qPCR(荧光定量PCR)的Ct值

news2024/11/15 23:49:00

今天我们要说的问题,也是对qPCR的更高阶的认识。

1、Ct值到底是不是YYDS?

2、Ct值跟哪些因素有关?

3、同样的模板,Ct值大试剂盒就差吗?要不要换试剂盒?

还是从这个盗版来的图说起。你必须明白以下几个概念和问题。

Ct值-阈值-基线

1、阈值循环数(Cycle threshold,Ct值)的含义为:每个反应管内的荧光信号到达设定阈值时所经历的循环数。Ct值与模板的起始拷贝数的对数存在线性关系,起始模板浓度越高,Ct值越小;起始模板量浓度越低,Ct值越大。这就是荧光定量PCR的理论基础。

2、阈值怎么确定呢?阈值(threshold)一般是基线的标准偏差的10倍。为什么是10倍,而不是5倍8倍?就是为了和基线拉开距离,证明PCR扩增进入指数扩增期。为什么不是20倍30倍?因为每个一PCR循环都会放大误差,而此时误差还未被放大。我们当然可以把阈值设置到30个循环,但是30个循环以后,扩增效率和其它误差带来的数据偏差,估计他妈妈都不认识了。

3、基线又是怎么确定呢?基线(baseline)通常是3-15个循环的荧光信号,同一次反应中针对不同的基因需单独设置基线。

很显然,基线一变,阈值就改变了,阈值改变,Ct值就跟着改变。由于每次实验的样本和仪器,甚至混合情况不一样,使得基线有所差异,最终会影响Ct值。所以拿上一次实验的样本去检测本次实验的Ct值是否一致,本身就是刻舟求剑,没有可比性,所以童鞋们应该明白了,为啥qPCR一做就要放在一起做,就是这个原因。

Ct值跟哪些因素有关?

按照影响的严重性进行描述:仪器<耗材<试剂<<<样本浓度,越往后面越严重。这是肯定的了,如果仪器耗材试剂都能很大程度上影响对样本浓度的测定,那这就是一个失败的测试。

仪器:很显然,仪器对荧光信号检测的敏感度,以及计算软件,都会影响到Ct值。我们一旦买了一台仪器,这些因素就已经确定了。高校实验室的仪器几乎都是清一色的进口品牌:ABI、Bio-Rad、Roche,几十万一台,你几乎无法找他们的麻烦。

耗材:很多童鞋会忽略耗材的影响,其实耗材的选择是非常重要的,荧光信号强不强,先过耗材这一关,你用的板子是什么板?白色or透明;用的好是数据看板,用的不好就是仙人板板。用的膜是什么膜?高透or普通;好的膜就跟没有一样,就如同管理,最好的管理就是没有管理”太上,不知有之“。适配性怎么样?我们曾经做过一个qPCR金标准耗材的选择表,感兴趣的可以找我(Thankyou_baby)要一份。

试剂:这是大家最容易被欺骗的地方,认为试剂好Ct值就比较低,因为只有这个指标是最直观的,以至于市面上的公司都在拼命的降低Ct值,有的公司甚至以增加预热,预反应的方式,让Taq酶启动起来,先反应个几个循环。

在此,我跟大家讲讲试剂的内在本质。

1.Taq酶:一般来说,做qPCR所使用的Taq酶都是热启动的Taq酶,热启动的Taq酶分为两种,一种是化学修饰,一种是抗体修饰,很显然,抗体修饰的热启动酶更高级,生物学活动要比化学活动敏感得多,一旦到达反应温度,抗体修饰的热启动酶即可释放活性,而化学修饰有短暂的反应时间。所以,只要一个荧光定量PCR试剂盒的酶是抗体修饰的,那么大概率Ct值比化学修饰的要低。

两种热启动Taq示意图

化学修饰是上一个世纪的技术。但是化学修饰并不是一无是处,它能够保证酶活在反应过程中得到补充,特别是在最后的十几个循环。这就是为什么有的公司会添加两种酶。从某种意义上讲,它也是对抗体修饰酶活的不自信。如果一个酶能够持续反应到60个循环,添加候补酶就大可不必,就像一个足球运动员,如果它能够精神饱满的跑完90分钟,替补人员就没必要使用了。另外,如果抗体修饰的酶性能卓著,添加其他的酶反而是占用酶浓度。生产商肯定考虑过这个问题。

2.镁离子浓度:镁离子浓度是Taq酶活性的调节剂,合适的镁离子浓度能够促进Taq酶活性释放,浓度过低,会显著降低酶活性;浓度过高又使酶催化非特异性扩增增强。镁离子浓度还会影响引物的退火、模板与PCR产物的解链温度,从而影响扩增片段的产率。镁离子离子的浓度一般控制在25mM,当然了,一个好的试剂盒,镁离子浓度一定是控制的比较好的。有的商家在试剂里面加入镁离子的螯合剂,可以达到镁离子浓度自动调节的作用。

3.Buffer:你看到的市面上大多数厂家的试剂盒的酶,可能都是同一厂家批量生产,然而其性能更卓越,主要是优化了Buffer,具体如何优化,我也不知道,反正你拿到产品也无法优化。

4.dNTP:主要考虑dNTP的纯度。这方面不得不说某些国外厂家专门生产dNTP,卖给中国的公司包装成试剂盒,你可以问问生产商dNTP的来源。纯度不够,抑制PCR反应。

试剂对Ct值影响主要是这几个方面。作为试剂的消费者,其实要考虑的不是Ct值,而是该试剂盒在低浓度模板和高浓度模板的情况下,是否会产生PCR抑制。从而使得标准曲线之间的距离不均衡。其实有个公司的产品是业界良心,一般生产商用中国制造贴美国品牌,而这个生产商用国外的高级原料包装成国产试剂,卖国产的价格,反向补贴,真是业界良心,为了避免种草,此处不公开说明。

样本浓度

首先我们说一般性原理:PCR通过Taq酶进行DNA合成,经过一个反应,扩增片段DNA的浓度翻一倍,也就是说每扩增N次,产物浓度就会变成2的N次方。

  • 产物量Cn=起始模板量C1×2^循环数n

然而并不是每次都能100%的翻倍扩增,要不然为什么前面15个循环都在基线期呢?细思极恐。在扩增过程中造成的损失,我们用扩增效率(E)来表示,把2拆分成(1+E),通常,我们认为扩增效率与Taq酶有关,这其实是一个笼统的看法。我们都知道一个反应体系包含Taq酶,镁离子,buffer,dNTP,水,另外就是引物和模板,任何一个元素都可能影响扩增效率。

  • 产物量Cn=起始模板量C1×(1+E)^循环数n

扩增效率E到底能有多少呢?如果是100%,那就是1,再好不过了,大多数能够做到95%~100%,这已经是很不错的扩增效率了。但是莫名其妙的是有的实验做到了110%,你可以用小脑袋瓜思考一下,DNA的半保留复制,一个复制循环竟然复制出多余2倍的DNA,怪了。很明显,引物二聚体可能在复制,非特异性扩增DNA可能也在复制,因为我们检测的是荧光值,只有多于目的片段的DNA在复制,才能可突破100%。

做一个已知样本量的标准曲线,倍比稀释模板,就会得到如下的结果。

模拟数据

  • 标准曲线制作:利用Mean Ct (平均值)作图可得到标准曲线
  • y = -3.29x + 40.33;纵坐标y就是Ct值,横坐标x就是样本浓度的数量级,3.29是斜率Slope,当扩增效率为100%时斜率为-3.32。
  • R2 = 0.9978;相关系数Correlation coefficient (R^2) 表明标准曲线的线性,通常要求>0.98,越接近1,结果可信度越高。
  • 斜率-�=10−1/斜率-1 ;越接近1越理想。

你也许会问,这些数据依据是如何得来的,为什么是这个公式,答:高中数学。咱们做生物学研究的,数学一般都不咋地,老一辈科学家都已经做出来了,你跟着公式计算没问题。

标准曲线

所以,回到我们的问题,除了最重要的样本浓度,仪器、耗材、试剂都会对Ct值造成影响。

Ct值对我们计算样本的拷贝数影响到底有多大呢?以下是在扩增效率完美达到100%的情况下和真实情况下的比较:

数字模拟

  1. 同样的扩增效率,Ct值少一个循环,拷贝数的数量级差别大概是0.3,也就是2倍左右;
  2. 同样的Ct值,扩增效率只要不是特别拉跨,拷贝数的数量级差别是0.01,也就是1倍左右;
  3. 当然这是理论计算,真实情况下扩增效率和Ct值相互影响;

结论:选择Ct值较低的产品是正确的,但是一定要避免非特异性扩增或者引物二聚体的情况。

解决方案

  1. 如果扩增效率比较高,Ct值降低是自然而然的事情;
  2. 如果遇到扩增效率大于1,要注意检查引物,它会不会产生二聚体,它的特异性如何,是不是要重新设计,因为扩增效率是根本;
  3. 扩增效率不高的主要原因有:热启动Taq酶活性不足、dNTP不纯、没有调校好Buffer、以及模板不纯,存在PCR扩增抑制,建议更换试剂盒

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1247884.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

政务大数据与资源平台建设解决方案:PPT全文75页,附下载

关键词:智慧政务解决方案,大数据解决方案,数据中心解决方案,数据治理解决方案 一、政务大数据与资源平台建设背景 1、政务大数据已成为智慧城市建设的必要基础 为响应国家不断加快5G基建、大数据、人工智能等新型基础设施建设布…

HTML CSS登录网页设计

一、效果图: 二、HTML代码: <!DOCTYPE html> <!-- 定义HTML5文档 --> <html lang="en"> …

开源语音大语言模型来了!阿里基于Qwen-Chat提出Qwen-Audio!

论文链接&#xff1a;https://arxiv.org/pdf/2311.07919.pdf 开源代码&#xff1a;https://github.com/QwenLM/Qwen-Audio 引言 大型语言模型&#xff08;LLMs&#xff09;由于其良好的知识保留能力、复杂的推理和解决问题能力&#xff0c;在通用人工智能&#xff08;AGI&am…

MySQL与Redis如何保证数据的一致性

文章目录 MySQL与Redis如何保证数据的一致性&#xff1f;不好的方案1. 先写 MySQL&#xff0c;再写 Redis2. 先写 Redis&#xff0c;再写 MySQL3. 先删除 Redis&#xff0c;再写 MySQL 好的方案4. 先删除 Redis&#xff0c;再写 MySQL&#xff0c;再删除 Redis5. 先写 MySQL&am…

生产环境出现问题,测试人如何做工作复盘?

很多时候我们能把大部分的Bug或一些部署等问题在业务上线之前就解决了&#xff0c;但由于某些因素&#xff0c;线上问题还是时而出现&#xff0c;影响业务生产甚至是公司效益。 避免线上问题的发生以及线上问题及时处理是测试人员的一项重要职责&#xff0c;如何快速地处理&am…

0001Java程序设计-springboot基于微信小程序批发零售业商品管理系统

文章目录 **摘 要****目录**系统实现开发环境 编程技术交流、源码分享、模板分享、网课分享 企鹅&#x1f427;裙&#xff1a;776871563 摘 要 本毕业设计的内容是设计并且实现一个基于微信小程序批发零售业商品管理系统。它是在Windows下&#xff0c;以MYSQL为数据库开发平台…

Postman接口测试 —— Jenkins实现持续集成构建流程!

一、从Postman导出集合和环境变量等Json文件 将设计好的接口测试用例集合&#xff0c;局部变量&#xff0c;环境变量&#xff0c;参数文件等都放在PostmanTest目录下 二、打开Jenkins&#xff0c;创建测试项目Postman 已安装Jenkins&#xff0c;安装方法自行百度&#xff0c;Je…

PyQt6第一个程序HelloWorld实现

锋哥原创的PyQt6视频教程&#xff1a; 2024版 PyQt6 Python桌面开发 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili2024版 PyQt6 Python桌面开发 视频教程(无废话版) 玩命更新中~共计12条视频&#xff0c;包括&#xff1a;2024版 PyQt6 Python桌面开发 视频教程(无废话版…

unittest指南——不拼花哨,只拼实用

&#x1f4e2;专注于分享软件测试干货内容&#xff0c;欢迎点赞 &#x1f44d; 收藏 ⭐留言 &#x1f4dd; 如有错误敬请指正&#xff01;&#x1f4e2;交流讨论&#xff1a;欢迎加入我们一起学习&#xff01;&#x1f4e2;资源分享&#xff1a;耗时200小时精选的「软件测试」资…

BGP联邦及路由反射器配置

需求 1 AS1存在两个环回&#xff0c;一个地址为192.168.1.0/24&#xff0c;该地址不能再任何协议中宣告 AS3存在两个环回&#xff0c;一个地址为192.168.2.0/24&#xff0c;该地址不能再任何协议中宣告 AS1还有一个环回地址为10.1.1.0/24&#xff0c;AS3另一个环回地址是11.1.1…

树形 DP:树的直径

leetCode 104.二叉树的最大深度104. 二叉树的最大深度 - 力扣&#xff08;LeetCode&#xff09; class Solution { public:int maxDepth(TreeNode* root) {if(root nullptr) return 0;int lDepth maxDepth(root->left);int rDepth maxDepth(root->right);return max(l…

HashMap的实现原理,HashMap方法详解,hash()计算的原理,扩容机制

文章目录 说一下HashMap的实现原理(非常重要)①HashMap的工作原理HashMap存储结构常用的变量HashMap 构造函数tableSizeFor() put()方法详解hash()计算原理resize() 扩容机制get()方法为什么HashMap链表会形成死循环 说一下HashMap的实现原理(非常重要) HashMap概述&#xff1…

冷空气来袭,关注身体状况,手表这几个功能速get

进入小雪节气后&#xff0c;冷空气活动更加频繁&#xff0c;气温会越来越低&#xff0c;或进入感冒发烧的高发期。大家在感觉到身体不适时&#xff0c;要多关注一下自己的体温、血氧饱和度、心率等指标&#xff0c;通过手表就可以掌握这些身体讯号&#xff0c;速来了解一下&…

SQL 通配符:用于模糊搜索和匹配的 SQL 关键技巧

SQL通配符字符 通配符字符用于替代字符串中的一个或多个字符。通配符字符与LIKE运算符一起使用。LIKE运算符用于在WHERE子句中搜索列中的指定模式。 示例 返回所有以字母 ‘a’ 开头的客户&#xff1a; SELECT * FROM Customers WHERE CustomerName LIKE a%;通配符字符 符…

智能WIFI 电子标签

7.5/10.2/13.3寸大屏电子墨水屏高清显示 无需部署专用基站&#xff0c;基于标准WIFI网络通信实时在线 无需接线&#xff0c;极简安装 超低功耗&#xff1a;充一次电续航一年~ 系统联动&#xff0c;信息统一&#xff0c;WiFi控制&#xff0c;批量快速刷新 随改随变化&#…

【数据分享】我国12.5米分辨率的DEM地形数据(免费获取/地理坐标系)

DEM地形数据是我们在各种研究和设计中经常使用的数据&#xff01;之前我们分享过500米分辨率的DEM地形数据、90米分辨率的DEM地形数据、30米分辨率的DEM地形数据&#xff08;均可查看之前的文章获悉详情&#xff09;。 本次我们为大家带来的是分辨率为12.5m的DEM地形数据&#…

Linux后台运行Python的py文件,如何使ssh工具退出后仍能运行

常规运行 python3 mysqlbak.py ssh工具退出后&#xff0c;或ctrlc中断后&#xff0c;程序将不在运行 后台运行 nohup python3 mysqlbak.py > mysqlbak.log & > mysqlbak.log为可选项&#xff0c;输出日志到指定文件&#xff0c;如果不写&#xff0c;输出日志到nohup…

CENTOS8.2下的内核启动参数cmdline更新

error: environment block too small. 删掉grubenv重新生成。 查看是什么方式启动 [rootlocalhost boot]# [ -d /sys/firmware/efi ] && echo UEFI || echo BIOS UEFI 先改etc/default/grub GRUB_CMDLINE_LINUX"consolettyS0,115200n8 crashkernelauto ignore_…

大语言模型概述(一):基于亚马逊云科技的研究分析与实践

大型语言模型指的是具有数十亿参数&#xff08;B&#xff09;的预训练语言模型&#xff08;例如&#xff1a;GPT-3, Bloom, LLaMA)。这种模型可以用于各种自然语言处理任务&#xff0c;如文本生成、机器翻译和自然语言理解等。 大语言模型的这些参数是在大量文本数据上训练的。…

LeeCode前端算法基础100题(2)- 最多水的容器

一、问题详情&#xff1a; 给定一个长度为 n 的整数数组 height 。有 n 条垂线&#xff0c;第 i 条线的两个端点是 (i, 0) 和 (i, height[i]) 。 找出其中的两条线&#xff0c;使得它们与 x 轴共同构成的容器可以容纳最多的水。 返回容器可以储存的最大水量。 说明&#xff1a;…