deeptools

用途与背景

deepTools 是一套用于处理和分析高通量测序数据的 Python 命令行工具集。根据资料，它可用于质量控制、数据归一化、样本比较，并为 ChIP-seq、RNA-seq、ATAC-seq、MNase-seq 及其他 NGS 实验生成可发表级别的可视化图表。其典型工作流遵循 "QC → Normalization → Comparison/Visualization"（质量控制 → 归一化 → 比较/可视化）的模式。

主要能力

资料列出的核心能力包括：

将 BAM 比对转换为归一化的覆盖度轨道（bigWig/bedGraph）
质量控制评估（指纹图、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分布曲线图
富集分析和峰值区域可视化

工具按类别分为：BAM/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（2 个）。资料中提到的具体工具包括：bamCoverage、bamCompare、multiBamSummary、multiBigwigSummary、correctGCBias、alignmentSieve（BAM/bigWig 处理）；plotFingerprint、plotCoverage、plotCorrelation、plotPCA、bamPEFragmentSize（质控）；computeMatrix、plotHeatmap、plotProfile、plotEnrichment（可视化）。

安装

使用以下命令安装：

uv pip install deeptools

使用方式

资料提供了辅助脚本与命令示例：

文件校验（分析前验证 BAM、bigWig、BED 文件）：

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

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

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

可用的工作流模板包括：chipseq_qc（ChIP-seq 质量控制）、chipseq_analysis（完整 ChIP-seq 分析）、rnaseq_coverage（链特异性 RNA-seq 覆盖度）、atacseq（含 Tn5 校正的 ATAC-seq）。

资料还提供了具体操作示例，例如 BAM 转 bigWig：

bamCoverage --bam input.bam --outFileName output.bw \
    --normalizeUsing RPGC --effectiveGenomeSize 2913022398 \
    --binSize 10 --numberOfProcessors 8

样本比较（log2 比值）：

bamCompare -b1 treatment.bam -b2 control.bam -o ratio.bw \
    --operation log2 --scaleFactorsMethod readCount

围绕 TSS 生成热图采用两步流程（computeMatrix → plotHeatmap）：

# 计算矩阵
computeMatrix reference-point -S signal.bw -R genes.bed \
    -b 3000 -a 3000 --referencePoint TSS -o matrix.gz

# 生成热图
plotHeatmap -m matrix.gz -o heatmap.png \
    --colorMap RdBu --kmeans 3

归一化方法

资料强调选择正确的归一化对有效比较至关重要，并列出：RPGC（1× 基因组覆盖度，需要 --effectiveGenomeSize）、CPM（每百万比对读数计数）、RPKM（考虑区域长度）、BPM、None（原始计数，不推荐用于比较）。快速选择指南：ChIP-seq 覆盖度用 RPGC 或 CPM；ChIP-seq 比较用 bamCompare 配合 log2 和 readCount；RNA-seq 分箱用 CPM；RNA-seq 基因用 RPKM；ATAC-seq 用 RPGC 或 CPM。

有效基因组大小

RPGC 归一化需要有效基因组大小，资料给出常见值：人类 GRCh38/hg38 为 2,913,022,398；小鼠 GRCm38/mm10 为 2,652,783,500；斑马鱼 GRCz11 为 1,368,780,147；果蝇 dm6 为 142,573,017；线虫 ce10/ce11 为 100,286,401。

适用场景

资料列出的适用场景包括：文件转换（BAM 转 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）；可视化（围绕 TSS 生成热图、绘制 ChIP 信号、可视化富集、生成分布曲线）；样本比较（处理组 vs 对照组、样本相关性、PCA 分析）；分析工作流（分析 ChIP-seq、RNA-seq 覆盖度、ATAC-seq 分析）。

限制与注意事项

资料中包含针对不同实验类型的具体注意事项：

RNA-seq：绝不要使用 --extendReads（会跨越剪接位点）；链特异性文库使用 --filterRNAstrand forward/reverse；分箱用 CPM，基因水平用 RPKM。
ChIP-seq：应始终使用 --extendReads 200；多数情况使用 --ignoreDuplicates；详细分析前先运行 plotFingerprint 检查富集；仅当检测到显著偏差时才应用 GC 校正，且 GC 校正后绝不使用 --ignoreDuplicates。
ATAC-seq：需使用 alignmentSieve 配合 --ATACshift 进行 Tn5 校正；设置合适的片段长度过滤；片段大小图应显示核小体阶梯模式。

资料还提到性能优化建议（使用多处理器、增大 binSize、按染色体分别处理、优先使用 bigWig 而非 bedGraph）和故障排查（BAM 索引缺失时用 samtools index、内存不足时用 --region 分染色体处理等）。上述内容均来自资料，未提供的细节（如具体性能基准、收费信息、平台支持范围等）暂未提供。