一、原理

变异株一个接一个冒出来，溯源报告里总不能写「和 BA.2 有点像」。Pangolin（Phylogenetic Assignment of Named Global Outbreak Lineages）解决的就是这件事：把任意一条 SARS-CoV-2 基因组自动归入 Pango 谱系，让全球流行病学数据能对齐、能比较。BA.5、XBB.1.5 这类命名，已经成了新冠基因组监测的事实标准。

核心逻辑分两层。查询序列先用 minimap2 比对到早期参考基因组，非编码区用 N 掩蔽，得到统一坐标的对齐。然后交给推断引擎判定最近谱系：默认走 UShER 全树放置，也可以选 pangoLEARN 随机森林的 fast 模式。Scorpio 再按「变异星座」校核 VOC/VOI 相关谱系，防止特征突变被漏判。和 Nextclade 的差异一句话：Nextclade 给进化支和突变注释，Pangolin 给 Pango 谱系命名，日常监测两个都跑。这套流程在新冠病毒变异株监测与暴发溯源案例中的应用，本站后续会挂内链展开讲。

二、操作步骤

1. 装环境、拉最新数据

用 conda 建个干净环境。装完别急着跑，先执行 --update-data 把 pangolin-data（谱系树、星座定义）同步到最新。分型结果跟数据版本强绑定，老数据分不出新谱系。

conda create -n pangolin -c conda-forge -c bioconda pangolin
conda activate pangolin
pangolin --update-data

2. 准备输入 FASTA

输入是一致性基因组，多条序列拼进一个 FASTA 文件即可。默认 QC 门槛：长度不低于 25000 bp，N 占比不超过 30%。太短太脏的序列会被拒绝分型。

3. 跑分型

默认走 UShER（accurate）模式，几百条以内的批次直接跑。大批量筛查可以先切 fast 模式过一遍。

pangolin sample.fasta -o lineage_output -t 8

要提速时：

pangolin sample.fasta --analysis-mode fast -o lineage_output -t 8

4. 读报告、查冲突

结果在 lineage_report.csv。重点看 lineage、conflict、ambiguity_score、scorpio_call 几列。conflict 非零，或者 scorpio_call 和 lineage 打架，说明这条序列特征突变不全，回头查拼接质量。

5. 存档数据版本

谱系命名是动态的，同一批数据半年后重跑，结果可能变。报告里的 version 列和 pangolin-data 版本号一起存进溯源档案，保证可复现。没别的。

三、参数选择建议

参数	推荐值	说明
--analysis-mode	usher	默认。全树放置最准，正式报告用这个
--analysis-mode	fast	pangoLEARN 随机森林，大批量初筛提速
--max-ambig	0.3	N 占比超 30% 直接拒绝分型
--min-length	25000	短于 25000 bp 不尝试分配谱系
-t	8	线程数，按机器核数调整
--update-data	每批前执行	同步最新谱系树与星座定义

四、FAQ

1. Pangolin 和 Nextclade 怎么选？

不用选，两个都跑。报谱系用 Pangolin 的 Pango 命名，是全球监测报告的标准口径；看进化支、突变注释和序列 QC 用 Nextclade。两者命名体系不同，不冲突。

2. 为什么 Pangolin 4 默认 UShER 而不是 pangoLEARN？

pangoLEARN 的随机森林要定期重新训练，新谱系发布后跟不上节奏。UShER 把序列直接放到最新 pangolin-data 的突变注释树上，新定义的谱系当天就能分。2024 年 Virus Evolution 有专门对比，placement 方法整体占优。

3. 短序列或高 N 占比的样本，该硬跑 Pangolin 还是改用 S 基因片段分型方案？

改用 S 基因片段方案。min-length 25000、max-ambig 0.3 的门槛摆着，硬跑只会被放到最近共同祖先上，谱系结果有误导性。S 基因片段走 spike 分型流程更合适，能补全基因组当然更好。

参考文献

O'Toole Á, Scher E, Underwood A, et al. Assignment of epidemiological lineages in an emerging pandemic using the pangolin tool. Virus Evolution. 2021;7(2):veab064. DOI: 10.1093/ve/veab064
Rambaut A, Holmes EC, O'Toole Á, et al. A dynamic nomenclature proposal for SARS-CoV-2 lineages to assist genomic epidemiology. Nature Microbiology. 2020;5(11):1403-1407. DOI: 10.1038/s41564-020-0770-5
O'Toole Á, Pybus OG, Abram ME, Kelly EJ, Rambaut A. Pango lineage designation and assignment using SARS-CoV-2 spike gene nucleotide sequences. BMC Genomics. 2022;23(1):121. DOI: 10.1186/s12864-022-08358-2
de Bernardi Schneider A, Su M, Hinrichs AS, et al. SARS-CoV-2 lineage assignments using phylogenetic placement/UShER are superior to pangoLEARN machine-learning method. Virus Evolution. 2024;10(1):vead085. DOI: 10.1093/ve/vead085

Pangolin谱系分型：SARS-CoV-2基因组流行病学的动态命名与自动分配