deepTools 是用于处理与分析高通量测序数据的 Python 命令行工具套件，常用于 ChIP-seq、RNA-seq、ATAC-seq、MNase-seq 等实验。其核心用途包括：将 BAM 比对转换为归一化覆盖度轨迹（bigWig/bedGraph）；进行质控评估（指纹图、相关性、覆盖度）；样本间比较（相关性、PCA、log2 比值）；围绕基因组特征生成热图与剖面图；以及富集分析与峰区域可视化。
典型工作流遵循“质控→归一化→比较/可视化”：先用 multiBamSummary 与 plotCorrelation、plotPCA、plotCoverage、bamPEFragmentSize、plotFingerprint 做质控；再用 bamCoverage 生成归一化轨迹，或用 bamCompare 生成 log2 比值；随后用 computeMatrix 计算信号矩阵，由 plotHeatmap、plotProfile、plotEnrichment 出图。
常用命令如 bamCoverage --bam input.bam --outFileName output.bw --normalizeUsing RPGC --effectiveGenomeSize 2913022398 --binSize 10 --numberOfProcessors 8。归一化可选 RPGC、CPM、RPKM、BPM 等；RPGC 需指定有效基因组大小，例如人 GRCh38 为 2913022398，小鼠 mm10 为 2652783500。
安装可用 conda：conda install -c conda-forge -c bioconda deeptools，或 pip install deeptools。使用限制与注意：ChIP-seq 建议 --extendReads 200 并常用 --ignoreDuplicates；RNA-seq 绝不能用 --extendReads（会跨剪接点），链特异性库用 --filterRNAstrand；ATAC-seq 需用 alignmentSieve --ATACshift 做 Tn5 校正。运行前应确保 BAM 有索引（samtools index input.bam），并用 --numberOfProcessors 与适当 --binSize 优化性能。资料中随附 validate_files.py 与 workflow_generator.py 等辅助脚本，具体工作流模板生成命令以资料为准。