Olá, esta é mais uma de um conjunto de práticas em bioinformática desenvolvidas para o curso de Biomedicina da PUC MG. Você pode encontrar as demais práticas aqui.
Comandos básicos II
Inputs & outputs
As operações que o computador executa - seja através de programas, scripts, aplicativos ou comandos - funcionam a partir do que chamamos de input (ou entrada). Inputs podem ser tanto arquivos, quanto parâmetros e argumentos necessários para a execução de uma operação lógica.
De maneira semelhante, tudo o que é gerado por um comando (ou programa, script, aplicativo, …) é denominado output.
Na linha de comando é possível encadear diversos comandos sequencialmente, de maneira que o input do primeiro comando seja o output do próximo. Isto é conseguido pelo uso do pipe, identificado por uma barra vertical (|). Assim, um conjunto de comandos encadeados por pipes pode ser denominado pipe line, termo que pode ser expandido para representar qualquer conjunto de análise sequenciais para a transformação de um input em algum output. Mas, antes de trabalharmos com pipes, vamos primeiramente escrever alguns arquivos.
Tipos de arquivos
Um arquivo é uma entidade que pode armazenar qualquer coisa, e pode ser codificado de duas maneiras:
Arquivos binários: um arquivo binário contém código legível por máquina que pode ser executado diretamente pelo processador de um computador. Ele armazena dados em formato binário, o que significa que usa uma série de 0’s e 1’s para representar informações. Estes formatos são normalmente usados para programas executáveis, bibliotecas e outros arquivos que contêm código compilado, ou seja, um conjunto de instruções que já foi transformado da linguagem de programação original para um código de máquina, pronto para ser interpretado pelo processador. Arquivos binários não podem ser facilmente lidos ou editados por humanos e geralmente requerem ferramentas ou programas especiais para trabalhar com eles.
Arquivo de texto: um arquivo de texto armazena dados como uma sequência de caracteres que podem ser lidos e editados por humanos. Os arquivos de texto geralmente são codificados usando conjuntos de caracteres ASCII ou Unicode e podem ser criados e editados usando uma ampla variedade de editores de texto. Os formatos de arquivo de texto são comumente usados para armazenar arquivos de configuração, arquivos de dados e outros tipos de conteúdo legível por humanos.
Em resumo, os formatos de arquivo binário são otimizados para processamento por máquina, enquanto os formatos de arquivo de texto são otimizados para legibilidade e edição por humanos. Ambos formatos podem ser convertidos um no outro.
Há diferentes maneiras de se organizar as informações contidas em cada tipo de arquivo. A esses tipos de organização damos o nome de formato. O formato de cada arquivo é evidenciado pela sua extensão, que é uma abreviação incluída ao final do nome de cada arquivo. Por exemplo, arquivos de texto do Microsoft Word são identificados pelo sufixo .docx. Mas, além da identificação pelo nome, a estrutura interna é o que realmente determina o formato, sendo o sufixo apenas um facilitador.
Alguns exemplos de formatos de arquivo de texto incluem:
Arquivos de texto simples: Esses arquivos contêm apenas texto sem formatação, como arquivos .txt. Eles são fáceis de criar e editar, mas não oferecem suporte a recursos avançados de formatação de texto, como negrito, itálico, cores etc.
Arquivos de texto delimitados: Esses arquivos contêm dados tabulares, onde cada coluna de dados é separada por um caractere de delimitação, como uma vírgula ou um ponto-e-vírgula. Exemplos de formatos de arquivo de texto delimitados incluem .csv, .tsv e .txt. Eles são amplamente utilizados para armazenar dados em planilhas e bancos de dados.
Arquivos de texto com marcação: Esses arquivos incluem texto com marcação, como arquivos .html, .xml ou .markdown. A marcação é usada para adicionar informações sobre a estrutura do documento, como títulos, parágrafos, listas e links. Os arquivos de texto com marcação são usados principalmente na web para exibir conteúdo em navegadores.
Arquivos de texto estruturados: Esses arquivos contêm dados organizados em uma estrutura específica, como arquivos .json, .yaml ou .ini. Eles são usados principalmente para armazenar configurações, opções e outros dados que precisam ser organizados hierarquicamente.
Escrevendo arquivos
Na prática passada ulitizamos alguns comandos para criar e modificar arquivos. Agora, iremos aprender outros comandos para escrever e editar arquivos.
Via linha de comando
O resultado (output) de qualquer comando pode ser escrito diretamente em um arquivo. Isto pode ser feito utilizando os sinais > & >>. Estes sinais representam a ação de adicionar conteúdo a um arquivo. Enquanto o segundo, >>, adiciona conteúdo ao final de um arquivo, o primeiro, >, reescreve totalmente seu conteúdo, apagando qualquer informação existente. Vamos fazer algumas experimentações.
Com o comando echo, crie algum conteúdo e salve ele num arquivo, utilizando o operadore de escrita em arquivos >>. Em seguida, visualize o conteúdo do arquivo com o comando cat.
echo "linha 1" >> arquivo.txt
echo "linha 2" >> arquivo.txt
echo "linha 3" >> arquivo.txt
echo "linha 4" >> arquivo.txt
echo "linha 5" >> arquivo.txt
cat arquivo.txt
Observe que todas as linhas foram armazenadas no arquivo. Vamos ver o que acontece com o outro operador.
Com o comando echo, crie algum conteúdo e salve ele num arquivo, utilizando o operadore de escrita em arquivos >. Em seguida, visualize o conteúdo do arquivo com o comando cat.
echo "linha 1" > arquivo2.txt
cat arquivo2.txt
echo "linha 2" > arquivo2.txt
echo "linha 3" > arquivo2.txt
echo "linha 4" > arquivo2.txt
echo "linha 5" > arquivo2.txt
cat arquivo2.txtObserve que apenas a última linha está armazenada no arquivo. Todas as demais foram armazenadas, porém foram sobreescritas a cada novo comando.
Agora, remova os arquivos que você gerou, para mantermos a organização de nossas pastas.
rm arquivo.txt
rm arquivo2.txt
Com editor de texto (vi)
Editores de texto são programas que permitem você abrir arquivos de texto e editar seu conteúdo. Há diversas opções disponíveis, com várias funcionalidades diferentes. Nos sistemas operacionais Linux, o editor de texto padrão é o Vi, também disponível como Vim (uma abreviação de Vi IMproved).
Como não existe mouse na linha de comando, a interação com o editor de texto é toda feita utilizando atalhos de teclado. Atalhos são combinações de teclas que geram ações. Cada programa ou ambiente tem seus próprios atalhos. Na dúvida sobre as opções, utilize ferramentas de busca como o Google para fazer buscas, utilizando palavras-chave como, neste caso. Estas buscas podem ser feitas em qualquer idioma, mas é mais fácil de conseguir uma variedade maior de resultados quando a busca é feita em inglês, visto que esta é a língua atualmente adotada como universal, tanto pela ciência quanto pela informática.
Por exemplo, neste caso, façamos a busca com as seguintes palvras-chave:
vi linux atalhos
Explore os resultados e veja que há muitas opções de atalhos.
Atalhos do vi
Mas não se assuste, aqui vai uma relação dos principais atalhos que você vai precisar.
| Comando | Ação |
|---|---|
| i | ativar o modo de inserção |
| esc | sair do modo de inserção |
| : | sinalizar uma ação |
| :w | salvar o arquivo |
| :wq | salvar o arquivo e sair do programa |
| :q! | sair do programa SEM salvar o arquivo |
| Del | deletar conteúdo à frente do cursor |
| Backspace | deletar conteúdo para trás do cursor |
| botão direito do mouse | copiar texto selecionado |
| botão direito do mouse | colar texto copiado |
| dd | deletar a linha onde está o cursor |
| yy | copiar a linha onde está o cursor |
| p | colar a linha onde está o cursor |
| /xxx | buscar o padrão xxx no conteúdo do arquivo |
| Estes comandos só funcion | am estando fora do modo de inserção, que é o modo onde qualquer tecla é escrita como texto no arquivo. Para saber se você está no modo de inserção, basta observar o canto inferior esquerdo da tela do editor. Se você estiver no modo de inserção, verá lá escrito: |
-- INSERT --
Escrevendo scripts
Os scripts estão para a bioinformática assim como as receitas estão para a culinária. Os ingredientes são o inputs, e todos os comandos, programas, funções e possibilidades, que podem ser combinados de diversas maneiras e em ordem variada, para se obter o prato final, o output.
Uma vez que você tem em mente uma sequência de procedimentos que queira realizar e repetir, você pode organizá-los num arquivo que será lido pelo computador como uma receita. Isto te poupará o tempo de ter que ficar repetindo comandos, além de previnir os erros que sempre ocorrem em qualquer repetição não programática, quando se faz algo manualmente. Outra vantagem é que os scripts possibilitam automatização e paralelização, ou seja, o computador pode fazer por você uma mesma tarefa, várias vezes ao mesmo tempo, para um conjunto de inputs semelhantes.
Preparativos
Iremos escrever um script em bash, ou seja, na mesma linguagem que estamos exercitanto. Qualquer um dos comando que você já executou pode ser colocado como uma instrução no script.
Antes de começarmos, primeiro precisamos definir o que ele vai fazer. Vamos começar com algo simples, um scrpt que mostre a data do dia e uma mensagem.
Execute o comando date para obter a data do dia. Experimente suas variações, e investige seus argumentos.
date
date +%F
date +%D
date --help
O comando para exibir mensagens você já conhece, é o comando echo.
Execute o comando echo para gerar uma mensagem.
echo "Olá, mundo!"
Históricamente, o primeiro script que um informata aprende a fazer é o Hello Wolrd!, que é um programa que exibe esta mensagem. Mas vamos um pouco além.
Seu 1° script
Vamos criar um script com os comandos que executamos na seção anterior.
Abra o editor de texto para editar um arquivo com nome script1.sh.
vi script1.sh
Dentro do texto, entre no modo de inserção (i) e digite o seguinte conteúdo:
#!/bin/bash
# este script gera uma saudação para o usuário
echo -e "\n\tBom dia, $USER!!!!\n"
echo "Hoje é dia `date +%D`, um lindo dia para se aprender bioinfo!"
echo -e "\n\n"
Após incluir o conteúdo, saia do modo de inserção (Esc) e saia do editor, salvando o arquivo (:wq).
Você deve ter percebido algumas coisas diferentes no conteúdo do script. A primeira linha é iniciada por #! denominado shebang ou hashbang). Esta linha especial explicita em qual linguagem está escrito o script, e também indica o caminho para o interpretador do código no script. No nosso caso, é um script em bash, cujo interpretador está localizado em /bin/bash. Este conteúdo sempre deve estar presente na primeira linha de qualquer script.
Qualquer outra linha iniciada por # (exceto a \(1^{a}\)) identifica um comentário. Essas linhas não são executadas pelo script, são ignoradas pelo interpretador. Você pode colocar qualquer conteúdo em linhas comentadas, seja para explicar partes do script, seja para assinar autoria, adicionar informações de contato, etc.
Agora, o seu script já está quase pronto para ser executado. Falta apenas um detalhe, ele precisa ser convertido em um arquivo executável.
Habilitando execução
Por padrão, nem todos os arquivos de texto são executáveis. Essa característica pode ser observada com o comando ls, utilizando um argumento que você já conhece, o -l.
ls -l
# drwxr-x--- 5 heron heron 4096 Feb 15 20:35 ./
# drwxr-xr-x 4 heron heron 4096 Feb 15 14:46 ../
# -rwxr-xr-- 1 heron heron 185 Feb 15 20:35 script1.sh*
Observe o conjunto de letras que aparece no começo de cada linha, estes são os atributos dos arquivos. Quando todas presentes, elas teriam a seguinte composição:
d rwx rwx rwx
Cada um desses campos tem um singificado:
d: explicita que o arquivo é um diretório
rwx: explicita as permissões do arquivo, sendo:
- r: permissão de leitura (read).
- w: permissão de escrita (write).
- x: permissão de execução (execute)
Observe que, após o d, temos três conjuntos de rwx repetidos. Esses conjuntos se referem às permissões para, respectivamente:
1° grupo: Permissões do proprietário, do usuário que criou e possui o arquivo.
2° grupo: Permissões do grupo.
3° grupo: Permissões dos demais usuários.
Todas essas permissões podem ser modificadas, para bloquear ou liberar acesso de qualquer usuário a qualquer arquivo. Apenas o proprietário ou o super usuário, o usuário root, podem modificar as permissões de um arquivo, ou transferir sua propriedade.
Vamos alterar as permissões do nosso script, habilitando sua execução por outros usuários. Isso é feito com o comando chmod.
Altere as permissões de execução do script1.sh com o comando chmod.
ls -l
chmod +x script1.sh
ls -l
Observe a diferença nos atributos do arquivo, antes e depois da modificação.
Veja que agora o nome do arquivo, quando listado, fica verde (no esquema de cores default). Isto significa que ele agora é um executável!
Executando o script
Agora, para executar o script, podemos fazer de duas maneiras:
Execute o script chamando o seu interpretador, o bash:
bash script1.sh
Execute o script sem chamar o seu interpretador:
#executar a partir de qualquer lugar: caminho completo
/home/$USER/script1.sh
#ou
~/script1.sh
#executar estando na mesma pasta que o script: caminho relativo
./script1.sh
Observe que, com ambas maneiras, chegamos a um mesmo resultado.
Nomeando o script
O nosso 1° script tem o sufixo .sh. Mas este sufixo é apenas para facilitar a nossa organização. Uma vez que o interpretador está definido dentro do próprio arquivo, este pode ter qualquer nome (desde que seja formado por uma única palavra, sem espaçoes, e não tenha caracteres especiais além de - ou ***_***). Vamos testar:
Renomeie e execute o script.:
#renomear o script
mv script1.sh olar
#confira seus atributos
ls -l
#execute o script com o novo nome
./olar
Por hoje é só! Você agora já tem os conhecimentos que precisa para escrever outros scripts, utilizando os comandos que já sabe e que vai aprender!
Exercícios
Utilizando os comandos que você aprendeu, execute as instruções a seguir. Sempre que pssível, utilize a tecla \(TAB\) para completar os nomes de arquivos, caminhos e programas existentes.
Uma sequência de DNA sempre é representada no sentido 5’ -> 3’. Quando queremos representar a sequência da fita complementar, ela deve ser exibida no seu sentido 5’ -> 3’, no sentido inverso da fita principal. Além disso, cada letra que simboliza um base principal deve ser trocada pela correspondente na fita complementar, por exemplo A -> T ou C -> G. Quando vamos representar o RNA complementar, correspondente à fita principal de DNA, a base T (timina) deve ser substituída pela base U (uracila).
Observe o seguinte conjunto de comandos:
echo "AAATTTGGGCCCCCCCCCC"
echo "AAATTTGGGCCCCCCCCCC" | rev
echo "AAATTTGGGCCCCCCCCCC" | tr 'ACGT' 'TGCu'
Com base no output de cada linha, você consegue compreender o que fazem?
Desafio
Escreva um programa chamado dna2rna que vai receber uma sequência de DNA e vai gerar seu complemento reverso em RNA.
DICA: dentro do script, o comando echo “sequência” deve ser substituído por echo $1, sem aspas.
->$1 é uma variável que corresponde ao primeiro argumento que um script recebe. Assim, qualquer sequência que você passar para na linha de comando será encaminhada para dentro do script. Por exemplo:
#executando o script com uma sequência como 1º argumento
dna2rna "AAAAATTGC"
# o script dna2rna receberá "AAAAATTGC" como seu argumento $1
#resultado esperado
GCAAuuuuuVoltar para a página inicial