deeptools

deeptools 技能概覽

deeptools 是用來做什麼的

deeptools 技能幫你使用 deepTools 進行 NGS 分析：把 BAM 轉成 bigWig、執行 QC、比較樣本，以及產生 ChIP-seq、RNA-seq、ATAC-seq 與相關實驗的 heatmap 和 profile plot。當你已經有比對完成的定序檔，並且需要可直接用於分析的 track 或接近論文等級的視覺化結果時，這個技能最實用。

適合誰安裝

如果你需要一份實用的 deeptools 指南，處理日常基因體學工作，例如 normalization、replicate 比較、基因或 peak 周邊的訊號剖析，或是在視覺化前先做 QC，就很適合安裝 deeptools 技能。對於想要可重現的命令列工作流程，而不是泛泛的提示回應的使用者，這個技能特別合適。

為什麼它有幫助

deeptools 技能最有價值的地方在於流程清晰。它能把像「幫我做一張 ChIP-seq 圖」這種模糊目標，轉成正確的 deepTools 指令家族、必要輸入與輸出類型。這很重要，因為 deeptools 常常會因為使用者漏掉 genome build、normalization 方法、區域定義或讀段比對品質等細節而失敗。

如何使用 deeptools 技能

安裝 deeptools

請先從你的目錄使用技能安裝流程，接著打開技能檔案並在提問分析前先閱讀前幾個章節。實務上，最穩妥的起手式是安裝 deeptools 技能、檢視 scientific-skills/deeptools/SKILL.md，並在要求產生命令之前先確認你的資料與目標是否真的符合這條分析路徑。

提供正確的輸入給技能

要讓 deeptools 發揮最佳效果，請提供：

• 檔案類型：BAM、BED、bigWig、BEDPE，或樣本檔案清單
• 實驗類型：ChIP-seq、RNA-seq、ATAC-seq 或 MNase-seq
• genome build 與染色體命名規則
• 如果你有偏好，請一併提供 normalization 偏好
• 你確切需要的輸出：coverage track、heatmap、profile plot、QC matrix 或 sample correlation

弱一點的提問會說：Analyze my ChIP-seq data with deeptools.
更好的提問會說：Use deeptools to make a normalized bigWig and TSS profile from two ChIP-seq BAMs and one input control for hg38, with replicate comparison and a matrix around 3 kb upstream/downstream of TSS.

依照正確順序閱讀 repo

先從 SKILL.md 開始，再掃過任何連結到的章節，看看何時該用這個技能、快速上手行為與輸入驗證。如果 repo 只有一個檔案，就把那個檔案視為唯一準則，把重點放在指令結構、選項選擇與限制條件上，而不是去找不存在的輔助腳本。

能提升輸出品質的提問技巧

請直接問 deeptools 的具體子任務，不要只寫工具名稱。要明確說出你要的是 bamCoverage、computeMatrix、plotHeatmap、plotProfile、multiBigwigSummary、plotCorrelation 或 plotPCA，因為不同任務對應的指令路徑會變。也請說明你需要的是命令、解釋，還是兩者都要，這樣 deeptools 技能才能更有效地在執行與學習之間做取捨。

deeptools 技能 FAQ

deeptools 只能做視覺化嗎？

不是。deeptools 技能不只適合畫圖，也很適合做 coverage 產生、normalization、QC 與 sample 比較，而這些通常都得在最後視覺化之前先完成。

我需要先有 deepTools 經驗嗎？

不需要。只要你能描述自己的檔案與分析目標，deeptools 技能就很適合初學者。最重要的是把實驗類型、參考基因體與輸出格式講清楚。

什麼情況下不該用這個技能？

如果你的工作是原始讀段 trimming、比對、variant calling，或是 deepTools 範圍之外的下游統計檢定，就不該用 deeptools。若你只是需要做一張一次性的圖，而且已經知道確切指令，一般提示可能就夠了；這個技能在流程需要多個決策時更有價值。

這和一般提示有什麼不同？

一般提示常常會猜 normalization、區域選擇或圖表設定。deeptools 技能更適合想要一份 deeptools 指南、而且希望這些選擇能和資料型態與輸出目標對齊的情境，能降低產生無法使用的圖或輸入不匹配的風險。

如何改進 deeptools 技能

提供更多分析脈絡

最強的 deeptools 結果來自會影響指令選擇的脈絡：實驗類型、strandedness、replicate 數量、input control、目標區域，以及結果是用於 QC 還是論文發表。若你省略這些資訊，技能可能會產生一條技術上可行、但不一定適合你實驗的指令。

明確指定你要的輸出

如果你要 heatmap，就直接說明要以什麼作為錨點：TSS、gene body、peak、peak 加上 flanks，或自訂 BED 區域。如果你要 coverage，也要說清楚你是需要給 genome browser 用的 bigWig、供後續處理的 bedGraph，還是兩者都要。把輸出說得越明確，deeptools 使用效果通常提升越快。

先看第一版結果，再迭代修正

先用第一輪回覆確認 normalization、區域選擇與樣本分組，再拿去跑完整資料集。如果結果看起來不對，請用具體失敗情況重新修正提問：矩陣是空的、圖太雜訊、strand 行為不如預期，或 chromosome 命名不一致。這會給 deeptools 技能一個很明確的目標，下一輪通常就能產生更好的指令。