deepTools 是面向高通量测序（NGS）数据的 Python 命令行工具集，主要用于处理与分析 ChIP-seq、RNA-seq、ATAC-seq、MNase-seq 等实验数据。
用途与主要能力：
- 文件转换：将 BAM 比对文件转换为归一化覆盖度轨道（bigWig/bedGraph）。
- 质量控制：指纹图、样本相关性、覆盖度评估、片段大小校验。
- 样本比较：多 BAM/多 bigWig 汇总、相关性分析与 PCA。
- 可视化：在基因组特征（如 TSS、peak）周围生成热图与信号谱图，并支持富集分析。
安装： uv pip install deeptools
常见用法：
- 校验输入文件：python scripts/validate_files.py --bam sample1.bam sample2.bam --bed regions.bed
- 生成工作流模板：python scripts/workflow_generator.py --list；例如 python scripts/workflow_generator.py chipseq_qc -o qc_workflow.sh --input-bam Input.bam --chip-bams "ChIP1.bam ChIP2.bam" --genome-size 2913022398
- BAM 转归一化覆盖度：bamCoverage --bam input.bam --outFileName output.bw --normalizeUsing RPGC --effectiveGenomeSize 2913022398 --binSize 10 --numberOfProcessors 8
- 双样本 log2 比较：bamCompare -b1 treatment.bam -b2 control.bam -o ratio.bw --operation log2 --scaleFactorsMethod readCount
- 样本相关性：multiBamSummary bins --bamfiles *.bam -o counts.npz，再用 plotCorrelation 生成热图
- 热图：computeMatrix reference-point -S signal.bw -R genes.bed -b 3000 -a 3000 --referencePoint TSS -o matrix.gz，再用 plotHeatmap -m matrix.gz -o heatmap.png --colorMap RdBu --kmeans 3
适用场景：BAM 到 bigWig 转换、ChIP-seq 质控与完整分析、RNA-seq 覆盖度（链特异性）、ATAC-seq 分析（需 Tn5 偏移校正，alignmentSieve --ATACshift），以及围绕峰区的富集与可视化。
限制与注意事项：RPGC 归一化需提供 --effectiveGenomeSize；RNA-seq 不应使用 --extendReads；GC 校正后不应再使用 --ignoreDuplicates；使用前需有 BAM 索引（samtools index）。具体分类标识以资料明确用途为准，本资料未给出确定分类，故标为通用类。