「三代组装」使用Pilon对基因组进行polish

 

对初步组装进行polish

 

以FASTA和BAM文件作为输入，根据比对结果对输入的参考基因组进行提高，包括

• 单碱基差异
• 小的插入缺失(indels)
• 较大的插入缺失或者block替换
• 填充参考序列中的N
• 找到局部的错误组装

最后输出polish后的FASTA文件

 

利用第二代数据和第三代数据进行混装（Hybrid assembly），这种方法充分发挥了第二代数据质量高和第三代数据片段长的优势，组装出来的结果质量普遍比较高。混装策略的其中一种是先用第二代数据对第三代片段进行纠错，然后将第三代长片段组装成contigs，最后基于第二代的mate-paired数据生成scaffolds，如Pilon[41]软件支持该方法。2016年Jeong-Sun等[42]使用后一种方法完成了韩国人基因组的组装，组装完成之后的contigs和scaffolds N50分别达到17.9 Mb和44.8 Mb。

 

consensus得到的fa与consensus+pilon得到的fa, 由于N50反映的是序列的长度，不能反映polion所做的修改单碱基差异等提升效果。Busco理论上可以反映提升效果，局部错误纠正后理论的busco值应该更大了。

 

参考来源：

https://www.jianshu.com/p/cceeb7d1f413

卢鹏, 金静静, 李泽锋, 等. 基于第三代测序技术的基因组组装方法及其在烟草中的应用. 烟草科技, 2018, 51(2): 87-94.