Pilon的使用

Pilon使用read比对分析识别输入的基因组序列与reads证据之间的不一致，尝试修正基因组序列中的差错，包括：

• 单碱基变异
• 小的插入缺失
• 较大的插入缺失或片段替换事件（block substitution events ）
• 补洞
• 识别错误的本地组装，包括打开新的gaps

输入数据

Pilon的输入数据有两个，FASTA格式的基因组文件以及将测序数据比对到基因组上的BAM文件。其中，BAM文件需要提前sort并建立索引（be sorted in coordinate order and indexed）。对于Illumina数据，一般使用BWA或Bowtie 2进行序列比对。

To use Pilon with default arguments, read length is recommended to be 75 bases or longer and total sequence coverage should be 50x or greater, though deeper total coverage of >100x is beneficial.

要使用默认参数运行Pilon，推荐输入数据的reads读长大于75 bp，全序列的覆盖度应大于50x，当然覆盖度更高（大于100x）就更好了。Pilon能够使用小片段，大片段或单端测序数据作为输入，并且可以同时输入多个文库的数据。Pilon能够有效地利用reads之间的配对信息，因此强烈建议以双端测序文库数据作为输入。

输入文件

Pilon产生一个修正后的基因组序列，包括了所有的单碱基变异，Indel等修正。

Pilon能产生一个VCF格式的文件，记录了基因组中每个位点的SNP或InDel信息。经本地重新组装得到的变化记录在相应的标记(SVTYPE=INS and SVTYPE=DEL) 中。Pilon还能够产生一个“changes”文件，以表格方式记录了从输入基因组到输出基因组之间的编辑操作，两者之间的一致性序列，以及两个各自的序列。最后，Pilon还能够产生一系列可视化的记录文件 (“bed” and “wig” files) ，用于诸如IGV(17)和GenomeView(18)基因组浏览器的可视化。记录文件包括了序列的覆盖度（sequence coverage and physical coverage），每个位点匹配到的有效reads的百分比。

Pilon的标准输出也含有许多有用的信息，包括覆盖度，输入基因组的确认度，修正信息的汇总，以及一些特殊标记，却未得到修正的问题。

资源消耗

Larger genomes will require more memory to process; exactly how much is very data-dependent, but as a rule of thumb, try to allocate 1GB per megabase of input genome to be processed.

因此，100M的基因组就约需要100G的内存消耗。105M基因组，输入clean data5G数据量实测内存占用峰值达到82.5G，对于大型基因组来说，消耗惊人。

参考来源

https://github.com/broadinstitute/pilon/wiki/Requirements-&-Usage

https://github.com/broadinstitute/pilon/wiki/Methods-of-Operation