deeptools

用途

deepTools 是一套综合性的 Python 命令行工具集，用于处理和分析高通量测序（NGS）数据。它可用于对 ChIP-seq、RNA-seq、ATAC-seq、MNase-seq 及其他 NGS 实验进行质量控制、数据归一化、样本比较，并生成出版级可视化图表。

主要能力

将 BAM 比对文件转换为归一化的覆盖度轨道（bigWig/bedGraph）
质量控制评估（指纹分析、相关性、覆盖度）
样本比较与相关性分析
围绕基因组特征生成热图和轮廓图
富集分析与峰区域可视化

使用方式

安装

uv pip install deepTools==3.5.6

上游推荐在共享 HPC 系统上使用 conda/bioconda 以完整解决依赖：

conda install -c conda-forge -c bioconda deeptools

在 Apple Silicon 上，上游文档给出上述 PyPI 方式，或在原生 conda 包不可用时使用 osx-64 conda 环境。

快速开始

验证输入文件：

python scripts/validate_files.py --bam sample1.bam sample2.bam --bed regions.bed

该脚本检查文件是否存在、BAM 索引以及格式正确性。

生成工作流模板：

# 列出可用工作流
python scripts/workflow_generator.py --list

# 生成 ChIP-seq QC 工作流
python scripts/workflow_generator.py chipseq_qc -o qc_workflow.sh \
    --input-bam Input.bam --chip-bams "ChIP1.bam ChIP2.bam" \
    --genome-size 2913022398

# 赋予可执行权限并运行
chmod +x qc_workflow.sh
./qc_workflow.sh

常用操作参见 assets/quick_reference.md。

归一化方法

RPGC：1× 基因组覆盖度（需要 --effectiveGenomeSize）
CPM：每百万比对读段计数
RPKM：每 kb 每百万读段（按 bin 长度和文库大小缩放）
BPM：每百万 bins，类似 TPM 风格对分箱信号缩放
None：原始计数（不推荐用于比较）

快速选择指南：ChIP-seq 覆盖度使用 RPGC 或 CPM；ChIP-seq 比较使用 bamCompare 配合 log2 和 readCount；RNA-seq bins 使用 CPM；RNA-seq 基因使用 RPKM（考虑基因长度）；ATAC-seq 使用 RPGC 或 CPM。

有效基因组大小

RPGC 归一化需要有效基因组大小。常见值：

人类 GRCh38/hg38：2,913,022,398（--effectiveGenomeSize 2913022398）
人类 T2T/CHM13CAT_v2：3,117,292,070（--effectiveGenomeSize 3117292070）
小鼠 GRCm39/mm39：2,654,621,783（--effectiveGenomeSize 2654621783）
小鼠 GRCm38/mm10：2,652,783,500（--effectiveGenomeSize 2652783500）
斑马鱼 GRCz11：1,368,780,147（--effectiveGenomeSize 1368780147）
果蝇 dm6：142,573,017（--effectiveGenomeSize 142573017）
线虫 ce10/ce11：100,286,401（--effectiveGenomeSize 100286401）

常见参数

性能：--numberOfProcessors/-p 启用并行处理；--region 处理特定区域用于测试。

读段过滤：--ignoreDuplicates 去除 PCR 重复；--minMappingQuality 按比对质量过滤；--minFragmentLength/--maxFragmentLength 片段长度界限；--samFlagInclude/--samFlagExclude SAM 标志过滤。

读段处理：--extendReads 延伸至片段长度（ChIP-seq 用，RNA-seq 不用）；--centerReads 以片段中点为中心获得更锐利信号。

适用场景

文件转换：将 BAM 转换为 bigWig、生成覆盖度轨道、归一化 ChIP-seq 数据
质量控制：检查 ChIP 质量、比较重复样本、评估测序深度、QC 分析
可视化：围绕 TSS 创建热图、绘制 ChIP 信号、可视化富集、生成轮廓图
样本比较：处理组与对照组比较、样本相关性、PCA 分析
分析工作流：分析 ChIP-seq 数据、RNA-seq 覆盖度、ATAC-seq 分析、完整工作流
处理特定文件类型：基因组学场景中的 BAM、bigWig、BED 区域文件

限制与注意事项

分析前应始终使用 scripts/validate_files.py 验证文件，检查文件存在性与可读性、BAM 索引（.bai）、BED 格式正确性及文件大小是否合理。
建议先运行 QC（相关性、覆盖度、指纹分析）再进行详细分析。
使用 --region 在小区域上测试参数。
保存完整命令行以保证可复现性。
比较中应对所有样本使用一致的归一化方法。
确保 BAM 和 BED 文件使用匹配的基因组版本。
ChIP-seq：始终延伸读段（--extendReads 200）；多数情况去除重复；先运行 plotFingerprint 检查富集；仅在检测到显著偏差时应用 GC 校正，且 GC 校正后绝不使用 --ignoreDuplicates。
RNA-seq：绝不延伸读段（会跨越剪接位点）；链特异性使用 --filterRNAstrand forward/reverse，解释链标签前确认文库方向；bins 用 CPM，基因用 RPKM。
ATAC-seq：使用 alignmentSieve 配合 --ATACshift 应用 Tn5 校正；--ATACshift 等价于 --shift 4 -5 5 -4 并过滤为正确配对的片段；设置合适的 min/max 片段长度；片段大小图应显示阶梯模式。
性能优化：使用多处理器；增大 bin 尺寸以加快处理并减小文件；内存受限系统可逐染色体处理；使用 alignmentSieve 预过滤 BAM 生成可复用文件；优先使用 bigWig 而非 bedGraph。
常见问题：BAM 索引缺失可用 samtools index input.bam 解决；内存不足可逐染色体处理；处理慢可增加 --numberOfProcessors 或增大 --binSize；bigWig 文件过大可增大 bin 尺寸。

参考文档与辅助脚本

references/tools_reference.md：按类别组织的全部 deepTools 命令文档（BAM 与 bigWig 处理工具 9 个、质量控制工具 6 个、可视化工具 3 个、杂项工具 3 个，含 bigwigAverage）。
references/workflows.md：常见分析的完整工作流示例（ChIP-seq 质控、ChIP-seq 完整分析、RNA-seq 覆盖度、ATAC-seq 分析、多样本比较、峰区域分析、故障排除与性能提示）。
references/normalization_methods.md：归一化方法综合指南。
references/effective_genome_sizes.md：有效基因组大小值与用法。
scripts/validate_files.py：验证 BAM、bigWig 和 BED 文件。
scripts/workflow_generator.py：生成可定制的 bash 脚本模板，可用工作流包括 chipseq_qc、chipseq_analysis、rnaseq_coverage、atacseq。
assets/quick_reference.md：常用命令、有效基因组大小和典型工作流模式的快速参考卡。

技能介绍

用途