windows下ubuntu系统，bwa reads mapping

        我们用bwa对一个样本的reads对大肠杆菌基因组进行mapping,获得reads在大肠杆菌参考基因组上的分布情况，比如平均覆盖度、覆盖度分布图等。

        首先下载大肠杆菌基因组ncbi数据库下载就不展示了

        下载完后解压缩

        unzip ecoli.zip #得到下面一些文件

Archive:  ecoli.zip
  inflating: README.md
  inflating: ncbi_dataset/data/data_summary.tsv
  inflating: ncbi_dataset/data/assembly_data_report.jsonl
  inflating: ncbi_dataset/data/GCA_000005845.2/GCA_000005845.2_ASM584v2_genomic.fna
  inflating: ncbi_dataset/data/GCF_000005845.2/GCF_000005845.2_ASM584v2_genomic.fna
  inflating: ncbi_dataset/data/dataset_catalog.json

        这是一个包含了关于大肠杆菌（Escherichia coli）基因组数据集的压缩文件，包括README.md说明文件、data_summary.tsv数据摘要表格、assembly_data_report.jsonl装配数据报告、以及两个目录GCA_000005845.2和GCF_000005845.2。

        其中，GCA_000005845.2和GCF_000005845.2分别是大肠杆菌K-12 substr. MG1655基因组的两个不同版本，包含了该基因组的fasta格式序列文件（GCA_000005845.2_ASM584v2_genomic.fna和GCF_000005845.2_ASM584v2_genomic.fna）。dataset_catalog.json是该数据集的目录索引文件，记录了各个文件的位置和相关信息

我们选择一个作为大肠杆菌的基因组文件

#建立索引

bwa index GCA_000005845.2_ASM584v2_genomic.fna

#开始mapping,需要质控，去宿主的reads,还要去除pcr重复，可见我之前的分享。

bwa mem -t 20  /mnt/h/db/ecoli/ncbi_dataset/data/GCA_000005845.2/GCA_000005845.2_ASM584v2_genomic.fna Lib-Z3-A12_L2.1.fq.gz Lib-Z3-A12_L2.2.fq.gz > ECOLI.sam

#SAM转bam

samtools view -bS ECOLI.sam | samtools sort -o ECOLI.sam

#使用samtools的depth命令来计算每个位置的覆盖度，得到reads的分布情况：

samtools depth ECOLI.sam > coverage.txt

#可以使用统计软件或脚本来进一步分析coverage.txt文件，以获得reads在参考基因组上的分布情况，比如平均覆盖度、覆盖度分布图等。

import matplotlib.pyplot as plt

# 读取数据文件
data = []
with open('D:/文献重要分享/coverage.txt', 'r') as file:
    for line in file:
        line = line.strip().split('\t')
        data.append((int(line[1]), int(line[2])))

# 提取位置和覆盖率数据
positions = [d[0] for d in data]
coverages = [d[1] for d in data]

# 绘制图表
plt.figure(figsize=(10, 5))
plt.plot(positions, coverages, marker='o', linestyle='-')
plt.xlabel('Genomic Position')
plt.ylabel('Coverage')
plt.title('Genomic Coverage')
plt.grid(True)
plt.show()

可以先画成这样，之后可以再调整。

bwa，blast等软件都可以mapping,而且结果有很大差距，之后，可以实验一下。