Kalkulator Efisiensi qPCR: Alat Analisis Kurva Standar

Kalkulator Efisiensi qPCR

Kalkulator efisiensi qPCR memperkirakan seberapa baik reaksi PCR kuantitatif (qPCR) menggandakan sekuens DNA target dalam setiap siklus amplifikasi. Kalkulator ini menggunakan nilai Ct (nomor siklus saat sinyal fluoresen melampaui ambang yang ditetapkan) dari suatu seri pengenceran untuk menghitung efisiensi, kemiringan, titik potong, dan R².

Apa Itu Efisiensi qPCR?

PCR kuantitatif melacak fluoresensi saat suatu reaksi menyalin sekuens DNA target, siklus demi siklus. Efisiensi amplifikasi menggambarkan seberapa besar jumlah DNA target bertambah pada setiap siklus. Pada efisiensi 100%, jumlah DNA target berlipat ganda pada setiap siklus.

Reaksi nyata jarang mencapai tepat 100%. Sebagian besar laboratorium menganggap efisiensi antara 90% dan 110% dapat diterima untuk kuantifikasi yang andal. Nilai di bawah 90% atau di atas 110% menunjukkan adanya masalah, seperti desain primer yang buruk, inhibitor PCR yang terbawa dari ekstraksi sampel, atau kesalahan pemipetan dalam seri pengenceran.

Efisiensi paling penting saat membandingkan ekspresi gen antarsampel. Metode ΔΔCt yang umum digunakan untuk menghitung perubahan lipat mengasumsikan bahwa setiap reaksi berjalan pada efisiensi 100%. Jika efisiensi terukur berbeda dari 100%, atau jika gen target dan gen referensi memiliki efisiensi yang berbeda, hasil perubahan lipat dapat menjadi tidak akurat.

Rumus Efisiensi qPCR

Efisiensi ditentukan berdasarkan kemiringan kurva standar, yaitu garis yang dibentuk dengan memplot nilai Ct terhadap logaritma basis-10 (log10) dari jumlah DNA awal dalam suatu seri pengenceran.

E = 10^(-1/slope) - 1

E adalah efisiensi, yang dinyatakan sebagai desimal (kalikan dengan 100 untuk mendapatkan persentase). Kemiringan adalah kemiringan garis kurva standar. Nilainya negatif karena Ct meningkat ketika jumlah DNA awal menurun.

Slope sebesar -3,32 sesuai dengan efisiensi 100%:

10^(-1/-3,32) - 1 = 10^0,301–1 ≈ 1,00

Hasil tersebut demikian karena pengenceran 10 kali seharusnya menggeser Ct sekitar 3,32 siklus jika reaksi menggandakan DNA pada setiap siklus, karena log2(10) kira-kira sama dengan 3,32.

Dalam praktiknya, kemiringan antara -3,1 dan -3,6 dianggap dapat diterima. Rentang tersebut sesuai dengan efisiensi sekitar 90% hingga 110%. Kemiringan yang lebih dekat ke -3,1 menghasilkan efisiensi terhitung yang lebih tinggi; kemiringan yang lebih dekat ke -3,6 menghasilkan efisiensi yang lebih rendah.

Cara Menghitung Efisiensi qPCR: Metode Kurva Standar

1. Siapkan seri pengenceran. Mulailah dengan sampel paling pekat dan encerkan dengan faktor tetap, umumnya 10 kali, untuk setiap sampel berikutnya. Jalankan qPCR pada setiap pengenceran dan catat nilai Ct-nya.
2. Ubah setiap pengenceran menjadi nilai log10. Dengan menghitung sampel pertama yang paling pekat sebagai posisi 0, sampel bernomor i memiliki log10(kuantitas relatif) yang sama dengan -i × log10(faktor pengenceran).
3. Plot Ct (sumbu vertikal) terhadap nilai log10 (sumbu horizontal) untuk setiap pengenceran, lalu lakukan regresi linear.
4. Catat kemiringan, titik potong, dan R² dari garis regresi.
5. Masukkan slope ke dalam E = 10^(-1/slope) - 1 untuk memperoleh efisiensi.

Kriteria Kualitas Kurva Standar

• R² minimal 0,98. Nilai ini mengukur seberapa dekat titik-titik data mengikuti garis lurus. Nilai yang lebih rendah sering menunjukkan kesalahan pemipetan atau amplifikasi yang tidak konsisten.
• Kemiringan antara -3,1 dan -3,6. Rentang ini sesuai dengan efisiensi 90–110%.
• Minimal tiga titik pengenceran. Lima atau enam titik menghasilkan garis yang lebih andal dan memudahkan pencarian pencilan.
• Sampel paling pekat seharusnya menghasilkan Ct sekitar 15-20. Sampel paling encer seharusnya memiliki nilai Ct di bawah 35, karena nilai di atas angka tersebut mendekati batas deteksi.

Contoh perhitungan

Seri pengenceran lima titik dengan pengenceran 10 kali menghasilkan nilai Ct berikut, dari yang paling pekat hingga yang paling encer: 15,0, 18,5, 22,0, 25,5, 29,0.

Nilai log10(kuantitas relatif) adalah 0, -1, -2, -3, -4, karena setiap langkah pengenceran menambahkan -log10(10), atau -1. Ct meningkat sebesar 3,5 siklus pada setiap langkah, sehingga titik-titik tersebut berada pada satu garis lurus dan regresi linear menghasilkan:

• Slope: -3,5
• Intersep: 15,0
• R²: 1,0

Efisiensi: E = 10^(-1/-3,5) - 1 = 10^0,286–1 ≈ 0,931, atau sekitar 93%.

Efisiensi sebesar 93% dengan R² = 1,0 memenuhi kriteria kualitas standar dan sesuai untuk kuantifikasi ekspresi gen.

Contoh Kode

Fungsi JavaScript ini mengikuti metode yang sama seperti kalkulator. Indeks setiap nilai Ct dinegasikan sebelum logaritma dihitung, karena sampel pertama yang paling pekat memiliki kuantitas relatif tertinggi dan setiap sampel berikutnya lebih encer.

1function qpcrEfficiency(ctValues, dilutionFactor) {
2  // Sample 0 is most concentrated; each later sample is diluted further,
3  // so its log10(relative quantity) is negative.
4  const x = ctValues.map((_, i) => -i * Math.log10(dilutionFactor));
5  const n = ctValues.length;
6  let sumX = 0, sumY = 0, sumXY = 0, sumXX = 0;
7  for (let i = 0; i < n; i++) {
8    sumX += x[i];
9    sumY += ctValues[i];
10    sumXY += x[i] * ctValues[i];
11    sumXX += x[i] * x[i];
12  }
13  const slope = (n * sumXY - sumX * sumY) / (n * sumXX - sumX * sumX);
14  const intercept = (sumY - slope * sumX) / n;
15  const efficiency = (Math.pow(10, -1 / slope) - 1) * 100;
16  return { efficiency, slope, intercept };
17}
18
19qpcrEfficiency([15.0, 18.5, 22.0, 25.5, 29.0], 10);
20// => { efficiency: 93.07, slope: -3.5, intercept: 15 }
21

Mengapa Efisiensi Penting bagi Ekspresi Gen

Perhitungan perubahan lipat, termasuk metode ΔΔCt, mengasumsikan bahwa setiap reaksi menggandakan targetnya pada setiap siklus. Jika gen target dan gen referensi memiliki efisiensi terukur yang berbeda, rumus ΔΔCt sederhana menimbulkan galat. Peneliti sering beralih ke perhitungan yang dikoreksi berdasarkan efisiensi, seperti metode yang dijelaskan Michael Pfaffl pada 2001, jika efisiensinya berbeda lebih dari sekitar lima poin persentase. Pedoman MIQE, yaitu kumpulan standar pelaporan qPCR yang banyak dikutip dan diterbitkan pada 2009, merekomendasikan agar penelitian melaporkan efisiensi terhitung, slope, dan R² bersama hasil kuantifikasi.

Pertanyaan yang sering diajukan

Berapa persentase efisiensi qPCR yang baik?

Efisiensi antara 90% dan 110% umumnya diterima, sedangkan pengujian yang dioptimalkan dengan baik berada sekitar 95–105%. Slope sebesar -3,32 sesuai dengan tepat 100%.

Mengapa efisiensi qPCR saya di atas 110%?

Penyebab umum mencakup kesalahan pemipetan dalam seri pengenceran, dimer primer, inhibitor yang memengaruhi sampel pekat dan encer secara tidak merata, atau ambang fluoresensi yang ditetapkan di luar fase eksponensial amplifikasi. Kurva leleh dengan lebih dari satu puncak dapat menunjukkan adanya dimer primer.

Mengapa efisiensi qPCR saya di bawah 90%?

Penyebab yang mungkin mencakup desain primer yang buruk, inhibitor PCR yang terbawa dari ekstraksi sampel, atau suhu penempelan primer yang tidak optimal. Pemeriksaan spesifisitas primer dan pelaksanaan gradien suhu dapat membantu menemukan penyebabnya.

Apa arti nilai R² yang rendah?

R² mengukur seberapa baik nilai Ct sesuai dengan garis lurus terhadap logaritma jumlah. Nilai di bawah 0,98 menunjukkan kemungkinan adanya ketidakkonsistenan pemipetan, sampel yang terinhibisi, atau titik pengenceran yang mendekati batas deteksi.

Berapa banyak titik pengenceran yang diperlukan kurva standar?

Minimal tiga, yaitu jumlah minimum yang diperlukan untuk regresi linear. Lima atau enam titik menghasilkan slope yang lebih andal dan memudahkan pencarian pencilan.

Dapatkah efisiensi berubah antareksperimen?

Ya. Lot reagen baru, batch primer baru, jenis sampel yang berbeda, atau instrumen qPCR yang berbeda dapat mengubah efisiensi. Banyak laboratorium memeriksa ulang efisiensi setiap beberapa bulan atau setiap kali menggunakan lot reagen baru.

Referensi

1. Bustin SA, Benes V, Garson JA, et al. Pedoman MIQE: informasi minimum untuk publikasi eksperimen PCR kuantitatif waktu nyata. Clinical Chemistry. 2009;55(4):611-622.
2. Pfaffl MW. Model matematika baru untuk kuantifikasi relatif dalam RT-PCR waktu nyata. Nucleic Acids Research. 2001;29(9):e45.
3. Svec D, Tichopad A, Novosadova V, Pfaffl MW, Kubista M. Seberapa baik estimasi efisiensi PCR: Rekomendasi untuk penilaian efisiensi qPCR yang presisi dan andal. Biomolecular Detection and Quantification. 2015;3:9-16.