宏基因组分箱CheckM评估结果的提取

最新推荐文章于 2025-02-18 16:12:37 发布

EmmettPeng

最新推荐文章于 2025-02-18 16:12:37 发布

阅读量4.8k

点赞数 3

分类专栏：生物信息学 #宏基因组分析杂七杂八的Python小代码文章标签： python

本文链接：https://blog.youkuaiyun.com/Emmett_Bioinfo/article/details/116891391

版权

CheckM

CheckM在前文已经提过了，是一款评估宏基因组分箱质量的软件。目前我使用MetaBAT2这款软件已经对我的数据进行了一次分箱，现在利用CheckM进行质量评估。目前阶段，我主要想看Completeness和Contamination两个指标。

CheckM结果存储

我找了一下CheckM的结果存储，发现了这个文件/PATH/TO/checkm_results/storage/bin_stats_ext.tsv，里面存储的信息还是我想要的用的
在这里插入图片描述
可以发现，每一行都是一个bin的信息，由bin的id和信息组成，bin的信息是由一个类似于python里字典的形式存储的。接下来就是要把这个信息提取出来，变成我们常用的txt表格的形式，方便后续的整理。

代码

#!/bin/python3

'''
This program is designed to process CheckM output file (e.g. bin_stats_ext.tsv) to easy-to-read text format (.txt)

Usage: python3 checkm_summary.py <inputfile> <outputfile>

Written by: Emmett Peng
'''
import json
import sys

with open(sys.argv[1] ,'r') as f:
	Load = {
   }
	for line in f:
		line = line.replace('\'','\"')
		line = line.split('\t')
		line[0] = 'bin_' + line[0].replace('.bin.', '_')
		#print(line[0])
		#line[0]:Bin Id; line[1]:Bin information
		#exec(f"line[0] = json.loads(line[1])")
		Load[line[