩写为 fa
特征： 两部分, id行和序列行.
- id行：以“>”开头, 有时候会包含注释信息，如 chr1、chr2 …
- 序列行：一个字母表示一个碱基/氨基酸，ATCGN 或 20种氨基酸fastq：一种保存生物序列（通常为核酸序列）及其测序质量得分信息的文本格式。FASTQ文件中，一个序列通常由四行组成： 第一行：以 @ 开头，之后为序列的标识符以及描述信息 第二行：为序列信息，如 ATCG 第三行：以 开头，之后可以再次加上序列的标识及描述信息（保留行） 第四行：为碱基质量值，与第二行的序列相对应，长度必须与第二行相同。
gff：基因组注释文件 ，总共有 9 列。分别为：
列 名称 含义
1 seqname 序列的名字。通常格式染色体ID或是contig ID
2 source 注释的来源。通常是预测软件名或是公共数据库
3 feature 基因结构：transcript，gene，exon，CDS，start_codon，stop_codon，UTR…
4 start 起始位置，从1开始计数。
5 end 终止位置。
6 score 这一列的值表示对该类型存在性和其坐标的可信度，不是必须的，可以用点“.”代替。
7 strand 链的正向与负向，分别用加号 和减号-表示。
8 frame 密码子偏移，可以是0、1或2。
9 attributes
属性，一个包含众多属性的列表，格式为“标签＝值”（tag=value），不同属性之间以分号
相隔。
gtf：基因注释文件 ，总共有 9 列。分别为
列 名称 含义
1 seqname 序列的名字。通常格式染色体ID或是contig ID
2 source 注释的来源。通常是预测软件名或是公共数据库
3 feature 基因结构：transcript，gene，exon，CDS，start_codon，stop_codon，UTR…
4 start 起始位置，从1开始计数。
5 end 终止位置。
6 score 这一列的值表示对该类型存在性和其坐标的可信度，不是必须的，可以用点“.”代替。
7 strand 链的正向与负向，分别用加号 和减号-表示。“.”表示不需要指定正负链，“?” 表示未知.
8 frame 密码子偏移，可以是0、1或2。仅对编码蛋白质的CDS有效，本列指定下一个密码子开始的位置。
9 attributes
属性，必须要有以下两个值：
gene_id value: 表示坐标在基因组上的基因座的唯一的ID。gene_id 与 value 值用空格分
开，如果值为空，则表示没有对应的基因。
transcript_id value: 预测的转录本的唯一ID。transcript_id与value值用空格分开，空
表示没有转录本。
