
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。
這是我的 qPCR Ct 值。請以 作為參考基因、作為校準組,先將技術重複取平均,再用 2^−ΔΔCt 法計算相對表現量,以 ΔCt 值對每個目標基因進行檢定,並畫一張可直接投稿的倍數變化長條圖,標出每個生物重複與誤差線。將圖儲存為 PNG 和 SVG,並儲存 ΔCt/ΔΔCt 表與程式碼。
將在 Yila 工作台中開啟,之後可在對話裡隨時調整。
一份完成的 qPCR 分析
這是用為本頁製作的一小份模擬資料實際執行一次的官方範例。下方是它儲存的圖;下載檔裡另附 ΔCt/ΔΔCt 表、檢定結果、程式碼與輸入資料。

1 / 1
你會得到
- 倍數變化圖
- 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
- 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
- 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
- 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

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。

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。

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。



