前面已经介绍了比较基础Linux命令，在这一部分我将介绍适合多样本数据分析的一些常用的复杂命令。
以bulk转录组为例
接前面，我们使用mamba已经成功安装分析所需的各种包，现在需要使用它们一步步进行分析。一般我们测序的样本至少包括六个（control组三次重复，实验组三次重复，还可能包括不同时间，处理方式等等）。每一个样本生成的测序数据都需要运行转录组数据分析流程（包括质控，比对，定量等）。而显然一个个样本运行并不是明智的选择，效率低且容易出错。这就需要学习编写shell脚本、使用循环语句、条件语句等
首先介绍shell及shell脚本。Shell是计算机操作系统中的命令行解释器，用于解释和执行用户输入的命令。它是用户与操作系统内核之间的接口，允许用户通过命令行界面与操作系统进行交互。Bash是最常用的Shell，几乎所有的Linux发行版都默认使用它。shell脚本就是由一系列命令组成的执行文件，将一些命令整合到一个文件中，并以文本文件的形式保存，以便在Shell中执行。Shell脚本通常用于自动化重复性任务、批处理作业和系统管理。
脚本文件的命名：Shell脚本文件通常以.sh为扩展名，例如RNA-seq.sh
指定解释器：脚本文件的第一行通常是指定要使用的Shell解释器，如#!/bin/bash
使用#符号添加注释，这些注释将被解释器忽略。注释对于解释脚本中的操作和目的非常有帮助。下面是shell脚本的简单编写和运行
#编写shell脚本，打开一个文本编辑器
vi RNA-seq.sh
#!/bin/bash
#This is a RNA-seq script
#Shell脚本支持设置变量，使用=符号赋值
name="john"
#echo命令将文本输出到终端
echo "what is your name"
#使用变量，用$引用变量，下面两种都可以
echo $name
echo ${name}
#在${}中使用“#”获取长度，返回4
echo ${#name}
#提取子字符串，从第二个字符到第四个字符，以及从第一个字符到第四个字符输出john
echo ${name:1:3}
echo ${name::3}
#运行.sh脚本
bash RNA-seq.sh
接下来在多个样本处理过程中，需要重复运行各个命令，这就用到了循环语句。
我一般常用的就是for循环。for语句结构是读取不同的变量值，用来逐个执行同一组命令
for 变量名 in 取值列表
do
命令
done
#将路径设置为变量，以后再分析相似类型的数据，脚本就不用每一步都修改路径了，只需要将path变量修改成适合的路径即可
path=/home/RNA-seq
cd $path/fastq
for i in $path/fastq
do
echo $i
done
需要注意的是一般测序数据都是双端测序数据，即一个样本有R1.fq.gz和R2.fq.gz两个测序文件，所以每个样本在执行命令时需要同时输入两个文件，而for循环每次只能读取一个变量值。所以我们首先需要解决这个问题
#首先制作一个脚本
vi fastq.sh
#!/bin/bash
#列出所有（_R1.fq.gz）的路径，并将这些路径保存到文件1中。>符号被用作输出重定向操作符，作用是将命令的输出结果写入到指定的文件中。
ls /home/RNA-seq/fastq/*_R1.fq.gz > 1
ls /home/RNA-seq/fastq/*_R2.fq.gz > 2
#使用cut命令根据/分隔符提取第5个字段（第一个字段为空，完整文件路径在第5个位置），再次使用cut根据_分隔符提取第1个字段（样本名），并将结果保存到文件0中。
ls /home/RNA-seq/fastq/*_R2.fq.gz |cut -d"/" -f 5|cut -d"_" -f 1 > 0
#paste命令合并文件0、1和2的内容（分别是样本名、_R1.fq.gz和_R2.fq.gz的路径），生成文件config
paste 0 1 2 > config
#类似于sample1 /home/RNA-seq/fastq/sample1_R1.fq.gz /home/RNA-seq/fastq/sample1_R2.fq.gz
以数据质控为例
#接前面的RNA-seq.sh
mkdir -p $path/1.QC
cd $path/1.QC
#$(cat config) 的作用是将config文件的内容输出，然后这个输出会被用在for循环中，依次赋值给循环变量i
#使用$引用变量，其中每一行（i) 代表一个元素。每个元素中的第1个字符为样本名，其索引为0（即[0]），依次为_R1.fq.gz（[1]）和_R2.fq.gz（[2]）
for i in $(cat config)
do
echo $i
arr=($i)
fq1=${arr[1]}
fq2=${arr[2]}
sample=${arr[0]}
fastqc fq1 fq2 -o $path/1.QC
done
常用的还有while循环语句。只要条件成立，则反复循环，不成立即停止
while语句结构
while 条件测试操作
do
命令
done
可以用while循环实现上述for循环的操作
#|：是管道操作符，它将前一个命令的输出作为后一个命令的输入。while循环会不断地读取来自管道的输入，并将每一行的内容赋值给变量 i
cat ./config | while read i
do
echo $i
arr=($i)
fq1=${arr[1]}
fq2=${arr[2]}
sample=${arr[0]}
fastqc fq1 fq2 -o $path/1.QC
done
在数据处理过程中通常还会用到if-else条件判断语句
if语句是Linux中最基本的条件控制语句，其语法结构为
if [ condition ]
then
command1
command2
...
else
command3
command4
...
fi
output_dir="/home/RNA-seq/1.QC
cat ./config | while read i
do
echo $i
arr=($i)
fq1=${arr[1]}
fq2=${arr[2]}
sample=${arr[0]}
# 运行FastQC
fastqc $fq1 $fq2 -o $output_dir
# 定义FastQC报告文件路径，其中basename命令可以去除fq1的路径和fq.gz后缀只保留样本名，例如C1_R1、C2_R2等。$(...) 是命令替换的语法结构，用于执行括号内的命令，并将命令的输出作为字符串插入当前位置，例如C1_R1_fastqc.html
report1="${output_dir}/$(basename $fq1 .fq.gz)_fastqc.html"
report2="${output_dir}/$(basename $fq2 .fq.gz)_fastqc.html"
# 使用if语法结构检查FastQC报告文件是否生成成功。其中[[...]]用于条件判断，-f用于检查文件是否存在并且是一个普通文件。这里检查两个报告文件 report1 和 report2 是否都存在。$这里是引用变量
if [ [-f "$report1" && -f "$report2" ]]
then
echo "FastQC reports generated successfully for sample $sample:"
else
echo "Error: FastQC reports not found for sample $sample. Quality control failed."
fi
done
还有嵌套if语句可以判断多个条件并执行相应的代码块
if [ condition1 ]
then
command1
elif [ condition2 ]
then
command2
elif [ condition3 ]
then
command3
else
command4
fi
这一部分相对来说较为复杂，但却是数据分析过程中必不可少的部分。接下来我将介绍基于正则表达式的Linux进阶命令，即awk、grep、sed，三个强大的文本处理利器
