# 用 2^−ΔΔCt 法分析 qPCR 資料

> 上傳這次 qPCR 實驗的 Ct 值，Yila 會先將技術重複取平均，再以參考基因標準化、以 ΔCt 進行檢定，並畫出每個生物重複都看得見的倍數變化圖。

URL: https://yila.ai/zh-TW/playbooks/qpcr-analysis

## 你會得到

- **倍數變化圖** (PNG + SVG): 以長條呈現每個基因的平均倍數變化，每個生物重複畫成一個點，附誤差線與顯著性標記，並畫出代表「無變化」的參考線。
- **ΔCt / ΔΔCt 表** (CSV): 每個生物重複的 ΔCt、ΔΔCt 與倍數變化，計算的每一步都能核對。
- **檢定結果** (CSV): 依基因列出各組 ΔCt 的平均值與標準差、檢定統計量、自由度、p 值與效應量。
- **分析程式碼** (Python 程式碼): 完整的 Python 計算程式碼（需要的話也可以是 R），下一盤可以直接沿用。

## 運作方式

1. **上傳 Ct 值，指明參考基因**: 把這次實驗從儀器匯出成 CSV 或 Excel，並說明哪個基因是參考基因、哪一組是校準組。
2. **Yila 先釐清孔盤配置**: 它會分辨哪些孔是生物重複、哪些是技術重複，並在計算之前，先找出彼此不一致的技術重複，或沒有 Ct 值的孔。
3. **取得圖、表格和程式碼**: 相對表現量算好、檢定做完、圖畫好之後，會與完整的計算表和程式碼一起儲存。想加入第二個參考基因、改用對數座標，或採用經擴增效率校正的數值，在同一個對話裡提出即可。

## 適用情境

- **驗證定序篩出的基因**: 用 qPCR 確認 RNA-Seq 或微陣列實驗篩出的基因，每個數字審稿人都能循線核對。
- **確認 knockdown 與過度表現的效果**: 依重複逐一呈現 siRNA 或表現載體處理後，目標基因變化了多少。
- **實驗室的例行分析**: 每一盤匯出的資料都直接變成圖和表，不必每次重做試算表。

## 常見問題

### 什麼是 2^−ΔΔCt 法？

一種由 Ct 值求出相對表現量的方法。ΔCt 是同一樣本中目標基因的 Ct 減去參考基因的 Ct；ΔΔCt 是這個 ΔCt 減去校準組 ΔCt 的平均值；倍數變化則是 2 的 −ΔΔCt 次方。此法假設兩個基因的擴增效率都接近 100%。

### 為什麼用 ΔCt 做檢定，而不是用倍數變化？

ΔCt 屬於對數尺度，大致呈常態分布，倍數變化則是偏態分布。以 ΔCt 進行檢定是公認的做法，倍數變化則用於呈現結果。範例每組有三個生物重複，使用的是 Welch t 檢定。

### 我的檔案要整理成什麼樣子？

每列一個孔，包含樣本、組別、基因與 Ct 值，這也是多數儀器匯出的格式。寬格式也可以；如果欄名不夠直觀，請說明哪一欄是什麼。未測得 Ct 的孔，保留儀器匯出時的標記即可。

### 如果引子的擴增效率不是 100% 怎麼辦？

提供每對引子的擴增效率，Yila 就會改用 Pfaffl 法取代 2^−ΔΔCt，結果不會因擴增效率不同而產生偏差。

### 可以使用多個參考基因嗎？

可以。寫明是哪些基因，Yila 就會依 MIQE 指引的建議，以它們的幾何平均數進行標準化。

### 生物重複和技術重複的處理方式不同嗎？

是的。技術重複會先取平均；在檢定和誤差線中，只有生物重複會被當作獨立的觀測值。

### 範例來自真實的實驗嗎？

不是。範例使用的是為本頁製作的一小份模擬資料，已明確標示，並附在下載檔中。Yila 從不拿使用者的資料當作範例。

---

- [用 2^−ΔΔCt 法分析 qPCR 資料](https://yila.ai/zh-TW/playbooks/qpcr-analysis)
- [llms.txt](https://yila.ai/zh-TW/llms.txt)
