# 用 2^−ΔΔCt 法分析 qPCR 数据

> 上传仪器导出的 Ct 值，Yila 先合并技术重复，再用内参基因校正，在 ΔCt 上做检验，画出每个生物学重复都看得见的倍数变化图。

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

## 你会得到

- **倍数变化图** (PNG + SVG): 每个基因的平均倍数变化柱、每个生物学重复的散点、误差线和显著性标记，并标出“无变化”参考线。
- **ΔCt / ΔΔCt 表** (CSV): 每个生物学重复的 ΔCt、ΔΔCt 和倍数变化，每一步计算都能核对。
- **检验结果** (CSV): 各组 ΔCt 的均值和标准差、检验统计量、自由度、P 值和效应量，按基因列出。
- **分析代码** (Python 代码): 完整的 Python 计算代码（需要的话也可以是 R），下一块板子直接复用。

## 怎么做

1. **上传 Ct 值，说明内参**: 把仪器的结果导出成 CSV 或 Excel，说明哪个是内参基因、哪一组是校准组。
2. **Yila 先理清板子布局**: 它会分清哪些孔是生物学重复、哪些是技术重复，并在计算之前检查有没有差异过大的技术重复或没有 Ct 值的孔。
3. **拿到图、表和代码**: 相对表达量算好、检验做完、图画好后，连同完整计算表和代码一起保存。想加第二个内参、改用对数坐标或做扩增效率校正，在同一个对话里说就行。

## 适合这些场景

- **验证测序结果**: 用 qPCR 验证 RNA-Seq 或芯片筛出的基因，每个数字审稿人都能复核。
- **敲低与过表达效果**: 按重复逐一展示 siRNA 或载体处理后目的基因变化了多少。
- **实验室日常分析**: 每块板子导出后直接得到图和表，不用每次重新搭表格。

## 常见问题

### 什么是 2^−ΔΔCt 法？

一种由 Ct 值得到相对表达量的方法。ΔCt 是同一样本中目的基因 Ct 减去内参基因 Ct；ΔΔCt 是该 ΔCt 减去校准组 ΔCt 的均值；倍数变化等于 2 的 −ΔΔCt 次方。它假定两个基因的扩增效率都接近 100%。

### 为什么在 ΔCt 上做检验，而不是在倍数变化上？

ΔCt 本身是对数尺度，大致服从正态分布，而倍数变化是偏态的。在 ΔCt 上检验是通行做法，倍数变化用于展示。示例中每组 3 个生物学重复，用的是 Welch t 检验。

### 数据文件要整理成什么样？

每行一个孔，包含样本、分组、基因和 Ct 值，大多数仪器导出的就是这种格式。宽表也可以，列名不直观时说明一下哪列是什么。未检出的孔保持仪器导出的原样即可。

### 引物扩增效率不是 100% 怎么办？

提供每对引物的扩增效率，Yila 会改用 Pfaffl 法代替 2^−ΔΔCt，避免效率不同带来的偏差。

### 能用多个内参基因吗？

可以。写明内参基因，Yila 会按 MIQE 指南的建议，用它们的几何平均值做校正。

### 生物学重复和技术重复会区别对待吗？

会。技术重复先取平均，只有生物学重复才作为独立观测进入检验和误差线。

### 示例来自真实实验吗？

不是。示例用的是为本页制作的一小份模拟数据，已明确标注并放在下载包里。Yila 从不拿用户的数据做示例。

---

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