スキル deeptools
🧬

deeptools

安全 ⚡ スクリプトを含む📁 ファイルシステムへのアクセス

Analyser des données NGS avec deepTools

こちらからも入手できます: K-Dense-AI

Traiter les données de séquençage de nouvelle génération pour les expériences ChIP-seq, RNA-seq et ATAC-seq. Convertir les fichiers BAM en pistes de couverture normalisées et générer des visualisations de qualité publication incluant des cartes thermiques, des graphiques de corrélation et des profils.

対応: Claude Codex Code(CC)
🥈 78 シルバー
1

スキルZIPをダウンロード

2

Claudeでアップロード

設定 → 機能 → スキル → スキルをアップロードへ移動

3

オンにして利用開始

テストする

「deeptools」を使用しています。 Générer une carte thermique du signal H3K4me3 autour des TSS pour mes gènes

期待される結果:

  • Commande computeMatrix générée avec reference-point au TSS
  • Carte thermique créée avec regroupement k-means (3 groupes)
  • Sortie : heatmap_TSS.png et matrix_TSS.gz

「deeptools」を使用しています。 Comparer mes échantillons ChIP pour évaluer la reproductibilité

期待される結果:

  • MultiBamSummary a calculé le nombre de lectures par intervalles
  • plotCorrelation a généré une carte thermique de corrélation de Pearson
  • Le graphique ACP montre le regroupement des échantillons par condition

「deeptools」を使用しています。 Valider mes fichiers BAM avant de lancer l'analyse

期待される結果:

  • sample1.bam : index trouvé
  • sample2.bam : index trouvé
  • Toutes les validations BAM ont réussi
  • Prêt pour l'analyse en aval

セキュリティ監査

安全
v5 • 1/17/2026

This is a legitimate bioinformatics skill for the deepTools NGS analysis suite. All 519 static findings are false positives caused by the scanner misinterpreting markdown documentation, SAM file format references, and checksum patterns as security threats. The two Python scripts perform only local file validation and workflow generation with no network access, data exfiltration, or command injection risks.

9
スキャンされたファイル
3,005
解析された行数
2
検出結果
5
総監査数

リスク要因

監査者: claude 監査履歴を表示 →

品質スコア

82
アーキテクチャ
90
保守性
87
コンテンツ
19
コミュニティ
100
セキュリティ
87
仕様準拠

作れるもの

CQ pour les expériences ChIP-seq

Évaluer la force d'enrichissement ChIP, comparer les réplicats et valider la qualité du séquençage avant l'analyse en aval.

Génération de pistes de couverture

Convertir les fichiers BAM en pistes bigWig normalisées pour la visualisation dans des navigateurs de génome comme IGV ou UCSC.

Comparaison multi-échantillons

Comparer plusieurs échantillons avec analyse de corrélation, graphiques ACP et visualisation d'enrichissement différentiel.

これらのプロンプトを試す

Conversion basique
Convertir mon fichier sample.bam en piste de couverture bigWig normalisée en utilisant la normalisation RPGC avec une taille de génome effectif de 2913022398.
Contrôle qualité
Générer un workflow complet de contrôle qualité ChIP-seq pour mes échantillons ChIP incluant carte thermique de corrélation, graphique ACP, graphique d'empreinte et évaluation de couverture en utilisant multiBamSummary et plotCorrelation.
Visualisation
Créer une carte thermique et un graphique de profil montrant le signal ChIP autour des sites d'initiation de transcription en utilisant le mode reference-point de computeMatrix et plotHeatmap avec regroupement k-means.
Workflow complet
Générer un workflow complet d'analyse ChIP-seq des fichiers BAM aux visualisations incluant la génération de pistes de couverture avec bamCoverage, comparaison de ratio log2 avec bamCompare et visualisation en carte thermique autour des caractéristiques génomiques.

ベストプラクティス

  • Toujours valider les fichiers BAM avec leurs index (.bai) avant l'analyse
  • Utiliser la normalisation RPGC avec la taille de génome effectif correcte pour votre organisme
  • Étendre les lectures à la longueur de fragment pour ChIP-seq mais PAS pour RNA-seq

回避

  • Utiliser --extendReads pour RNA-seq (couvre incorrectement les jonctions d'épissage)
  • Comparer des échantillons avec différentes méthodes de normalisation
  • Exécuter une analyse pangénomique sans tester d'abord sur de petites régions

よくある質問

Quels formats de fichiers cette compétence prend-elle en charge ?
BAM (lectures alignées), bigWig (pistes de couverture) et BED (régions génomiques). Les fichiers doivent être indexés.
Dois-je installer deepTools en premier ?
Oui, installer avec 'uv pip install deeptools'. La compétence fournit les commandes mais nécessite que la suite deepTools soit installée.
Quelle méthode de normalisation dois-je utiliser ?
RPGC pour ChIP-seq/ATAC-seq, CPM pour les intervalles RNA-seq, RPKM pour RNA-seq au niveau des gènes. Voir references/normalization_methods.md.
Puis-je traiter des lectures simple brin ?
Oui, mais utilisez --extendReads pour définir la longueur de fragment. Pour les lectures appariées, la longueur de fragment est calculée automatiquement.
Comment choisir la taille de génome effectif ?
Utiliser des valeurs spécifiques à l'organisme : humain=2913022398, souris=2652783500, mouche=142573017. Voir references/effective_genome_sizes.md.
Cette compétence appelle-t-elle des outils externes ?
Elle génère des commandes pour deepTools et suggère samtools pour l'indexation. Les deux doivent être installés séparément.