deeptools

deepTools：NGS 测序数据分析与可视化工具

技能概述

deepTools 是一套专为高通量测序数据设计的 Python 命令行工具集，可进行 ChIP-seq、RNA-seq、ATAC-seq 等实验的数据质控、归一化、样本比较和出版级可视化。

适用场景

1. ChIP-seq 数据分析工作流

从 BAM 文件到信号可视化的一站式处理。可进行样本相关性分析、PCA 降维、富集强度评估，并在 TSS、peak 等区域生成热图和信号分布图，快速验证 ChIP 实验质量。

2. RNA-seq 覆盖度与可视化

支持 strand-specific 覆盖度计算，可区分正义链和反义链信号，生成基因体、外显子区域的覆盖度轨迹，适合转录组表达模式的可视化分析。

3. ATAC-seq 染色质开放性分析

内置 Tn5 转座酶偏移校正，可准确分析染色质开放区域。支持片段长度分布分析（核小体梯状模式）、开放位点信号热图和覆盖度可视化。

核心功能

BAM/bigWig 文件处理

将 BAM 比对文件转换为归一化的覆盖度轨迹（bigWig/bedGraph 格式），支持 RPGC、CPM、RPKM 等多种归一化方法。可生成样本间 log2 比值轨迹，进行 GC 偏倚校正，并提供多样本汇总统计功能。

质控与样本比较

提供 plotFingerprint 评估 ChIP 富集强度、plotCorrelation 分析样本相关性、plotPCA 进行主成分分析、plotCoverage 检查测序深度、bamPEFragmentSize 验证片段长度分布。相关样本应呈现高相关性（>0.9），强 ChIP 信号应显示陡峭上升曲线。

可视化与富集分析

通过 computeMatrix 计算基因特征区域的信号矩阵，使用 plotHeatmap 生成聚类热图，plotProfile 绘制信号分布曲线，plotEnrichment 分析 peak 区域的富集程度。支持 K-means 聚类、自定义配色和多样本叠加显示。

常见问题

deepTools 支持哪些测序数据类型？

支持 ChIP-seq、RNA-seq、ATAC-seq、MNase-seq、Hi-C 等多种高通量测序数据。输入格式为 BAM 比对文件和 BED/GTF 区域注释文件，输出 bigWig 轨迹、PNG/SVG 图片及统计结果。

如何选择正确的归一化方法？

ChIP-seq 覆盖度推荐使用 RPGC（1x 基因组覆盖）或 CPM；RNA-seq bins 使用 CPM，基因级别使用 RPKM（考虑基因长度）；ATAC-seq 使用 RPGC 或 CPM。样本间比较建议使用 bamCompare 的 log2 模式配合 readCount 缩放因子。

deepTools 与 IGV 有什么区别？

deepTools 是命令行批量处理工具，适合多样本质控统计和批量生成标准化图表；IGV 是交互式浏览器，适合单样本精细查看和探索式分析。两者可互补使用——deepTools 快速筛选问题样本，IGV 深入验证细节。