contigs的raw counts转化到bin的raw counts
#!/usr/bin/env python
#########################################################
# Add contig raw read counts by bin mapping
# Written by PeiZhong in IFR of CAAS
# Optimized by ChatGPT for robustness
import argparse
import pandas as pd
parser = argparse.ArgumentParser(description='Aggregate contig raw read counts into bins')
parser.add_argument('--stb', '-m', required=True, help='Mapping file: contig to bin (TSV format)')
parser.add_argument('--raw_reads', '-r', required=True, help='Contig-level raw read count table (TSV format)')
parser.add_argument('--output_name', '-o', required=True, help='Output file name for bin-level count table (TSV)')
args = parser.parse_args()
# 1. Load contig-to-bin mapping
map_df = pd.read_csv(args.stb, sep='\t', header=None, names=["Contig", "Bin"])
# 2. Load contig-level raw count matrix
count_df = pd.read_csv(args.raw_reads, sep='\t')
# 3. Merge to add Bin info to contig count table
merged_df = pd.merge(map_df, count_df, left_on="Contig", right_on="GeneID", how='inner')
# 4. Aggregate counts by bin (sum across contigs in the same bin)
bin_counts = merged_df.drop(columns=["Contig", "GeneID"]).groupby("Bin").sum()
# 5. Save as TSV
bin_counts.to_csv(args.output_name, sep='\t')
print(f"Bin-level count matrix saved to: {args.output_name}")
stb文件
Dairy_cattle_Abomasum-1__c384 RGIG1.fa Dairy_cattle_Abomasum-1__c1727 RGIG1.fa Dairy_cattle_Abomasum-1__c4302 RGIG1.fa Dairy_cattle_Abomasum-1__c6442 RGIG1.fa
raw reads文件
GeneID ATCC_10 ATCC_11 ATCC_1 ATCC_2 ATCC_3 ATCC_4 ATCC_5 ATCC_6 ATCC_7 ATCC_8 ATCC_9 CK_10 CK_11 CK_1 CK_2 CK_3 CK_4 CK_5 CK_6 CK_7 CK_8 CK_9 * 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Dairy_cattle_Abomasum-1__c100066 2 2 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 1 0 2 0 Dairy_cattle_Abomasum-1__c100090 0 0 0 0 0 0 0 0 1 0 0 0 2 4 3 0 0 0 0 0 2 0
结果
Bin ATCC_10 ATCC_11 ATCC_1 ATCC_2 ATCC_3 ATCC_4 ATCC_5 ATCC_6 ATCC_7 ATCC_8 ATCC_9 CK_10 CK_11 CK_1 CK_2 CK_3 CK_4 CK_5 CK_6 CK_7 CK_8 CK_9 RGIG1.fa 53 196 106 383 227 82 117 168 210 126 96 237 225 132 146 234 129 185 162 267 125 306 RGIG1000.fa 138 143 177 151 146 109 100 116 129 133 155 143 182 126 188 144 156 144 218 183 186 168 RGIG10000.fa 76 139 98 103 192 71 107 111 170 136 116 123 176 146 177 214 161 222 204 272 212 363 RGIG10001.fa 6999 1483 1643 17601 86843 47775 4379 4506 4197 12932 3891 2968 16374 2753 2802 1354 3820 2672 5509 2798 5807 4192 RGIG10002.fa 55367 62596 48127 61821 47531 80204 54267 33811 62336 44081 63759 69962 45994 87378 78818 115251 72333 57748 78264 59453 59145 55542
（图片来源网络，侵删）
（图片来源网络，侵删）
（图片来源网络，侵删）
免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度，360，搜狗等多加搜索引擎自动关键词搜索配图，如有侵权的图片，请第一时间联系我们。
