datamash 是 data 和 mash 的组合词语，data 是数据，mash 捣碎和调情的意思，这里边应该翻译捣碎更加贴切。它是一个 GNU 工具，和 Linux 一些基础命令类似，所以可以使用 yum或者 apt 直接安装。这样就可以在命令行中对数据进...

csvtk是 seqkit 与 taxonkit 作者开发的另外一款工具，专门用来处理表格数据，虽然名字称为 csvkit，但也可以处理 tsv 格式。可以对表格文件进行多种处理，包括统计，转换，集合，编辑，排序，绘图等操作。相比于 R 与 python 这些功能...

bioawk 是 bwa，samtools 等软件作者李恒写的另一个工具，在 awk 的基础上增加一些专门处理生物文件的使用功能。可以处理 fasta/q，bam，gff，vcf 等格式文件。...

cut 命令从文件的每一行剪切字节、字符和字段并将这些字节、字符和字段写至标准输出。如果不指定 File 参数，cut 命令将读取标准输入。必须指定 -b、-c 或 -f 标志之一。...

sed 全称是 Stream EDitor，是一种流编辑器，什么是流编辑器呢。也就是相当于一个格式化的工具。当数据流过这个工具时，都被格式化成固定的格式。比如一个流水线中的一个模具，原材料是各种形状的，但是结果模具处理之后都变成...

grep 是 Linux 下非常重要的一个工具，grep 全称是 Global Regular Expression Print，表示全局正则表达式版本。grep 是一个文本筛选器，其实也是搜索的功能，grep 的工作原理是，给定一个条件，我们也叫做模式，然后从文本中筛选...

正则表达式，又称规则表达式，模式匹配。（英语：Regular Expression，在代码中常简写为regex、regexp 或 RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。...

写在最后：有时间我们会努力更新的。大家互动交流可以前去论坛，地址在下面，复制去浏览器即可访问，弥补下公众号没有留言功能的缺憾。原地址暂未启用（bioinfoer.com）。...

SAM 文件格式（Sequence Alignment Map Format）是高通量测序分析当中最重要的文件格式之一。将测序数据（fastq 格式）与参考序列（fasta 格式）进行比对，就会生成 sam 格式。sam 格式文件中包含了全部的测序数据信息，参考序列信息...

前面介绍的都是 reads 正常的比对情况，比上或者比对不上。在实际比对过程中还会出现很多种“特殊”情况，而往往分析需要的就是这种特殊情况。例如多重比对的 reads 分配问题，将 reads split 切割之后的比对，包括 spliced ...