下载文档原格式
pcr数据分析PCR（聚合酶链反应）是一种常用的分子生物学技术，它可以在体外扩增DNA序列，具有高效、准确、快速的特点。
PCR数据分析是在PCR反应后对产生的数据进行处理和解读的过程。
本文将介绍PCR数据分析的基本原理和常用方法，并探讨其在科研和医学领域中的应用。
一、PCR数据分析的基本原理和流程PCR反应产生的数据主要包括荧光信号强度和扩增曲线。
荧光信号强度反映了PCR反应产物的数量，可用于定量分析。
扩增曲线反映了PCR反应的动力学过程，可以评估PCR反应的效率和特异性。
PCR数据分析的基本流程如下：1. 数据获取：通过荧光检测设备获取PCR反应的荧光信号强度和扩增曲线。
2. 数据预处理：对原始数据进行噪声滤波、背景校正和信号标定等处理，以获得可靠的数据。
3. 荧光信号分析：利用荧光信号强度反映PCR产物的数量，通过计算阈值周期数（Ct值）或标准曲线法进行定量分析。
4. 扩增曲线分析：利用扩增曲线反映PCR反应的动力学过程，评估PCR反应的效率和特异性，判断PCR反应的质量和合理性。
5. 数据解读：根据荧光信号和扩增曲线的分析结果，判断PCR 反应是否成功、产物的数量及其特性。
二、PCR数据分析的常用方法PCR数据分析的方法多种多样，根据研究目的和需求选择合适的方法进行分析。
以下列举几种常用的方法：1. Ct值计算法：计算阈值周期数（Ct值），即荧光信号曲线与阈值线交叉的周期数，可用于定量分析。
Ct值越小，说明样品中目标序列的初始数量越多。
2. 标准曲线法：制作一系列已知浓度的标准曲线，根据荧光信号的强度，通过插值计算目标序列的初始数量。
标准曲线法常用于定量PCR分析。
3. ΔΔCt法：利用Ct值的差异进行定量分析，将目标序列的Ct值与参考序列的Ct值进行比较，计算相对表达量的变化。
4. Melting Curve分析：通过不同温度下DNA的熔解曲线，检测PCR产物的特异性。
每个PCR产物都有独特的熔解温度，可判断PCR反应的特异性和产物的纯度。
检测明胶中猪基因的方法-概述说明以及解释1.引言1.1 概述概述:明胶是一种由猪皮、猪骨等动物源性原料制成的一种重要食品添加剂。
它被广泛应用于食品、制药和化妆品等多个领域。
然而，近年来，关于某些明胶产品中可能掺入猪基因的报道引起了人们的担忧。
为了确保明胶产品的质量和安全性，检测明胶中是否存在猪基因成为一项重要的任务。
而猪基因的检测方法作为解决这一问题的关键，一直受到广泛关注和研究。
本文将结合相关的研究和方法，探讨猪基因的检测方法以及其在明胶中的应用。
首先，我们将介绍明胶的重要性，并解释为何需要对其进行基因检测。
其次，我们将详细介绍目前常用的猪基因检测方法，包括PCR、实时荧光定量PCR、DNA测序等技术。
最后，我们将重点阐述猪基因检测在明胶产品中的应用情况，并探讨该方法的局限性和改进方向。
通过本文的阐述，我们旨在提供一个全面的介绍，使读者对猪基因检测方法有更深入的了解，并为明胶产品的质量控制提供参考和指导。
此外，我们也希望能引起相关研究者的重视，进一步推动猪基因检测方法的发展与改进，以确保明胶产品的质量和安全性。
1.2 文章结构文章结构部分的内容可以包括以下内容：文章的结构是指文章的整体组织架构，包括章节划分和各个章节所要讨论的内容。
本文主要包括三个部分：引言、正文和结论。
引言部分主要介绍文章的背景和目的。
首先，对明胶的重要性进行说明，明胶作为一种具有广泛应用的食品添加剂，在食品工业和医药领域有着重要地位。
然后，介绍猪基因检测方法的研究现状和重要性，猪基因检测在畜牧业和食品安全领域具有重要意义。
最后，说明本文的目的是探讨猪基因检测方法在明胶中的应用，为明胶产品的质量控制和食品安全提供科学依据。
正文部分是文章的核心内容，分为三个小节。
首先，介绍明胶的重要性，包括明胶的起源、制备工艺和广泛应用领域。
其次，探讨猪基因的检测方法，包括传统的PCR方法、基于DNA芯片技术的高通量测序、基于PCR-RFLP的分析方法等。
2–δδct公式原理
2-ΔΔCt（2-ΔΔCt method）是一种常用于基因表达分析的相对定量方法。
它是基于实时荧光定量PCR（qPCR）技术的数据分析方法，用于比较不同样本之间的基因表达水平差异。
该公式的原理如下：
1. Ct值，Ct值是荧光定量PCR实验中，检测到荧光信号超过背景噪音的阈值周期数。
Ct值越小，说明目标基因的起始量越高。
2. ΔCt值，ΔCt值是相对表达量的计算，表示目标基因的Ct 值减去参考基因的Ct值。
参考基因通常是在不同样本中表达稳定的基因。
3. ΔΔCt值，ΔΔCt值是比较不同样本之间的基因表达水平差异的计算，表示目标样本的ΔCt值减去参考样本的ΔCt值。
ΔΔCt值越小，说明目标基因在目标样本中的表达水平相对较低。
4. 2-ΔΔCt值，2-ΔΔCt值是将ΔΔCt值转化为相对表达量的计算。
它表示目标样本的相对表达量相对于参考样本的相对表达
量的倍数。
如果2-ΔΔCt值为1，表示目标样本和参考样本的表达量相等；如果2-ΔΔCt值大于1，表示目标样本的表达量高于参考样本；如果2-ΔΔCt值小于1，表示目标样本的表达量低于参考样本。
通过使用2-ΔΔCt公式，可以相对定量地比较不同样本之间的基因表达水平差异，而不需要绝对定量的标准曲线。
这种方法在生物医学研究中广泛应用，特别是在基因表达调控、药物研发和疾病诊断等领域。
需要注意的是，2-ΔΔCt方法的前提是基因的放大效率在不同样本中是相似的，并且参考基因在各个样本中的表达稳定。
因此，在使用该方法时，选择合适的参考基因和进行合适的实验设计非常重要，以确保结果的准确性和可靠性。
荧光pcr绝对定量和相对定量的原理下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢!本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!荧光PCR（Polymerase Chain Reaction）是利用荧光标记的引物或探针来检测靶基因的数量的一种PCR技术。
2 -δδct 相对定量法
2 -δδct相对定量法是一种常用的基因表达定量方法。
它使用实时荧光定量PCR（qPCR）技术来测量基因的表达水平，并相对于参考基因或对照样品进行比较分析。
在这种方法中，首先需要选择一个合适的参考基因，该基因应具有在实验条件下稳定的表达水平。
然后，通过qPCR测量感兴趣的基因和参考基因的Ct值（阈值循环数）。
Ct值是表示当荧光信号达到特定阈值时样品中的目标基因或参考基因的PCR循环数。
接下来，计算相对表达量的差异（2-ΔΔCt）。
ΔCt是目标基因Ct值减去参考基因的Ct值，表示目标基因与参考基因的相对表达水平差异。
2-ΔΔCt为ΔCt的对数转化，表示目标基因在不同样品之间的相对表达量差异。
通过使用2-δδct相对定量法，研究人员可以相对定量地比较不同样品中的基因表达水平，例如，在实验组与对照组之间比较基因表达差异。
这种方法广泛应用于生物医学研究和基因功能研究等领域。
相对定量方法实际操作（三种常用方法）本人用的是相对荧光定量PCR法，在分子水平上比较课题中5 种新基因的表达差异。
实验进行很多次，感受颇深，同时遇到了一些问题：扩增效率、标准品选择（及赋值）、标准曲线、重复性等问题，希望有同行朋友一起探讨和指教。
parative Delta-delta Ct 法定量流程（RG6000 软件设置）1）.先对样品中的目的基因与看家基因分别做标准曲线,基因的扩增效率是否一致或接近；将扩增效率优化为一致。
2）.同一样品分别进行看家基因和目的基因的扩增，分列在两页中P1 P2公式:通过标准曲线确定两个F=2「待检样品目_待检样品看fJ L的基因平均—家基因平均一Ct值Ct值L对照组目的J基因平均Ct 值对照组看家基因平均Ct 值IComparative Delta-delta Ct 法的特点、注意事项及实际应用1). Comparative Delta-delta Ct法是很常用的一种相对定量方法，其最大特点是，当优化的体系已经建立后，在每次实验中无需再对看家基因和目的基因做标准曲线，而只需对待测样品分别进行PCR扩增即可。
2).其缺点是，每次实验都默认目的基因和看家基因的扩增效率一致，而并非真实扩增情况的反映，这里势必存在一定的误差。
3). Comparative Delta-delta Ct法展开定量实验前，在预实验中，必需对目的基因和看家基因做两组标准曲线。
Rotor-Gene的软件会自动给出两组标准曲线的R值、扩增效率等信息，如果两组标准曲线的斜率，即M值的差小于0.1，那么后续实验中就可以用Comparative Delta-delta Ct法进行相对定量分析。
反之，如果M差值大于0.1，就无法用该方法进行相对定量分析。
此时的解决方法有两种，一是优化实验，使两组标准曲线的斜率差值小于0.1，二是换用其它的相对定量方法。
应用实例:如上图，将标准品进行梯度稀释后，分别对目的基因( Gene of Interest )和看 家基因(Housekeeper Gene )做标准曲线。
qpcr数据处理公式qPCR（实时定量PCR）数据处理的公式包括两个主要部分：相对定量和绝对定量。
下面将分别介绍这两个部分的数据处理公式。
1. 相对定量的数据处理公式相对定量通常是对不同样品之间的基因表达量进行比较。
该方法通过测量目标基因与参考基因（通常是内部控制基因）的相对表达量来确定基因表达量的差异。
以下是相对定量的数据处理公式：- ΔCt法Ct值是实时定量PCR放大到指定阈值的周期数。
ΔCt法通过计算目标基因Ct 值与参考基因Ct值之间的差异来比较基因表达量。
公式如下：ΔCt = Ct (目标基因) –Ct (参考基因)- 2^-ΔΔCt法ΔΔCt法是一种更精确的相对定量方法，它通过计算目标基因与参考基因的ΔCt 值差异来比较基因表达量。
公式如下：ΔΔCt = (Ct (目标基因) –Ct (参考基因))样品A –(Ct (目标基因) –Ct (参考基因))样品BFold Change = 2^-ΔΔCt其中，Fold Change表示目标基因的表达量相对于参考基因的表达量的倍数。
2. 绝对定量的数据处理公式绝对定量是测量目标基因的绝对表达量（例如拷贝数或RNA浓度）。
以下是绝对定量的数据处理公式：- 标准曲线法标准曲线法是一种常用的绝对定量方法，它通过绘制已知拷贝数或RNA浓度的标准曲线来计算未知样品的目标基因拷贝数或RNA浓度。
公式如下：y = mx + b其中，y表示Ct值，x表示已知的目标基因拷贝数或RNA浓度，m表示斜率，b表示截距。
通过将未知样品的Ct值代入该方程，可以计算出相应的目标基因拷贝数或RNA浓度。
- 相对标准曲线法相对标准曲线法是一种更精确的绝对定量方法，它通过绘制已知拷贝数或RNA 浓度的标准曲线和参考基因的Ct值来计算未知样品的目标基因拷贝数或RNA 浓度。
公式如下：y = mx + bΔCt = Ct (目标基因) –Ct (参考基因)ΔΔCt = ΔCt (样品) –ΔCt (标准曲线)Fold Change = 2^-ΔΔCt其中，y表示Ct值，x表示已知的目标基因拷贝数或RNA浓度，m表示斜率，b表示截距，ΔCt表示目标基因与参考基因的Ct值差异，ΔΔCt表示未知样品与标准曲线的ΔCt值差异，Fold Change表示目标基因的表达量相对于参考基因的表达量的倍数。
相对定量2 δct推导1. 引言相对定量2（Relative Quantification 2）是一种常用的实验方法，用于测量基因表达水平的变化。
在相对定量2中，我们通过比较目标基因在不同条件下的表达水平来推断其相对变化。
δCt是一种常用的计算方法，用于比较两个样本之间的差异。
本文将详细介绍相对定量2和δCt推导的原理和步骤。
2. 相对定量2原理相对定量2是一种基于实时荧光定量PCR（Real-time quantitative PCR）技术的方法，通过测量目标基因和参考基因在样本中的拷贝数来确定其表达水平。
相对定量2与绝对定量方法不同之处在于，它并不直接测量目标基因的绝对拷贝数，而是将其与参考基因进行比较，从而得到一个相对值。
参考基因通常被认为在不同条件下的表达水平保持稳定。
通过将目标基因的拷贝数除以参考基因的拷贝数，我们可以得到一个表示目标基因表达水平变化程度的相对值。
3. δCt推导步骤δCt是一种用于计算两个样本之间差异的方法，它通过计算两个样本的Ct值差异来确定目标基因在不同条件下的表达变化。
以下是δCt推导的步骤：步骤1：收集实验数据首先，我们需要进行实时荧光定量PCR实验，并记录每个样本中目标基因和参考基因的Ct值。
Ct值是一个反映PCR扩增周期数的指标，通常越低表示目标基因拷贝数越多。
步骤2：计算ΔCt值ΔCt表示目标基因和参考基因之间的Ct值差异。
计算ΔCt可以使用以下公式：ΔCt = Ct(target) - Ct(reference)其中，Ct(target)代表目标基因在样本中的Ct值，Ct(reference)代表参考基因在样本中的Ct值。
步骤3：计算δCt值δCt是指相对于某个参考样本，目标样本与该参考样本之间的ΔCt差异。
计算δCt可以使用以下公式：δCt = ΔCt(sample) - ΔCt(reference)其中，ΔCt(sample)代表目标样本和参考样本之间的ΔCt值，ΔCt(reference)代表参考样本和参考样本之间的ΔCt值。
PCR结果分析CT法详细介绍PCR（Polymerase Chain Reaction，聚合酶链式反应）是一种通过体外扩增特定DNA片段的方法，可以从极少量的DNA样本中扩增目标片段，并且可以进行定性和定量分析。
PCR的CT法（Cycle Threshold，循环阈值）是PCR结果分析的常用方法，本文将详细介绍PCR的CT法及其应用。
PCR的CT法基于PCR反应过程中的指数增长特点，通过检测反应体系中的荧光信号来确定目标DNA扩增的临界循环数。
CT值表示在反应体系中，荧光信号的强度超过阈值的所需循环数。
CT值越低，说明样本中的目标DNA浓度越高。
CT值的计算有多种方法，常用的有绝对和相对两种。
绝对法是通过建立标准曲线，根据标准曲线上对应CT值所对应的模板浓度，来计算未知样本中目标模板的浓度。
具体步骤如下：1.准备一系列已知模板浓度的DNA样品，使用这些样品进行PCR反应。
2.对PCR反应产物进行测量，记录荧光信号的强度和对应的CT值。
3.根据已知模板浓度与对应的CT值，建立标准曲线。
标准曲线的斜率可以代表PCR的效率，截距则代表背景信号的大小。
4.通过测量未知样本的CT值，根据标准曲线上对应的模板浓度，计算未知样本中目标模板的浓度。
相对法是通过比较不同样品的CT值来分析物种间或样品间的相对差异。
具体步骤如下：1.选择一个参照标准样品作为参照物，同时进行PCR反应，并计算其CT值作为参照CT值。
2.对其他样品进行PCR反应，测量其CT值。
3.计算其他样品的相对CT值，即用其他样品的CT值减去参照CT值，得到相对CT值。
4.通过比较不同样品之间的相对CT值，可以得出目标物在不同样品中的表达差异以及不同样品之间的相对浓度差异。
CT法在许多领域具有广泛的应用。
例如，在生物学研究中，通过比较不同组织或不同时间点的PCR结果的CT值，可以研究基因的表达差异；在医学诊断中，可以通过分析血液或组织样本中的CT值来检测和定量病原体或致病基因的存在；在食品安全监测中，可以通过PCR反应并分析CT值来快速检测食品中的致病菌或有害基因。
利用实时定量 PCR 技术通过2 -△△CT 方法分析相对基因表达差异Kenneth J. Livak and Thomas D. SchmittgenDepartment of Pharmaceutical Sciences, College of Pharmacy.Washington State University, Washington 99164-6534现在最常用的两种分析实时定量 PCR 实验数据的方法是绝对定量和相对定量。
绝对定量通过标准曲线计算起始模板的拷贝数；相对定量方法则是比较经过处理的样品和未经处理的样品目标转录本之间的表达差异。
2 - △△ CT 方法是实时定量 PCR 实验中分析基因表达相对变化的一种简便方法。
本文介绍了该方法的推导，假设及其应用。
另外，在本文中我们还介绍了两种 2 - △△ CT 衍生方法的推导和应用，它们在实时定量 PCR 数据分析中可能会被用到。
关键词：反转录 PCR 定量PCR 相对定量 实时PCR Taqman反转录 PCR （ RT-PCR ）是基因表达定量非常有用的一种方法（ 1 － 3 ）。
实时 PCR 技术和 RT-PCR 的结合产生了反转录定量 PCR 技术（ 4 ， 5 ）。
实时定量 PCR 的数据分析方法有两种：绝对定量和相对定量。
绝对定量一般通过定量标准曲线来确定我们所感兴趣的转录本的拷贝数；相对定量方法则是用来确定经过不同处理的样品目标转录本之间的表达差异或是目标转录本在不同时相的表达差异。
绝对定量通常在需要确定转录本绝对拷贝数的条件下使用。
通过实时 PCR 进行绝对定量已有多篇报道（ 6 － 9 ），包括已发表的两篇研究论文（ 10 ， 11 ）。
在有些情况下，并不需要对转录本进行绝对定量，只需要给出相对基因表达差异即可。
显然，我们说 X 基因在经过某种处理后表达量增加 2.5 倍比说该基因的表达从 1000 拷贝 / 细胞增加到 2500 拷贝 / 细胞更加直观。
用实时 PCR 对基因表达进行相对定量分析需要特殊的公式、假设以及对这些假设的验证。
2 - △△ CT 方法可用于定量 PCR 实验来计算基因表达的相对变化： 2 - △△ CT 公式的推导 , 以及实验设计，有效性评估在 Applied Biosystems User Bulletin No.2(P/N4303859) 中有介绍。
用 2 - △△ CT 方法分析基因表达数据在文献中也有报道 (5, 6) 。
本文介绍了该方法的推导、假设以生物秀-专心做生物w w w .b b i o o .c o m及应用。
另外，本文还介绍了 2 - △△ CT 两种衍生方法的推导和应用，它们在实时定量 PCR 数据分析中都可能被用到。
• 2 - △△ CT 方法 • 2 - △△ CT 方法的推导 PCR 指数扩增的公式是：Xn 是第 n 个循环后目标分子数。
X 0 是初始目标分子数。
Ex 是目标分子扩增效率。
n 是循环数C T 代表目标扩增产物达到设定阈值所经历的循环数因此：X T 是目标分子达到设定的阈值时的分子数。
C T,X 是目标分子扩增达到阈值时的循环数。
Kx 是一个常数对于内参反应而言，也有同样的公式：用 X T 除以 R T 得到：生物秀-专心做生物w w w .b b i o o .c o m对于使用Taqman 探针的实时扩增而言，X T 和R T 的值由一系列因素决定：包括探针所带的荧光报导基团、探针序列对探针荧光特性的影响、探针的水解效率和纯度以及荧光阈值的设定。
因此常数K 并不一定等于 1 。
假设目标序列与内参序列扩增效率相同：或：X N 代表经过均一化处理过的初始目标分子量；△C T 表示目标基因和内标基因C T 值的差异（C T,X -C T,R ）整理上式得：最后用任一样本q 的X N 除以参照因子（calibrator ，cb ）的X N 得到：在这里对于一个少于150bp 的扩增片断而言，如果Mg 2+ 浓度、引物都进行了适当的优化，扩增效率接近于 1 。
因此目标序列的量通过内均一化处理之后相对于参照因子而言就是：1.2要使△△ C T 计算方法有效，目标序列和内参序列的扩增效率必须相等。
看两个反应是否具有相同的扩增效率的方法是看他们模板浓度梯度稀释后扩增产物△ C T 如何变化。
图1 显示的是cDNA 样品在100 倍稀释范围内的实验结果。
对于每一个稀释样本，都用GAPDH 和c-myc 特异的荧光探针及引物进行扩增。
计算出c-myc 和GAPDH 的平均C T 值以及△ C T 值，通过cDNA 浓度梯度的log 值对△ C T 值作图，如果所得直线斜率绝对值接近于0 ，说明目标基因和内标基因的扩增效率相同，就可以通过△△ C T 方法进行相对定量。
在图1 中，直线斜率是0.047 ，因而假设成立，△△ C T 方法可以用来分析数据。
如果两个扩增反应效率不同，则需要通过定量标准曲线和绝对定量的方法来进行相对定量；或者也可以重新设计引物，优化反应条件使得目标序列和内参序列具有相同的扩增效率。
1.3基因作为内标之前首先确证该基因的表达不会受实验处理的影响。
验证实验处理是否对内标基因表达产生影响的方法在 2.2 部分有描述。
方法计算，目标基倍数来表示。
对于未经处理的参照样，因表达差异通过经过处理的样本相对于未经处理的样本的△△ C T ＝0 ，而 2 0 ＝ 1 。
所以根据定义，未处理样本的倍数变化为 1 。
而对于那些经过处理的样本，相对于参考因子基因表达的倍数为1.4Time x 表示任意时间点， Time 0 表示经 β -actin 校正后 1 倍量的目标基因表达。
0 时刻目标基因和内标基因的平均 C T （见图 2 第 8 栏）被用于公式 9 中。
通过公式 9 计算出每一个样本目标基因表达通过 β -actin 均一化处理后相对于 0 时刻的倍数（见图 2 第 9 栏）。
平均 SD ， CV 由每一个时间点所取的三个重复样求得。
用这种分析方法，在 0 时刻的平均倍数变化接近于 1 。
我们发现通过检测在 0 时刻平均倍数变化是否为 1 可以很方便的验证三个重复样品之间是否有错误或者误差。
如果得到的结果与 1 偏差很大 , 则表明存在计算错误或者是很高的实验误差。
生物秀-专心做生物w w w .b b i o o .c o m在前面的例子中，在每一时间点上分别取了三个独立的RNA 样本进行了分析。
因此对每一个样本分别处理，通过计算。
怎么样计算平均值就要看目标基因和内参基因是在同一个管子中扩增还是在不同的管子中扩增。
表 1 给出了目标基因（c- myc ）和内参基因（GAPDH ）在不同管中扩增的实验数据。
在这里不应该把任一单个的c-myc 管子和GAPDH 管子作比较，而应该分别计算出c-myc 和GAPDH 的平均 C T 来计算△ C T 。
重复实验中 C T 值的估计偏差通过标准的指数计算转化成最后结果中相对量的变化。
但其中的一个难点是 C T 值与相应的拷贝数成指数关系（见第 4 部分）, 因此，在最后的计算中，计算。
在这里估计误差值也是一个不对称的范围，反映了误差经指数处理转化为线性差异。
在表 1 和表 2 中，估计误差在从△ C T 到△△ C T 的计算中未见有增加，这是因为我们把参照基因和检测基因的误差都显示出来了。
我们把△ C T,cb 当作一个人为设定的常数来减去，得到△△ C T 。
这样得到的结果就与图 2 所显示的在求平均之前对不同重复样本分别通过各自的 C T值求2. 2 -ΔCT ’方法2.1 2 - △ CT ’方法的推导通过内标RNA 可以对加入RNA 的量的差异进行校正。
任一样品Ｘ 0,q 除以参照品 X 0,cb 得：在这里△ CT ’=C T ,q-C T ,cb 。
△ C T ’ 与前面计算中用的△ C T （用目标基因 C T 值减去参照基因 C T 值）相互区别。
就象在 1.1 部分所描述的，如果条件优化较好，效率接近于 1 ，内标相对于参照因子为：2.2 2 -△CT ’ 方法的应用2 - △ CT ， 方法的一个应用就是确定实验处理对某一候选内标基因的影响。
为了显示这一过程，我们做了血清饥饿 / 诱导实验 (7) 。
血清饥饿 / 诱导是研究某些 mRNA 降解的常用方法 (8) 。
然而，血清可能影响一些基因的表达包括标准的看家基因的表达。
在 24-h 血清饥饿培养之后，在 NIH 3T3 细胞中加入 15% 血清诱导基因表达。
从细胞中提取 Poly(A) + RNA ，并将之反转录成 cDNA 。
利用 SYBR Green 通过实时定量 PCR 检测 GAPDH ，β 2 -microglobulin cDNA 的量。
GAPDH 和β 2 -microglobulin 各自的相对量通过 2 - △ CT ‘ 公式求得。
细胞处理对于 GAPDH 的基因表达有明显影响，但对β 2 -microglobulin 没有什么影响。
因此β 2 -microglobulin 很适合做血清刺激定量实验的内标，而 GAPDH 并不适合。
这一例子向大家展示了在只研究一个基因的时候怎么用 2 - △ CT ‘ 的方法分析基因相对表达数据。
生物秀-专心做生物w w w .b b i o o .c o m3. 实时 PCR 数据的统计学分析实时 PCR 最终分析的是阈值循环或 C 。
C T 值通过 PCR 信号的对数值和循环数来确定。
因此 C T 值是一个指数而非线性概念 。
因此，在任何统计分析中都不要用原始的 C T 值来表示结果。
正如我们在前文中所描述的一样， PCR 相对量通常和内标和参照样本一起计算而很少直接用 C T 值来表示，除非我们想检验重复样本之间的差别。
为了向大家显示这一点，我们用 SYBR生物秀-专心做生物w w w .b b i o o .c o mGreen 通过 real-time PCR 来检测相同 cDNA 的 96 个重复反应。
所有反应组分在同一管中混好后分装到 96 个管中，做实时 PCR 分析，得到了每一个样本的 C T 值。
为了比较样品间变化，计算了 96 个样本的平均 ±SD ，如果通过原始 C T 值计算，平均 ±SD 是 20.00±0.193 ， CV 为 0.971% 。
但是如果把原始 Ct 值用 2 -CT 转化成线性形式，平均 ±SD 是 9.08 × 10 -7 ±1.33 × 10 -7 ， CV 为 13.5 ％。
