三代基因組拼接軟件--Falcon篇
Falcon是PacBio開發的一款用於三代基因組devono拼接軟件，該軟件支持PBS,SLURM,SGE,TORQE, LSF作業調度系統。大體的工作原理是將長reads分隔成指定大小模塊，這些模塊彼此間再相互比對，進行自我糾錯以及查找重疊信息，然後再用De Bruijn算法進一步拼接生成contigs。
原理簡介：
1.Raw sub-reads overlapping for error correction（構建進行錯誤矯正的重疊信息)
具體先由fasta2DB與DBsplit對原始reads進行建庫分割，分割大小有參數可控，可見下文參數解析，再HPC.daligner生成多個job數的shell腳本放在run_jobs.sh裏，接著再根據設定的job_type類型，即根據作業調度系統或者單一節點模式，PBS，SGE通過qsub，SLURM用sbatch將這些job投到相應的計算節點上去，再由每個rj開頭的shell腳本對之前分割好的模塊進行daligner比對生成相應的.las,再由LAchek，LAsort，LAmerge進行檢查，排序，合並。
2.Pre-assembly and error correction (預組裝與錯誤矯正)
通過LA4Falcon將之前合並好的.las文件轉成falcon識別的格式，再通過管道傳遞給fc_consensus進行預組裝與錯誤矯正，最後生成fasta文件，所生成的fasta文件數應該與0_rawreads/preads/下的cns開頭的文件夾數相同，最後的這些preads將被用於下面的組裝。
3.overlapping detection of the error corrected reads （錯誤矯正後的重疊信息群的構建）
與1相似也是通過fasta2DB與DBsplit對矯正過的reads進行建庫分割，也是由HPC.daligner生成一個所有jobs數的集合腳本run_jobs.sh,再根據設定的job_type以及參數投放到節點上，再由daligner,LAcheck,LAsort,LAmerge進行比對，查找，排序，合並。
4.Overlap filtering(重疊信息過濾)
過慮主要是為了減少計算以及後續拼接的復雜度，過慮的情況主要有：如果其中的一條reads跟一條完全一樣就不能提供額外信息，故過濾之；序列兩端的重疊信息冗余，不需要太多的重疊信息就可推斷出重疊關系的；有些重復區域的會造成覆蓋度較高，這些重復區域不能提供額外信息故可通過參數顧慮一些，但在覆蓋度偏低的地方，又會造錯誤率過高，所以也可通過參數過濾掉低覆蓋度（fc_ovlp_filter完成的）。
5.Constructing graph from overlap (通過重疊信息構圖)
利用fc_ovlp_filter過濾後生成的pread.ovl構建一系列的圖信息，邊的信息存放在sg_edges_list,然後再進一步連接成unitigs存放在utg_data中，再根據unitigs構建contig圖存放在ctg_path中。
6.Constructing contig from graph (通過圖信息構建 contigs)
根據圖信息以及序列構建contigs。
####################################################################
三、輸入參數解析：主要在fc_run.cfg文件中
[General]
（Falcon支持LOCAL，SLURM，PBS，SGE，TORQUE，LSF等工作類型，需要結合計算機資源以及拼接數據的大小來選擇，這裏介紹local，slurm與pbs的配置參數）
#job_type=local
#job_type=SLURM
job_type=PBS
input_fofn = input.fofn
#input_fofn = preads.fofn
input_type = raw（指定輸入數據類型）
#input_type = preads
# The length cutoff used for seed reads used for initial mapping
length_cutoff = 10000 用於錯誤矯正的序列的最低長度
#The length cutoff used for seed reads used for pre-assembly
length_cutoff_pr = 10000用於預組裝的序列的最低長度
#the job of queue
jobqueue = yourqueue
#############################################
#THE CONFIGURE OF LOCAL
#############################################
#sge_option_da = -pe smp 8 -q %(jobqueue)s【stage-0】
#sge_option_la = -pe smp 2 -q %(jobqueue)s【stage-0】
#sge_option_cns = -pe smp 8 -q %(jobqueue)s【stage-0】
#sge_option_pda = -pe smp 6 -q %(jobqueue)s【stage-1】
#sge_option_pla = -pe smp 2 -q %(jobqueue)s【stage-1】
#sge_option_fc = -pe smp 8 -q %(jobqueue)s [stage-2]
##################################################################
# THE CONFIGURE OF PBS
##################################################################
sge_option_da = -l nodes=1:ppn=12 -q %(jobqueue)s
sge_option_la = -l nodes=1:ppn=12 -q %(jobqueue)s
sge_option_pda = -l nodes=1:ppn=12 -q %(jobqueue)s
sge_option_pla = -l nodes=1:ppn=12 -q %(jobqueue)s
sge_option_fc = -l nodes=1:ppn=12 -q %(jobqueue)s
sge_option_cns = -l nodes=1:ppn=12 -q %(jobqueue)s
(這是PBS作業調度系統sge_option參數的參考配置信息，具體可以根據集群資源進行設置。)
####################################################################
pa_concurrent_jobs = 20
ovlp_concurrent_jobs = 20
cns_concurrent_jobs = 20
(提交的任務的並發數,根據計算資源來確定)
pa_DBsplit_option = -x500 -s200
ovlp_DBsplit_option = -x500 -s200
（-s分割數據塊的大小即block的大小，越大需要的內存越大，每個模塊間相互比對的時間也越長）
pa_HPCdaligner_option = -v -B10 -t16 -e.70 -l1000 -s1000 -T12
-B與jobs總數有關對內存影響不大，e取值範圍【0.7,1】raw read設低點。-T線程數
ovlp_HPCdaligner_option = -v -B10 -t32 -h60 -e.96 -l500 -s1000 -T12
（參考上面的pa_HPCdaligner_option，e值此時為矯正過的可設高點）
falcon_sense_option = --output_muti --min_idt 0.70 --min_cov 4 --max_n_read 200 --n_core 12
（--min_idt 用於裝配拼接的序列間比對的最低相似度，--min_cov 種子序列的最低覆蓋度，--max_n_read用於錯誤矯正的最高的read數）
overlap_filter_setting = --max_diff 100 --max_cov 100 --min_cov 20 --bestn 12 --n_core 24
（--max_diff序列兩端覆蓋度的最大差異，--max_cov序列兩端的最大覆蓋度--minx_cov序列兩端的最小覆蓋度，--bestn 默認為12，--n_core線程數）
fc_ovlp_to_graph_option = --min_len (length_cutoff_pr,default4000) --min_idt(default 96)
####################################################################
四、運行：
fc_run.py fc_run.cfg
####################################################################
五，參考信息：
https://github.com/PacificBiosciences/FALCON/wiki/Manual
http://blog.sciencenet.cn/blog-3255195-1015620.html
三代基因組拼接軟件--Falcon篇