[실습] 파일 다루기 고급

  • 아래 명령어 도구들을 적극 활용할 것: awk, sed, cut, grep, wc, sort, uniq
번호 포맷 실습 주제 파일명
1 FASTQ 품질 점수가 낮은 read 필터링 data/ex01.fastq
2 FASTQ 특정 시퀀스 motif 찾기 data/ex02.fastq
3 VCF 특정 변이 위치 추출 data/ex03.vcf
4 VCF QUAL 점수가 높은 변이만 추출 data/ex04.vcf
5 GTF feature가 “gene”인 라인 추출 data/ex05.gtf
6 GTF 특정 유전자 ID만 추출 data/ex06.gtf
7 FASTQ (gzip) 압축된 FASTQ 읽기 data/ex07.fastq.gz
8 VCF chromosome별 변이 개수 세기 data/ex08.vcf
9 GTF strand별 feature 수 세기 data/ex09.gtf
10 VCF INFO 필드 파싱하여 DP 값 추출 data/ex10.vcf

실습 문제 설명

1. 품질 점수가 낮은 read 필터링

  • 파일: data/ex01.fastq
  • 조건: quality score에 특수문자(!, ', *)가 너무 많은 경우 제외
  • 명령어 예시: awk, grep, paste, cut

2. 특정 시퀀스 motif 찾기

  • 파일: data/ex02.fastq
  • 조건: 시퀀스 라인에 GATTACA motif가 있는 read만 출력
  • 명령어 예시: awk 'NR % 4 == 2 && /GATTACA/'

3. 특정 변이 위치 추출

  • 파일: data/ex03.vcf
  • 조건: chr1의 POS=123456인 행만 출력
  • 명령어 예시: awk '$1 == "chr1" && $2 == 123456'

4. QUAL 점수가 높은 변이만 추출

  • 파일: data/ex04.vcf
  • 조건: QUAL > 30
  • 명령어 예시: awk '!/^#/ && $6 > 30'

5. feature가 “gene”인 라인 추출

  • 파일: data/ex05.gtf
  • 조건: 3번째 필드가 “gene”
  • 명령어 예시: awk '$3 == "gene"'

6. 특정 유전자 ID만 추출

  • 파일: data/ex06.gtf
  • 조건: gene_id가 “GENE1”인 라인
  • 명령어 예시: awk '$9 ~ /GENE1/'

7. 압축된 FASTQ 읽기

  • 파일: data/ex07.fastq.gz
  • 조건: 압축 해제하지 않고 2개 read 추출
  • 명령어 예시: zcat data/ex07.fastq.gz | head -n 8

8. chromosome별 변이 개수 세기

  • 파일: data/ex08.vcf
  • 조건: 헤더 제외, 1번째 필드 기준으로 개수 세기
  • 명령어 예시: awk '!/^#/ {print $1}' | sort | uniq -c

9. strand별 feature 수 세기

  • 파일: data/ex09.gtf
  • 조건: strand 필드 (+ 또는 -) 기준으로 집계
  • 명령어 예시: awk '{print $7}' | sort | uniq -c

10. INFO 필드 파싱하여 DP 값 추출

  • 파일: data/ex10.vcf
  • 조건: INFO 필드에서 DP=값 만 추출
  • 명령어 예시: awk -F"DP=" '{print $2}' | cut -d";" -f1

[답지]