qRT-PCR相对定量计算详解 qPCR

实时定量PCR也转录组结合,计算表达量等等;


做完转录组分析之后,一般都要求做qRT-PCR来验证二代测序得到的转录本表达是否可靠。荧光定量PCR是一种相对表达定量的方法,他的计算方法有很多,常用的相对定量数据分析方法有双标曲线法,ΔCt法,2^-ΔΔCt法(Livak法),用参照基因的ΔCt法和Pfaffl法。这里主要讲解常用的2^-ΔΔCt法(Livak法)如何计算;

qRT-PCR原理:

以基因的cDNA为模板进行PCR扩增,在PCR扩增过程中,通过收集荧光信号,对PCR进程进行实时检测。由于在PCR扩增的指数时期,模板的Ct 值和该模板的起始拷贝数存在线性关系,所以可以定量。

Ct值是什么意思呢?

Ct 值的含义是:每个反应管内的荧光信号达到设定的域值时所经历的循环数 (cycle)。 qRT-PCR在扩增的时候都会有平台期,在平台期之前,PCR 扩增就是简单的指数增长,也就是 1 变 2,2 变 4,4 变 8 …扩增。数学形式就是 2 的 ct 次方,到了平台期所有基因扩增的数目是一致的,而唯一有区别的则是 ct 值的不同。所以不难推断出 ct 值越小,反应扩增到达平台期所需循环数越少,目的基因起始含量越高。这里可以得到公式:



attachments-2018-09-vqhexX0o5ba38dce3d01f.jpg


attachments-2018-09-dBpJOkqj5ba38e0ee615e.jpg

计算-ΔΔCt

在这里,我们有一个对照组,一个处理组,还有一个内参基因和目的基因,想看一下目的基因在处理组中相对与对照中的表达差异,也就是计算-ΔΔCt:数据如下:

attachments-2018-09-YnSMN3575ba38e1b7e42a.jpg

1.计算每组内参基因sgAction Ct均值

attachments-2018-09-jKC4iwua5ba38e25ba9a1.jpg

  1. 计算第一个 Δct,即每组的待检目的基因减去内参基因的 Ct 值


attachments-2018-09-XQtn8fVc5ba38e2ebab2e.jpg

3.计算对照CK组中 Δct 的均值,再用处理组的 每一个Δct 减去刚刚计算的对照CK组的 Δct 均值,得到 ΔΔct(红框框)


attachments-2018-09-UqBDc8BY5ba38e373ad38.jpg

4.相对表达量计算,也就是相对于对照组: 2^-ΔΔct:

attachments-2018-09-oiwwvPX25ba38e47a3568.jpg

不难看出这里的-ΔΔct和我们转录组当中的log2(fold change)值是一致的,所以如果多做几个基因就可以绘制类似如下图:

attachments-2018-09-mxgH7WkI5ba38e5019b7a.jpg

或者相关性点图:

attachments-2018-09-8KBvnfRL5ba38e59ed3f8.jpg


测试数据表格下载:qRT-PCR_demo_data.xlsx


更多生物信息课程:

1. 文章越来越难发?是你没发现新思路,基因家族分析发2-4分文章简单快速,学习链接:基因家族分析实操课程基因家族文献思路解读

2. 转录组数据理解不深入?图表看不懂?点击链接学习深入解读数据结果文件,学习链接:转录组(有参)结果解读转录组(无参)结果解读

3. 转录组数据深入挖掘技能-WGCNA,提升你的文章档次,学习链接:WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘?学习链接:转录组标准分析后的数据挖掘转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读OTU网络图绘制cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课:linux系统使用biolinux搭建生物信息分析环境linux命令处理生物大数据perl入门到精通perl语言高级R语言画图R语言快速入门与提高

7. 医学相关数据挖掘课程,不用做实验也能发文章:TCGA-差异基因分析GEO芯片数据挖掘 GEO芯片数据不同平台标准化 、GSEA富集分析课程TCGA临床数据生存分析TCGA-转录因子分析TCGA-ceRNA调控网络分析

8.其他,二代测序转录组数据自主分析NCBI数据上传二代fastq测序数据解读

9.全部课程可点击:组学大讲堂视频课程


  • 发表于 2018-09-20 20:11
  • 阅读 ( 18798 )
  • 分类:实验相关

你可能感兴趣的文章

相关问题

0 条评论

请先 登录 后评论
omicsgene
omicsgene

生物信息

234 篇文章

作家榜 »

  1. omicsgene 234 文章
  2. 安生水 196 文章
  3. Daitoue 157 文章
  4. 生物女学霸 61 文章
  5. landy 37 文章
  6. 生信老顽童 33 文章
  7. orange 32 文章
  8. omics007 21 文章