# วิเคราะห์ข้อมูล qPCR ด้วยวิธี 2^−ΔΔCt

> อัปโหลดค่า Ct จากการรันของคุณ แล้ว Yila จะหาค่าเฉลี่ยของซ้ำทางเทคนิค ปรับค่าเทียบกับยีนอ้างอิง ทดสอบบนค่า ΔCt และวาดแผนภูมิ fold change ที่เห็นซ้ำทางชีวภาพทุกซ้ำ

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

## สิ่งที่คุณจะได้รับ

- **แผนภูมิ fold change** (PNG + SVG): แท่งแสดงค่า fold change เฉลี่ยของแต่ละยีน จุดแสดงซ้ำทางชีวภาพทุกซ้ำ แถบความคลาดเคลื่อน และเครื่องหมายนัยสำคัญ พร้อมเส้นอ้างอิงที่ระดับไม่เปลี่ยนแปลง
- **ตาราง ΔCt / ΔΔCt** (CSV): ค่า ΔCt, ΔΔCt และ fold change ของซ้ำทางชีวภาพแต่ละซ้ำ จึงตรวจการคำนวณได้ทุกขั้น
- **ผลการทดสอบ** (CSV): ค่าเฉลี่ยและ SD ของ ΔCt ในแต่ละกลุ่ม ค่าสถิติทดสอบ องศาอิสระ ค่า p และขนาดอิทธิพลของแต่ละยีน
- **สคริปต์** (สคริปต์ Python): การคำนวณทั้งหมดเป็นภาษา Python (หรือ R หากต้องการ) พร้อมใช้กับเพลตถัดไป

## ขั้นตอนการทำงาน

1. **อัปโหลดค่า Ct และระบุยีนอ้างอิง**: ส่งออกผลการรันจากเครื่องเป็น CSV หรือ Excel แล้วบอกว่ายีนใดเป็นยีนอ้างอิง และกลุ่มใดเป็นกลุ่มเทียบ
2. **Yila ตรวจผังเพลตก่อน**: Yila แยกว่าหลุมใดเป็นซ้ำทางชีวภาพ หลุมใดเป็นซ้ำทางเทคนิค และหาซ้ำทางเทคนิคที่ให้ค่าไม่สอดคล้องกันหรือหลุมที่ไม่มีค่า Ct ก่อนเริ่มคำนวณ
3. **รับแผนภูมิ ตาราง และสคริปต์**: Yila คำนวณการแสดงออกสัมพัทธ์ ทดสอบ วาดแผนภูมิ แล้วบันทึกพร้อมตารางฉบับเต็มและสคริปต์ หากต้องการเพิ่มยีนอ้างอิงตัวที่สอง ใช้สเกลลอการิทึม หรือใช้ค่าที่ปรับแก้ตามประสิทธิภาพของไพรเมอร์ ขอได้ในบทสนทนาเดียวกัน

## เหมาะสำหรับ

- **ยืนยันยีนที่พบจากการหาลำดับเบส**: ยืนยันด้วย qPCR ว่ายีนที่การทดลอง RNA-Seq หรือไมโครอาร์เรย์ชี้ไว้เปลี่ยนแปลงจริง พร้อมตัวเลขที่ผู้ทรงคุณวุฒิตรวจย้อนได้
- **ตรวจผลการน็อกดาวน์และการแสดงออกเกิน**: แสดงว่ายีนเป้าหมายเปลี่ยนไปเท่าใดหลังใช้ siRNA หรือเวกเตอร์ โดยเห็นผลทีละซ้ำ
- **งานวิเคราะห์ประจำในแล็บ**: เปลี่ยนไฟล์ที่ส่งออกจากแต่ละเพลตเป็นแผนภูมิและตาราง โดยไม่ต้องสร้างสเปรดชีตใหม่ทุกครั้ง

## คำถามที่พบบ่อย

### วิธี 2^−ΔΔCt คืออะไร

เป็นวิธีหาการแสดงออกสัมพัทธ์จากค่า Ct โดย ΔCt คือค่า Ct ของยีนเป้าหมายลบด้วยค่า Ct ของยีนอ้างอิงในตัวอย่างเดียวกัน ΔΔCt คือค่า ΔCt นั้นลบด้วยค่าเฉลี่ย ΔCt ของกลุ่มเทียบ และ fold change คือ 2 ยกกำลัง −ΔΔCt วิธีนี้ตั้งข้อสมมติว่ายีนทั้งสองเพิ่มจำนวนด้วยประสิทธิภาพใกล้ 100%

### ทำไมจึงทดสอบบนค่า ΔCt ไม่ใช่ fold change

ค่า ΔCt อยู่บนสเกลลอการิทึมและมีการแจกแจงใกล้เคียงปกติ ส่วน fold change มีการแจกแจงเบ้ การทดสอบบนค่า ΔCt จึงเป็นแนวปฏิบัติที่ยอมรับกัน และใช้ fold change สำหรับแสดงผล ในตัวอย่างนี้มีซ้ำทางชีวภาพ 3 ซ้ำ จึงใช้ Welch's t-test

### ไฟล์ข้อมูลควรมีลักษณะอย่างไร

หนึ่งแถวต่อหนึ่งหลุม มีตัวอย่าง สภาวะ ยีน และค่า Ct ซึ่งเป็นรูปแบบที่เครื่องส่วนใหญ่ส่งออกมาอยู่แล้ว ตารางแบบกว้าง (wide) ก็ใช้ได้ หากชื่อคอลัมน์ไม่ชัดเจน โปรดบอกว่าคอลัมน์ใดคืออะไร ส่วนหลุมที่วัดค่าไม่ได้ (undetermined) ให้คงไว้ตามที่เครื่องส่งออกมา

### ถ้าไพรเมอร์มีประสิทธิภาพไม่ถึง 100% ต้องทำอย่างไร

ระบุประสิทธิภาพของไพรเมอร์แต่ละคู่ แล้ว Yila จะใช้วิธี Pfaffl แทน 2^−ΔΔCt ผลจึงไม่เอนเอียงจากการเพิ่มจำนวนที่ไม่เท่ากัน

### ใช้ยีนอ้างอิงมากกว่าหนึ่งยีนได้ไหม

ได้ ระบุชื่อยีนเหล่านั้น แล้ว Yila จะปรับค่าเทียบกับค่าเฉลี่ยเรขาคณิตของยีนทั้งหมด ตามที่แนวทาง MIQE แนะนำ

### ซ้ำทางชีวภาพกับซ้ำทางเทคนิคถูกจัดการต่างกันไหม

ต่างกัน ซ้ำทางเทคนิคจะถูกนำมาหาค่าเฉลี่ยก่อน และมีเพียงซ้ำทางชีวภาพเท่านั้นที่นับเป็นหน่วยสังเกตอิสระในการทดสอบและในแถบความคลาดเคลื่อน

### ตัวอย่างนี้มาจากการทดลองจริงไหม

ไม่ใช่ ตัวอย่างนี้ใช้ชุดข้อมูลจำลองขนาดเล็กที่สร้างขึ้นสำหรับหน้านี้ ซึ่งระบุไว้ชัดเจนและรวมอยู่ในไฟล์ดาวน์โหลด ทั้งนี้ Yila ไม่เคยนำข้อมูลของผู้ใช้มาใช้เป็นตัวอย่าง

---

- [วิเคราะห์ข้อมูล qPCR ด้วยวิธี 2^−ΔΔCt](https://yila.ai/th/playbooks/qpcr-analysis)
- [llms.txt](https://yila.ai/th/llms.txt)
