특정 파일이나 디렉토리를 남기고 모두 지우기

file.txt라는 이름의 파일을 남기고 나머지를 모두 지우기.

find . ! -name 'file.txt' -type f -exec rm -f {} +

디렉토리라면 type을 d로 바꾸고 rm 에 recursive 옵션을 추가하면 된다.

find . ! -name 'file.txt' -type d -exec rm -rf {} +

* 주의사항 

위의 디렉토리만 남기고 모두 지우기는 디렉토리 안의 파일도 모두 지움

디렉토리 수준에서만 적용하고 싶다면 아래처럼 사용한다

find . -maxdepth 1 ! -name 'file.txt' -type d -exec rm -rf {} +

여러 개의 파일을 남겨놓고 싶다면 아래처럼 추가 할 수 있다.

find . ! -name 'file.txt' ! -name 'file2.txt' -type f -exec rm -f {} +

Reference -

https://unix.stackexchange.com/questions/153862/remove-all-files-directories-except-for-one-file

16진수 RGB코드 알아내는법

화면 내에서 특정 색이 가진 RGB코드를 쉽게 알아내려면 EST soft에서 제공하는 알씨 프로그램이 가장 편하다. (https://www.altools.co.kr/download/alsee.aspx)

알씨 프로그램에서 [보기]->[픽셀정보] 를 클릭하면 마우스의 위치를 따라가면서 RGB값을 표시해준다. 0x는 16진법이라는 표시니 제외하고 뒤에 숫자+알파벳 조합이 색의 정보이다.

DESeq2에서 heatmap, PCA, MA, volcano plot 그리기

분석을 위한 DataSet이 필요하다. 예시에서는 여러 cell line에 몇 가지 drug를 각기 다른 dose로 처리했을 때의 결과를 분석하고자 한다.

DEG분석은 dose에만 초점이 맞춰지도록 디자인 하였다.

res변수는 결과가 adjust p-value 낮은순서대로 sorting하여 저장하였다.

Cancer cell line 정보 받기

https://cancer.sanger.ac.uk/cell_lines

Catalogue Of Somatic Mutations In Cancer (COSMIC) 홈페이지에서 cancer cell line에 대한 정보를 받는 법을 알아보려고 한다. 특히나 특정 cancer cell line으로 실험을 하였을 때 결과가 제대로 나왔는지 확인하기 위해 해당 cell line에 존재하는 variant를 검사해 볼 수 있다.

가장 먼저 홈페이지에서 genome version을 설정해주어야 한다. 이 후의 자료들은 다 위의 genome version을 기반으로 제공된다.

옆에 검색창에 "HeLa"를 검색해보자.

비슷한 이름의 다른 정보가 하나도 없기 때문에 Samples에 하나 나온다. 나머지 정보는 뻔한 것들이니 넘어가고 뒷부분에 존재하는 variants를 보면 HeLa가 가지고 있는 variants가 보인다.

Filters를 사용하면 더 specific한 변이들만 따로 고를 수 있다.

Reference - 

https://cancer.sanger.ac.uk/cell_lines

Optical duplicate와 Library duplicates

NGS 데이터 생산시 reads의 숫자를 증폭시키기 위해 PCR cycle을 돌리게 되는데 분석 과정에서 과도하게 증폭된 reads를 제거하기위해 remove duplicate과정을 거치게 된다. 

picard의 markduplicate 모듈을 사용했을 때 나온 결과의 예시이다. Optical Duplicates와 Not Optical Duplicates가 존재한다.

데이터에서 관측되는 duplicate는 두 종류이다.

optical duplicates

- read를 읽을 때 single cluster를 인접한 두 개의 cluster라고 인식했을 때 생긴다. 두 sequence는 굉장히 유사한 sequence를 가지게 된다. 일반적으로 N개의 염기가 같은 경우 optical duplicates로 분류하는데 N은 read 전체 일 수도 있고 약 50정도를 사용할 수도 있다. alignment를 하지 않아도 찾아낼 수 있다.

library duplicates

- PCR duplicates라고도 말하며 라이브러리 제작 준비 과정에서 생겨날 수 있다. 독립적인 스팟에서 일어나기 때문에 optical duplicates와는 달리 NGS장비 내부에서 인접한 cluster에서 발생하지 않지만 서열이 굉장히 유사하다는 점이 optical duplicates와의 차이이다. genome에 맵핑 이후에 찾아낼 수 있다.

FastQC에서 보이는 duplicates를 어떻게 해석해야 할까?

- FastQC에서 보이는 duplicate level이 sequencing이 잘 되었다 안되었다를 의미하는 것은 아니다. 단지 데이터가 일반적인 특성에 따라가는지 여부만을 확인시켜 줄 뿐이다. 

(선 하나 하나가 하나의 sample을 보여주고 있는 것이다.)

- FastQC에서의 duplicate level은 perfect match만을 보여주는 것이기 때문에 sequencing error나 전체적인 quality score가 낮은 경우, 실제로는 duplication이 많지만 그렇지 않게 보일 수 있음을 주의해야 한다.

Reference -

https://wiki.bits.vib.be/index.php/Q%26A_added_during_the_intro_to_NGS_data_analysis

http://proteo.me.uk/2011/05/interpreting-the-duplicate-sequence-plot-in-fastqc/