NGS分析工具包。BAM到bigWig转换、QC（相关性、PCA、指纹）、热图/图谱（TSS、峰），用于ChIP-seq、RNA-seq、ATAC-seq可视化。

deepTools：NGS 数据分析工具包

概述

deepTools 是一套全面的 Python 命令行工具，用于处理和分析高通量测序数据。使用 deepTools 执行质量控制、归一化数据、比较样本，并为 ChIP-seq、RNA-seq、ATAC-seq、MNase-seq 和其他 NGS 实验生成出版质量的可视化。

核心能力：

将 BAM 比对转换为归一化的覆盖轨道（bigWig/bedGraph）
质量控制评估（指纹、相关性、覆盖度）
样本比较和相关性分析
在基因组特征周围生成热图和轮廓图
富集分析和峰区域可视化

何时使用此技能

此技能应在以下情况下使用：

文件转换："将 BAM 转换为 bigWig"、"生成覆盖轨道"、"归一化 ChIP-seq 数据"
质量控制："检查 ChIP 质量"、"比较重复"、"评估测序深度"、"QC 分析"
可视化："在 TSS 周围创建热图"、"绘制 ChIP 信号"、"可视化富集"、"生成轮廓图"
样本比较："比较处理与对照"、"关联样本"、"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：基因组学背景下的 BAM 文件、bigWig 文件、BED 区域文件

快速入门

对于 deepTools 的新用户，从文件验证和常见工作流开始：

1. 验证输入文件

在运行任何分析之前，使用验证脚本验证 BAM、bigWig 和 BED 文件：

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

这将检查文件存在性、BAM 索引和格式正确性。

2. 生成工作流模板

对于标准分析，使用工作流生成器创建自定义脚本：

# 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

# 使其可执行并运行
chmod +x qc_workflow.sh
./qc_workflow.sh

3. 最常见操作

有关常用命令和参数，请参阅 assets/quick_reference.md。

安装

uv pip install deepTools==3.5.6

上游建议使用 conda/bioconda 以获得完整的依赖解析,尤其是在共享的 HPC 系统上:

conda install -c conda-forge -c bioconda deeptools

在 Apple Silicon 上,当原生 conda 软件包不可用时,上游文档记录了上面的 PyPI 路径或 osx-64 conda 环境两种方案。

核心工作流

deepTools 工作流通常遵循此模式：QC → 归一化 → 比较/可视化

ChIP-seq 质量控制工作流

当用户请求 ChIP-seq QC 或质量评估时：

生成工作流脚本，使用 scripts/workflow_generator.py chipseq_qc
关键 QC 步骤：

样本相关性（multiBamSummary + plotCorrelation）
PCA 分析（plotPCA）
覆盖度评估（plotCoverage）
片段大小验证（bamPEFragmentSize）
ChIP 富集强度（plotFingerprint）

结果解读：

相关性：重复应聚集在一起，具有高相关性（>0.9）
指纹：强 ChIP 显示急剧上升；平坦的对角线表示富集不良
覆盖度：评估测序深度是否足以进行分析

完整工作流详情在 references/workflows.md → "ChIP-seq Quality Control Workflow"

ChIP-seq 完整分析工作流

用于从 BAM 到可视化的完整 ChIP-seq 分析：

生成覆盖轨道，使用归一化（bamCoverage）
创建比较轨道（bamCompare 用于 log2 比率）
在特征周围计算信号矩阵（computeMatrix）
生成可视化（plotHeatmap、plotProfile）
峰处富集分析（plotEnrichment）

使用 scripts/workflow_generator.py chipseq_analysis 生成模板。

references/workflows.md → "ChIP-seq Analysis Workflow" 中的完整命令序列

RNA-seq 覆盖度工作流

用于链特异性 RNA-seq 覆盖度轨道：

使用带有 --filterRNAstrand 的 bamCoverage 分离前向和反向链。

重要：对于 RNA-seq 永远不要使用 --extendReads（会跨越剪接位点）。

链说明： --filterRNAstrand 假定常见的 dUTP/NSR/NNSR 反向链文库构建方式。对于 read 1 与 RNA 链方向一致的文库,前向/反向输出会颠倒;当文库化学方法不同时,请使用 SAM 标志过滤。

使用归一化：CPM 用于固定箱，RPKM 用于基因级分析。

可用模板：scripts/workflow_generator.py rnaseq_coverage

references/workflows.md → "RNA-seq Coverage Workflow" 中的详细信息

ATAC-seq 分析工作流

ATAC-seq 需要 Tn5 偏移校正：

使用 alignmentSieve 和 `--ATACshift` 移位读取
使用 bamCoverage 生成覆盖度
分析片段大小（预期核小体梯形模式）
在峰处可视化（如果可用）

模板：scripts/workflow_generator.py atacseq

references/workflows.md → "ATAC-seq Workflow" 中的完整工作流

工具类别和常见任务

BAM/bigWig 处理

将 BAM 转换为归一化覆盖度：

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

比较两个样本（log2 比率）：

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

关键工具：bamCoverage、bamCompare、multiBamSummary、multiBigwigSummary、correctGCBias、alignmentSieve

完整参考：references/tools_reference.md → "BAM and bigWig File Processing Tools"

质量控制

检查 ChIP 富集：

plotFingerprint -b input.bam chip.bam -o fingerprint.png \
    --extendReads 200 --ignoreDuplicates

样本相关性：

multiBamSummary bins --bamfiles *.bam -o counts.npz
plotCorrelation -in counts.npz --corMethod pearson \
    --whatToShow heatmap -o correlation.png

关键工具：plotFingerprint、plotCoverage、plotCorrelation、plotPCA、bamPEFragmentSize

完整参考：references/tools_reference.md → "Quality Control Tools"

可视化

在 TSS 周围创建热图：

# 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

创建轮廓图：

plotProfile -m matrix.gz -o profile.png \
    --plotType lines --colors blue red

关键工具：computeMatrix、plotHeatmap、plotProfile、plotEnrichment

完整参考：references/tools_reference.md → "Visualization Tools"

归一化方法

选择正确的归一化对于有效比较至关重要。请参阅 references/normalization_methods.md 获取全面指导。

快速选择指南：

ChIP-seq 覆盖度：使用 RPGC 或 CPM
ChIP-seq 比较：使用带有 log2 和 readCount 的 bamCompare
RNA-seq 箱：使用 CPM
RNA-seq 基因：使用 RPKM（考虑基因长度）
ATAC-seq：使用 RPGC 或 CPM

归一化方法：

RPGC：1× 基因组覆盖度（需要 --effectiveGenomeSize）
CPM：每百万映射读取的计数
RPKM：每千碱基每百万读取（按每箱长度和文库大小缩放）
BPM：每百万箱,类似于在分箱信号上进行 TPM 式缩放
None：原始计数（不推荐用于比较）

完整说明：references/normalization_methods.md

有效基因组大小

RPGC 归一化需要有效基因组大小。常见值：

| 生物 | 组装 | 大小 | 用法 |

|----------|----------|------|-------|

| 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 |

包含读取长度特定值的完整表格：references/effective_genome_sizes.md

工具间的常见参数

许多 deepTools 命令共享这些选项：

性能：

--numberOfProcessors, -p：启用并行处理（始终使用可用核心）
max / max/2：--numberOfProcessors 支持的值;在使用调度器时很有用,因为较新版本的 deepTools 对 CPU 亲和性的检测更加细致
--region：处理特定区域以进行测试（例如，chr1:1-1000000）

读取过滤：

--ignoreDuplicates：移除 PCR 重复（推荐用于大多数分析）
--minMappingQuality：按比对质量过滤（例如，--minMappingQuality 10）
--minFragmentLength / --maxFragmentLength：片段长度边界
--samFlagInclude / --samFlagExclude：SAM 标志过滤

读取处理：

--extendReads：延伸到片段长度（ChIP-seq：是，RNA-seq：否）
--centerReads：在片段中点居中以获得更清晰的信号

最佳实践

文件验证

始终首先验证文件，使用 scripts/validate_files.py 检查：

文件存在性和可读性
BAM 索引存在（.bai 文件）
BED 格式正确性
文件大小合理

分析策略

从 QC 开始：在进行详细分析之前，运行相关性、覆盖度和指纹分析
在小区域上测试：使用 --region chr1:1-10000000 进行参数测试
记录命令：保存完整命令行以确保可重复性
使用一致的归一化：在比较中对所有样本应用相同的方法
验证基因组组装：确保 BAM 和 BED 文件使用匹配的基因组构建

ChIP-seq 特定

始终延伸读取用于 ChIP-seq：--extendReads 200
移除重复：在大多数情况下使用 --ignoreDuplicates
首先检查富集：在进行详细分析之前运行 plotFingerprint
GC 校正：仅在检测到显著偏倚时应用；在 GC 校正后永远不要使用 --ignoreDuplicates

RNA-seq 特定

永远不要延伸读取用于 RNA-seq（会跨越剪接位点）
链特异性：对于常见的 dUTP 式链特异性库使用 --filterRNAstrand forward/reverse;在解读链标签之前,先确认文库方向
归一化：箱使用 CPM，基因使用 RPKM

ATAC-seq 特定

应用 Tn5 校正：使用带有 --ATACshift 的 alignmentSieve
仅使用正确配对的读取进行移位：--ATACshift 等价于 --shift 4 -5 5 -4,并过滤为正确配对的片段
片段过滤：设置适当的最小/最大片段长度
检查核小体模式：片段大小图应显示梯形模式

性能优化

使用多个处理器：--numberOfProcessors 8（或可用核心）
增加箱大小以加快处理速度并减小文件大小
单独处理染色体以用于内存受限的系统
使用 alignmentSieve 预过滤 BAM 文件以创建可重用的过滤文件
使用 bigWig 而不是 bedGraph：压缩且处理更快

故障排除

常见问题

缺少 BAM 索引：

samtools index input.bam

内存不足：

使用 --region 单独处理染色体：

bamCoverage --bam input.bam -o chr1.bw --region chr1

处理缓慢：

增加 --numberOfProcessors 和/或增加 --binSize

bigWig 文件太大：

增加箱大小：--binSize 50 或更大

验证错误

运行验证脚本以识别问题：

python scripts/validate_files.py --bam *.bam --bed regions.bed

脚本输出中解释了常见错误和解决方案。

参考文档

此技能包含全面的参考文档：

references/tools_reference.md

所有 deepTools 命令的完整文档，按类别组织：

BAM 和 bigWig 处理工具（9 个工具）
质量控制工具（6 个工具）
可视化工具（3 个工具）
其他工具（3 个工具,包括 bigwigAverage）

每个工具包括：

用途和概述
带有解释的关键参数
使用示例
重要说明和最佳实践

使用此参考：当用户询问特定工具、参数或详细用法时。

references/workflows.md

常见分析的完整工作流示例：

ChIP-seq 质量控制工作流
ChIP-seq 完整分析工作流
RNA-seq 覆盖度工作流
ATAC-seq 分析工作流
多样本比较工作流
峰区域分析工作流
故障排除和性能技巧

使用此参考：当用户需要完整的分析管道或工作流示例时。

references/normalization_methods.md

归一化方法的综合指南：

每种方法的详细说明（RPGC、CPM、RPKM、BPM 等）
何时使用每种方法
公式和解读
按实验类型的选择指南
常见陷阱和解决方案
快速参考表

使用此参考：当用户询问归一化、比较样本或使用哪种方法时。

references/effective_genome_sizes.md

有效基因组大小值和用法：

常见生物值（人类、小鼠、果蝇、线虫、斑马鱼）
读取长度特定值
计算方法
何时以及在命令中如何使用
自定义基因组计算说明

使用此参考：当用户需要 RPGC 归一化或 GC 偏倚校正的基因组大小时。

辅助脚本

scripts/validate_files.py

验证 deepTools 分析的 BAM、bigWig 和 BED 文件。检查文件存在性、索引和格式。

用法：

python scripts/validate_files.py --bam sample1.bam sample2.bam \
    --bed peaks.bed --bigwig signal.bw

何时使用：开始任何分析之前，或在故障排除错误时。

scripts/workflow_generator.py

为常见 deepTools 工作流生成可自定义的 bash 脚本模板。

可用工作流：

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：带有 Tn5 校正的 ATAC-seq

用法：

# 列出工作流
python scripts/workflow_generator.py --list

# 生成工作流
python scripts/workflow_generator.py chipseq_qc -o qc.sh \
    --input-bam Input.bam --chip-bams "ChIP1.bam ChIP2.bam" \
    --genome-size 2913022398 --threads 8

# 运行生成的工作流
chmod +x qc.sh
./qc.sh

何时使用：当用户请求标准工作流或需要模板脚本进行自定义时。

资产

assets/quick_reference.md

包含最常用命令、有效基因组大小和典型工作流模式的快速参考卡。

何时使用：当用户需要快速命令示例而无需详细文档时。

处理用户请求

对于新用户

从安装验证开始
使用 scripts/validate_files.py 验证输入文件
根据实验类型推荐适当的工作流
使用 scripts/workflow_generator.py 生成工作流模板
指导自定义和执行

对于有经验的用户

为请求的操作提供特定的工具命令
参考 references/tools_reference.md 中的适当部分
建议优化和最佳实践
为问题提供故障排除

对于特定任务

"将 BAM 转换为 bigWig"：

使用带有适当归一化的 bamCoverage
根据用例推荐 RPGC 或 CPM
为生物提供有效基因组大小
建议相关参数（extendReads、ignoreDuplicates、binSize）

"检查 ChIP 质量"：

运行完整的 QC 工作流或专门使用 plotFingerprint
解释结果解读
根据结果建议后续操作

"创建热图"：

指导两步过程：computeMatrix → plotHeatmap
帮助选择适当的矩阵模式（reference-point 与 scale-regions）
建议可视化参数和聚类选项

"比较样本"：

推荐用于两个样本比较的 bamCompare
建议用于多样本的 multiBamSummary + plotCorrelation
指导归一化方法选择

参考文档

当用户需要详细信息时：

工具详细信息：指向 references/tools_reference.md 中的特定部分
工作流：使用 references/workflows.md 进行完整分析管道
归一化：查阅 references/normalization_methods.md 进行方法选择
基因组大小：参考 references/effective_genome_sizes.md

示例交互

用户："我需要分析我的 ChIP-seq 数据"

响应方法：

询问可用文件（BAM 文件、峰、基因）
使用验证脚本验证文件
生成 chipseq_analysis 工作流模板
为其特定文件和生物进行自定义
在脚本运行时解释每个步骤

用户："我应该使用哪种归一化？"

响应方法：

询问实验类型（ChIP-seq、RNA-seq 等）
询问比较目标（样本内还是样本间）
查阅 references/normalization_methods.md 选择指南
推荐适当的方法并给出理由
提供带有参数的命令示例

用户："在 TSS 周围创建热图"

响应方法：

验证 bigWig 和基因 BED 文件可用
使用 reference-point 模式在 TSS 处使用 computeMatrix
使用适当的可视化参数生成 plotHeatmap
如果数据集较大，建议聚类
提供轮廓图作为补充

关键提醒

首先验证文件：分析前始终验证输入文件
归一化很重要：为比较类型选择适当的方法
仔细延伸读取：ChIP-seq 为是，RNA-seq 为否
使用所有核心：将 --numberOfProcessors 设置为可用核心
在区域上测试：使用 --region 进行参数测试
首先检查 QC：在进行详细分析之前运行质量控制
记录所有内容：保存命令以确保可重复性
参考文档：使用全面参考以获取详细指导

deepTools：NGS 数据分析工具包