# この後使うデータの準備（Webサイトのある階層を一括取得し、展開する。）
$ wget http://kurodalab.bs.s.u-tokyo.ac.jp/class/Summer/2019/Day7/transomics_data.zip
$ unzip transomics_data.zip
$ mv transomics_data

# 2. リン酸化された代謝酵素の[EC number, IPI ID, リン酸化残基]　の情報を抜き出し、phospho_ec_ipi_residue.txtを作成しなさい。先頭２行は見出し行なので、３行目から出力すること。重複の除去を忘れずに。
$ tail -n +3 phosphoproteome.txt | cut -f1,2,8 | sort | uniq > phospho_ec_ipi_residue.txt

# 3. 2の結果が正しいかを模範解答ファイルと比較することで確かめる。
$ diff phospho_ec_ipi_residue.txt Day7_AnswerFiles/Step_iii/phospho_ec_ipi_residue.txt

# 4. phospho_ec_ipi_residue.txt から責任代謝酵素リスト(rme.txt)にも含まれている代謝酵素のみを抜き出しphosphorme_ec_ipi_residue.txtを作成せよ。for文でrme.txtのそれぞれのEC番号をphospho_ec_ipi_residue.txtからgrepするとよい。ただしgrepは単語一致を指定するオプションwを用いる（ec:1.1.1.1とec:1.1.1.10を区別するため）。
$ for aEC in $(cat rme.txt) ; do grep -w $aEC phospho_ec_ipi_residue.txt ; done > phosphorme_ec_ipi_residue.txt

# 5. 4の結果が正しいかを模範解答ファイルと比較することで確かめる。
$ diff phosphorme_ec_ipi_residue.txt Day7_AnswerFiles/Step_iii/phosphorme_ec_ipi_residue.txt

# 6. phosphorme_ec_ipi_residue.txtからリン酸化された責任代謝酵素のIPI IDとEC番号を抜き出したファイルphosphorme_ipi_ec.txtを作成せよ。
$ awk -F"\t" '{ print $2"\t"$1 }' phosphorme_ec_ipi_residue.txt | sort | uniq > phosphorme_ipi_ec.txt

# 7. 6の結果が正しいかを模範解答ファイルと比較することで確かめる。
$ diff phosphorme_ipi_ec.txt Day7_AnswerFiles/Step_iii/phosphorme_ipi_ec.txt

# 1. ipi.RAT.fastaをless等で閲覧せよ。見出しとアミノ酸配列が繰り返されていることがわかる。
$ less ipi.RAT.fasta

# 2. fasta形式のファイルの操作にはいくつかのツールが開発されている。今回はそのうちのseqkitを使用する。以下のコマンドを実行し、その動作を確認せよ。
$ cp seqkit /usr/local/bin/ # パスの通っている場所に移動
$ seqkit grep ipi.RAT.fasta  -p IPI00197210
$ seqkit grep ipi.RAT.fasta  -p IPI00197241

# 3. phosphorme_ec_ipi_residue.txtに含まれるタンパク質の配列をipi.RAT.fastaから抜き出し、phosphorme_ipi.fastaを作成しなさい。IPI IDはphosphorme_ec_ipi_residue.txtの2列目から抜き出し、重複を除いた上でfor文に用いるとよい。
$ for aIPI in $(cut -f2 phosphorme_ec_ipi_residue.txt | sort | uniq) ; do seqkit grep ipi.RAT.fasta -p $aIPI; done > phosphorme_ipi.fasta

# 4. 3の結果が正しいかを模範解答ファイルと比較することで確かめる。
$ diff phosphorme_ipi.fasta Day7_AnswerFiles/Step_iv/phosphorme_ipi.fasta

# 1. phosphorme_ec_ipi_residue.txtからリン酸化された責任代謝酵素のリン酸化部位（残基番号）を抜き出したファイルphosphorme_ipi_residue.txtを作成せよ。（ヒント：cutで2列目と3列目を抜き出し、重複削除）
$ cut -f2,3 phosphorme_ec_ipi_residue.txt | sort | uniq > phosphorme_ipi_residue.txt

# 2. 1の結果が正しいかを模範解答ファイルと比較することで確かめる。
$ diff phosphorme_ipi_residue.txt Day7_AnswerFiles/Step_iv/phosphorme_ipi_residue.txt

# 3. リン酸化された責任代謝酵素のFASTA形式ファイルphosphorme_ipi.fasta (Q2で作成)およびリン酸化部位ファイルphosphorme_ipi_residue.txt (Q3で作成)をNetPhorestに入力し、キナーゼの予測結果をnetworkin_predictions.tsvに保存しなさい。（先きほどのサンプルデータと別に取り扱うことを明確化したかったので、../NetPhorest/networkin_predictions.tsvに保存した。)
# → [NetPhorest](http://netphorest.info) のウェブサイトを開く

# 4. 3の結果が正しいかを模範解答ファイルと比較することで確かめる。
$ diff ../NetPhorest/networkin_predictions.tsv Day7_AnswerFiles/Step_iv/networkin_predictions.tsv

# 5. networkin_predictions.tsv は1,6列目にそれぞれ基質のIPI、責任キナーゼ名が含まれている。これらの列のみ抽出して重複を取り除き、phosphorme_ipi_kinase.txtに保存し、Excel等で中身を確認せよ。１行目は見出しなので、除いておくこと。sortコマンドにおいては、辞書順にするために-fオプションを用いること。
$ cut -f1,6 ../NetPhorest/networkin_predictions.tsv | tail -n +2 | sort -f | uniq > phosphorme_ipi_kinase.txt

# 6. 最後に、phosphorme_ipi_ec.txtとphosphorme_ipi_kinase.txtを統合し、代謝酵素とキナーゼの対応関係phosphorme_ec_kinase.txtを作成し、less等で確認せよ。join(後述)を用いて、IPI_ID, EC番号, キナーゼの表を作成後、2列目と3列目を抽出し（*）、重複を削除すれば良い。ただし、cutコマンドにおいては、区切り文字を” ”にする必要があるため（joinの仕様）、-d “ ”を付加すること。またsortコマンドにおいては、辞書順にするために-fオプションを用いること。
# *2列目と3列目の間は"\t"タブ文字ではなく、" "空白を用いてください（joinの仕様）。そのため、awkを用いる場合は$2と$3の間は" "を用いる必要がある。
$ join phosphorme_ipi_ec.txt phosphorme_ipi_kinase.txt | cut -d " " -f2,3 | sort -f | uniq > phosphorme_ec_kinase.txt

# 7. 6の結果が正しいかを模範解答ファイルと比較することで確かめる。
$ diff phosphorme_ec_kinase.txt Day7_AnswerFiles/Step_iv/phosphorme_ec_kinase.txt

# 1. NetPhorestで推定したキナーゼのうち、KEGGのインスリンシグナル伝達経路に存在するキナーゼのIDはPKA_group, PKB_group, PKC_group, p70S6K_group, GSK3_group, MAPK3_MAPK1_MAPK7_NLK_groupの6つである。これら6つを含む行のみをphosphorme_ec_kinase.txtから抜き出し、phosphorme_ec_inskinase.txt という名前のファイルに保存しなさい。
# ヒント：「PKA_groupまたはPKB_group」を検索したいときは、 "PKA_group\|PKB_group" のように書く。検索に記号を含むので、""で囲む。
$ grep "PKA_group\|PKB_group\|PKC_group\|p70S6K_group\|GSK3_group\|MAPK3_MAPK1_MAPK7_NLK_group" phosphorme_ec_kinase.txt > phosphorme_ec_inskinase.txt

# 2. 1の結果が正しいかを模範解答ファイルと比較することで確かめる。
$ diff phosphorme_ec_inskinase.txt Day7_AnswerFiles/Step_v/phosphorme_ec_inskinase.txt

# 3. 中心炭素代謝の酵素リストをつくる。そのために再びKEGG API ”Link”を用いる。
#    curl http://rest.kegg.jp/link/ec/[生化学パスウェイのID]
#    と入力すると、当該生化学パスウェイに含まれる全酵素のEC numberが表示される。解糖系(map00010)、TCAサイクル(map00020)、ペントースリン酸経路(map00030)に含まれる全酵素のEC number一覧をそれぞれglycolysis_ec.txt、tca_ec.txt、ppp_ec.txtというファイル名で保存しなさい。１列目はmapIDであることに注意せよ。
$ curl http://rest.kegg.jp/link/ec/map00010 | cut -f2 > glycolysis_ec.txt
$ curl http://rest.kegg.jp/link/ec/map00020 | cut -f2 > tca_ec.txt
$ curl http://rest.kegg.jp/link/ec/map00030 | cut -f2 > ppp_ec.txt

# 4. glycolysis_ec.txt、tca_ec.txt、ppp_ec.txtに含まれる全EC numberを重複なく統合し、中心炭素代謝経路のEC number一覧ccm_ec.txt というファイル名で保存しなさい。（ヒント：ファイルの統合にはcatを用いる。ex. cat fileA fileB fileC > file ABC）
$ cat glycolysis_ec.txt tca_ec.txt ppp_ec.txt | sort | uniq > ccm_ec.txt

# 5. 4の結果が正しいかを模範解答ファイルと比較することで確かめる。
$ diff ccm_ec.txt Day7_AnswerFiles/Step_v/ccm_ec.txt

# 6. EC numberリストccm_ec.txtとphosphorme_ec_inskinase.txtを用いて、「インスリンシグナル伝達経路の6つのキナーゼにリン酸化された中心炭素代謝の責任代謝酵素」phosphorme_ccmec_inskinase.txtを作成せよ。
$ for aEC in $(cat ccm_ec.txt); do grep -w $aEC phosphorme_ec_inskinase.txt; done > phosphorme_ccmec_inskinase.txt