# Analise dados de qPCR pelo método 2^−ΔΔCt

> Envie os valores de Ct da sua corrida. A Yila calcula a média das réplicas técnicas, normaliza pelo seu gene de referência, faz o teste nos valores de ΔCt e desenha o gráfico de fold change com cada réplica biológica visível.

URL: https://yila.ai/pt/playbooks/qpcr-analysis

## O que você recebe

- **Gráfico de fold change** (PNG + SVG): Barras com o fold change médio de cada gene, cada réplica biológica como um ponto, barras de erro e marcas de significância, com uma linha que indica a ausência de alteração.
- **Tabela de ΔCt / ΔΔCt** (CSV): O ΔCt, o ΔΔCt e o fold change de cada réplica biológica, para que cada passo do cálculo possa ser conferido.
- **Resultados dos testes** (CSV): Médias e DPs do ΔCt por grupo, a estatística do teste, os graus de liberdade, o valor de p e o tamanho de efeito de cada gene.
- **O script** (Script Python): O cálculo completo em Python (ou em R, se você pedir), pronto para a próxima placa.

## Como funciona

1. **Envie os valores de Ct e indique a referência**: Exporte a corrida do equipamento em CSV ou Excel e diga qual gene é a referência e qual grupo é o calibrador.
2. **A Yila confere o layout da placa**: Ela identifica quais poços são réplicas biológicas e quais são réplicas técnicas e, antes de qualquer cálculo, procura réplicas técnicas discordantes ou poços sem Ct.
3. **Receba o gráfico, a tabela e o script**: A expressão relativa é calculada, testada, representada no gráfico e salva com a tabela completa e o script. Peça um segundo gene de referência, uma escala logarítmica ou valores corrigidos pela eficiência na mesma conversa.

## Indicado para

- **Validar achados do sequenciamento**: Confirme por qPCR os genes que seu experimento de RNA-Seq ou de microarranjo apontou, com números que um revisor consegue refazer passo a passo.
- **Verificar knockdown e superexpressão**: Mostre quanto um gene-alvo mudou após o siRNA ou um construto, réplica por réplica.
- **Análises de rotina no laboratório**: Transforme a exportação de cada placa em um gráfico e uma tabela, sem refazer a planilha toda vez.

## Perguntas frequentes

### O que é o método 2^−ΔΔCt?

Uma forma de obter a expressão relativa a partir dos valores de Ct. O ΔCt é o Ct do gene-alvo menos o Ct do gene de referência na mesma amostra; o ΔΔCt é esse ΔCt menos o ΔCt médio do grupo calibrador; o fold change é 2 elevado a −ΔΔCt. O método supõe que os dois genes amplificam com eficiência próxima de 100%.

### Por que testar o ΔCt e não o fold change?

Os valores de ΔCt estão em escala logarítmica e têm distribuição aproximadamente normal, enquanto os fold changes são assimétricos. Testar o ΔCt é a prática aceita; o fold change serve para a apresentação. Com três réplicas biológicas, o exemplo usou o teste t de Welch.

### Como meu arquivo precisa estar organizado?

Uma linha por poço, com amostra, condição, gene e Ct, que é o que a maioria dos equipamentos exporta. Tabelas em formato largo também funcionam; diga qual coluna é qual se os nomes não forem óbvios. Deixe os poços indeterminados marcados como o equipamento os exporta.

### E se meus primers não tiverem 100% de eficiência?

Informe a eficiência de cada par de primers, e a Yila usa o método de Pfaffl em vez do 2^−ΔΔCt, para que o resultado não seja enviesado por uma amplificação desigual.

### Posso usar mais de um gene de referência?

Sim. Indique quais são, e a Yila normaliza pela média geométrica deles, como recomendam as diretrizes MIQE.

### Réplicas biológicas e técnicas são tratadas de forma diferente?

Sim. Primeiro é calculada a média das réplicas técnicas; só as réplicas biológicas contam como observações independentes no teste e nas barras de erro.

### O exemplo vem de um experimento real?

Não. Ele usa um pequeno conjunto de dados sintético criado para esta página, identificado como tal e incluído no download. A Yila nunca usa dados de usuários como exemplo.

---

- [Analise dados de qPCR pelo método 2^−ΔΔCt](https://yila.ai/pt/playbooks/qpcr-analysis)
- [llms.txt](https://yila.ai/pt/llms.txt)
