用途：MACS3（Model-based Analysis of ChIP-seq）从 ChIP-seq、ATAC-seq、CUT&RUN、CUT&TAG 数据中识别显著富集的读段区域（峰值）。它可从双端数据建模片段长度，或从单端数据的单核小体读段位移估计，再用 Poisson 模型计算相对 input/IgG 对照的倍数富集，输出 BED 格式的 narrowPeak（转录因子）或 broadPeak（组蛋白修饰）文件，含信号与 q 值轨迹，便于在 IGV 或 UCSC 浏览。
主要能力：支持转录因子结合位点、开放染色质（ATAC）和宽泛组蛋白修饰（如 H3K27me3）的峰值识别；可用 -B --SPMR 生成归一化 bedGraph/bigWig 信号轨迹；峰值可作 DiffBind 或 DESeq2 差异结合分析输入；HMMRATAC 可做核小体分辨率 ATAC 峰值识别。
使用方式：需 Python ≥3.8 的 macs3 包，输入为排序并建索引的 BAM。安装：pip install macs3 或 conda install -c bioconda macs3；验证：macs3 --version。运行前先执行 command -v macs3 检查是否已存在；在 pixi 项目内用 pixi run macs3。典型命令：macs3 callpeak -t chip.bam -c input.bam -f BAM -g hs -n sample_tf --outdir peaks/ -q 0.05。ATAC 双端推荐 -f BAMPE --nomodel --nolambda --keep-dup all；单端加 --shift -100 --extsize 200。宽峰用 --broad --broad-cutoff 0.1。
适用场景：转录因子 ChIP、组蛋白修饰 ChIP、ATAC-seq 开放染色质、CUT&RUN/CUT&TAG；ENCODE 推荐为标准工具。
限制：需先排序建索引 BAM；无对照时需 --nolambda；ATAC 若沿用 ChIP 默认参数会得到看似合理但错误的峰值；线粒体读段需过滤；片段建模失败可加 --nomodel --extsize 200；gsize 需与参考基因组匹配。具体收费、价格与平台信息暂未提供。