qPCR திறன் கணக்கீட்டி: தரப்படுத்தல் வளைய பகுப்பாய்வு கருவி

Ct மதிப்புகளிலிருந்து qPCR திறனை கணக்கிடுங்கள். PCR பெருக்கத்தின் திறன் பகுப்பாய்வு, சாய்வு கணக்கீடு மற்றும் பரிசோதனை சரிபார்ப்பிற்கான இலவச கருவி உடனடி முடிவுகளுடன்.

qPCR திறன் கணக்கீட்டி

உள்ளீடு அளவுருக்கள்

கரைப்பு எண்ணிக்கை

கரைப்பு காரணி

Ct மதிப்புகள்

கரைப்பு 1

கரைப்பு 2

கரைப்பு 3

கரைப்பு 4

கரைப்பு 5

முடிவுகள்

திறன்

100.00%

R²

1.0000

சரிவு

-3.3219

வெட்டுப்புள்ளி

15.0000

தரப்படுத்தல் வளைவு

தகவல்

qPCR திறன் என்பது PCR வினைக்கு எவ்வளவு நன்றாக செயல்படுகிறது என்பதைக் குறிக்கிறது. 100% திறன் என்பது ஒவ்வொரு சுழற்சியிலும் PCR தயாரிப்பின் அளவு இரட்டிப்பாகும் என்பதைக் குறிக்கிறது.

திறன் தரப்படுத்தல் வளைவின் சரிவிலிருந்து கணக்கிடப்படுகிறது, இது Ct மதிப்புகளை தொடக்க வார்ப்பு செறிவின் லாகரிதத்தின் மீது வரைய்ப்பதன் மூலம் பெறப்படுகிறது.

திறன் (E) கீழ்கண்ட சமன்பாட்டைப் பயன்படுத்தி கணக்கிடப்படுகிறது:

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

ஏற்றுகிறது கணக்கிடுதல்...

📚

ஆவணம்

qPCR திறன் கணக்கீட்டி: உங்கள் அளவிடக்கூடிய PCR சோதனைகளை மேம்படுத்தவும்

qPCR திறன் என்றால் என்ன மற்றும் அது ஏன் முக்கியம்?

qPCR சோதனையை நடத்தி, பெறப்பட்ட முடிவுகள் சரியாக தெரியவில்லையா? பெரும்பாலும் பெருக்கத்தின் திறன் தான் காரணம். qPCR திறன் என்பது ஒவ்வொரு சுழற்சியிலும் இலக்கு DNA வை எவ்வளவு நன்றாக இரட்டிப்பாக்குகிறது என்பதை அளக்கிறது. மரபணு வெளிப்பாட்டு தரவு அல்லது நோய் கண்டறிதல் பரிசோதனைகளை சரிபார்க்கும்போது, இந்த எண் உங்கள் முடிவுகளை தீர்மானிக்கும்.

இதை நீங்கள் அறிந்துக்கொள்ள வேண்டியது: சிறந்த qPCR பிரதிக்ரியைகள் 90-110% திறன் கொண்டவை. இதை உங்கள் பிரதிக்ரியையின் மதிப்பெண் அட்டவணை என நினைத்துக்கொள்ளுங்கள் - இந்த வரம்பிற்கு வெளியே இருந்தால் பிரைமர்கள், தடைப்பொருட்கள் அல்லது பிரதிக்ரிய நிலைமைகளில் பிரச்சனை இருப்பதைக் காட்டுகிறது. 100% திறன் என்பது ஒவ்வொரு சுழற்சியிலும் சரியான இரட்டிப்பாகும், ஆனால் மூலக்கூற்று உயிரியலில் சாதுர்யம் அரிது. நன்கு சரிசெய்யப்பட்ட பரிசோதனைகள் பெரும்பாலும் 95-105% வரை இருக்கும்.

திறன் தவறாகப் பயன்பட்டால் என்ன நடக்கும்? உங்கள் மடங்கு மாற்ற கணக்கீடுகள் அர்த்தமற்றுப் போகும். ஒரு பொதுவான சூழ்நிலை - ஒரு இலக்கு மரபணு (85% திறன்) மற்றும் ஒரு குறிப்பிட்ட மரபணு (105% திறன்) ஆகியவற்றைப் ஒப்பிடுதல். ΔΔCt முறை சமச்சீர் திறன்களை feltுகிறது, எனவே உங்கள் 2-மடங்கு மாற்றம் உண்மையில் 3-மடங்கு அல்லது வெறும் 1.5-மடங்கு கூடும். இதுதான் MIQE வழிகாட்டுதல்கள் திறன்களை அறிக்கையிடுவதை வலியுறுத்துகின்றன - இதழ்கள் அதிகமாக இதனை கட்டாயப்படுத்துகின்றன.

இந்தக் கணக்கீட்டி தரநிலை வளைகோட்ட முறையைப் பயன்படுத்தி, Ct மதிப்புகளை லாகரிதம் நீர்த்தன்மைக்கு எதிராக வரைந்து, உங்கள் பரிசோதனையின் திறனைக் கண்டறிகிறது. இந்த கோட்டின் சாய்வு உங்கள் பெருக்கத்தின் இயக்கவியல் பற்றிய அனைத்தையும் வெளிப்படுத்துகிறது. -3.32 சாய்வு 100% திறனைக் குறிக்கிறது, ஏனெனில் கணக்கு சரியாக வருகிறது: ஒவ்வொரு 3.32 சுழற்சிகளும் தயாரிப்பில் 10-மடங்கு அதிகரிப்பைக் குறிக்கிறது.

qPCR திறன் சூத்திரத்தைப் புரிந்துகொள்ளுதல்

qPCR திறன் கணக்கீடு ஒரு முக்கிய சூத்திரத்தில் அமைகிறது, இது உங்கள் தரநிலை வளைவின் சரிவிலிருந்து பெறப்படுகிறது:

$E = 10^{(-1/slope)} - 1$

எங்கு:

E திறன் (தசமப் பகுதியாக வெளிப்படுத்தப்பட்டுள்ளது)
சரிவு தரநிலை வளைவின் சரிவு (Ct மதிப்புகள் vs. லாக் நீளம்)

ஏன் -3.32 ஒரு மாய எண்: ஒரு理想的 PCR வினைக்கு 100% திறன் -3.32 சரிவைக் கொடுக்கும். இந்த தொடர்பு நியாயமாக தெரிகிறது - ஒவ்வொரு சுழற்சியிலும் உங்கள் தயாரிப்பு இரட்டிப்பாகும் என்றால், ஒவ்வொரு 3.32 சுழற்சிகளும் உங்கள் தயாரிப்பை 10 மடங்கு அதிகரிக்கும். கணக்கை பார்ப்போம்:

$10^{(-1/-3.32)} - 1 = 10^{0.301} - 1 = 2 - 1 = 1.0 \text{ (அல்லது 100%)}$

சதவிகிதமாக மாற்ற (பெரும்பாலோர் பயன்படுத்தும் வடிவம்):

$\text{திறன் (%)} = E \times 100\%$

நடைமுறையில், நீங்கள் சரியாக -3.32 ஐ அரிதாகவே பார்ப்பீர்கள். -3.1 மற்றும் -3.6 இடைப்பட்ட சரிவுகள் ஏற்றுக்கொள்ளக்கூடியவை, சுமார் 90-110% திறனுக்கு பொருந்தும். ஒரு கடுமையான சரிவு (-3.1 அருகில்) அதிக திறனைக் குறிக்கும், மேலும் ஒரு மெதுவான சரிவு (-3.6 அருகில்) குறைந்த திறனைக் குறிக்கும்.

தரநிலை வளைவைப் புரிந்துகொள்ளுதல்

உங்கள் தரநிலை வளைவை திறன் கணக்கீட்டின் அடிப்படையாக நினையுங்கள். நீங்கள் Ct மதிப்புகளை (y-அச்சு) லாக் நீளத்தின் (x-அச்சு) எதிரில் வரைந்து, வரும் கோடு உங்கள் பரிசோதனையின் செயல்திறனைப் பற்றி அனைத்தையும் சொல்லும். கோடு நேராக இருக்கும்பொழுது, உங்கள் திறன் கணக்கீடு மிகவும் நம்பகமாக இருக்கும்.

ஒரு நல்ல தரநிலை வளைவு எப்படி இருக்கும்? மூன்று முக்கிய தரக் குறிகாட்டிகள்:

R² மதிப்பு ≥ 0.98: இது நேர்கோட்டுத்தன்மையை அளக்கிறது. 0.98 க்கு கீழ் பைப்பேட் பிழைகள், தடுப்பான்கள் அல்லது மாறுபட்ட வளர்ச்சியைக் குறிக்கும். பொதுவான பிழை - சீரிய நீளங்களுக்கு பழுதடைந்த பைப்பேட் நுனிகளைப் பயன்படுத்துதல் - சிறிய துல்லியமின்மை முழு தொடரில் கூடுதல் பிழைகளை ஏற்படுத்தும்.
சரிவு -3.1 மற்றும் -3.6 இடைப்பட்டது: இது நேரடியாக திறனைத் தீர்மானிக்கும். இந்த வரம்பிற்கு வெளியே இருப்பது உண்மையான பிரச்சனைகளைக் குறிக்கும்.
குறைந்தது 3-5 நீளப் பகுப்புகள்: மூன்று புள்ளிகள் ஒரு கோட்டைக் கொடுக்கும், ஆனால் ஐந்து அல்லது ஆறு புள்ளிகள் வெளிப்படையற்ற புள்ளிகளை வெளிப்படுத்தி நம்பிக்கையை அதிகரிக்கும். ஒரு புதிய பரிசோதனையை சரிபார்க்கும்பொழுது, 4-5 வரிசை மாற்றங்கள் கொண்ட குறைந்தது ஐந்து புள்ளிகளைப் பயன்படுத்தவும்.

சிறப்பு குறிப்பு: உங்கள் அதிக செறிவு Ct சுமார் 15-20 ஆக இருக்கவேண்டும், மேலும் உங்கள் குறைந்தது Ct 35 க்கு கீழ் இருக்கவேண்டும். Ct 35 க்கு மேல், நீங்கள் கண்டறிதல் வரம்பிற்கு அருகில் இருக்கிறீர்கள் எனக் குறிக்கிறது.

பின்னணி: கணக்கீடு எவ்வாறு வேலை செய்கிறது

கணக்கீட்டுப் பிரக்ரியைப் புரிந்துகொள்வது பிரச்சனைகளைத் தீர்க்க உதவும்:

தரவு தயாரிப்பு: உங்கள் Ct மதிப்புகள் மற்றும் நீளக் காரணியை உள்ளிடவும்.
லாக் மாற்றம்: கணக்கி உங்கள் நீள தொடரை log₁₀ அளவுக்கு மாற்றுகிறது.
நேர்கோட்டு பின்வாங்கல்: இங்கு கணிதம் நடக்கிறது. கணக்கி Ct vs. லாக் நீளப் புள்ளிகளின் வழியாக ஒரு கோடு வரைகிறது.
திறன் கணக்கீடு: சரிவு நேரடியாக E = 10^(-1/slope) - 1 இல் பொருந்தும்.
தரக் மதிப்பீடு: கணக்கி அனைத்து முக்கிய அளவுருக்களையும் காட்டும்.

qPCR திறன் கணக்கீட்டி பயன்படுத்தும் முறை

துல்லிய திறன் முடிவுகளைப் பெற எண்களை மட்டும் போடுவது போதாது. இதோ சரியாக செய்யும் வழி:

தேய்மான எண்ணிக்கையை அமைக்கவும்: எத்தனை புள்ளிகள் நடத்தினீர்கள் (3-7 புள்ளிகள் சிறப்பாக வேலை செய்யும்). புதிய பரிசோதனைக்கு தொடங்குகிறீர்கள் என்றால், 5 அல்லது 6 புள்ளிகளைப் பயன்படுத்தவும். வழக்கமான சரிபார்ப்பிற்கு, 4 புள்ளிகள் பொதுவாக போதுமானது.
தேய்மான காரணத்தை உள்ளிடவும்: பெரும்பாலான ஆய்வகங்கள் 10-மடங்கு தேய்மானத்தைப் பயன்படுத்துகின்றன (10 என்று உள்ளிடவும்) ஏனெனில் கணக்கீடு தெளிவாக இருக்கும். சில சமயம் 5-மடங்கு அல்லது 2-மடங்கு தேய்மானத்தைப் பயன்படுத்துகின்றனர் வரம்பிற்குட்பட்ட மாதிரிகளுக்கு. நீங்கள் எதைத் தேர்ந்தெடுக்கிறீர்கள் அதை நிலைத்தன்மையுடன் பயன்படுத்தவும்.
Ct மதிப்புகளை கவனமாக உள்ளிடவும்: மிக அதிக செறிவுள்ள மாதிரியிலிருந்து தொடங்கவும் - இதில் உங்கள் மிகக் குறைந்த Ct மதிப்பு இருக்கும். பொதுவான தவறு வரிசையை மாற்றிப் போடுவது. உங்கள் Ct மதிப்புகள் அதிகரிக்கிறதா (15, 18, 22, 25...), நீங்கள் சரியாகச் செய்கிறீர்கள்.
முடிவுகளைப் பரிசீலிக்கவும்: கணக்கீட்டி உடனடியாகக் காட்டும்:
- PCR திறன் (%): உங்கள் இலக்கு 90-110%
- சரிவு: -3.1 மற்றும் -3.6 இடையே இருக்க வேண்டும்
- Y-வெட்டுப்புள்ளி: அனந்த டெம்ப்ளேட் செறிவில் கோட்பாட்டு Ct
- R² மதிப்பு: நம்பகமான தரவிற்கு ≥ 0.98 இருக்க வேண்டும்
- நிலைக்கோட்டின் காட்சிப்படுத்தல்: பரவிய புள்ளிகளைப் பார்க்கவும் - அவை பிரச்சனைகளைக் காட்டுகின்றன

(மொழிபெயர்ப்பு தொடரும்...)

உண்மை உலக பயன்பாடுகள்: நிகழ்ச்சித்திறன் கணக்கீடுகள் தேவைப்படும் சமயங்கள்

1. பிரைமர் சரிபார்ப்பு: மதிப்புமிக்க மாதிரிகளை வீணாக்குவதற்கு முன்

நீங்கள் அரிய நோயாளி மாதிரி ஆய்வுக்கான தனிப்பயன் பிரைமர்களைப் பெற்றிருக்கிறீர்கள். அளவிடுதலுக்கு நேரடியாக தொடங்கலாமா? நம்பகமான முடிவுகளை விரும்பினால் அப்படிச் செய்யாதீர்கள். ஒரு நிகழ்ச்சித்திறன் சோதனையை முதலில் நடத்துவது, மாற்ற முடியாத மாதிரிகளைப் பயன்படுத்திய பிறகு பிரச்சனைகளைக் கண்டறிவதைத் தடுக்கும்.

பிரைமர்கள் பற்றிய நிகழ்ச்சித்திறன் சோதனை வெளிப்படுத்துவது:

தனித்துவ சிக்கல்கள்: 110% மேல் நிகழ்ச்சித்திறன் பிரைமர்-டைமர்கள் அல்லது இலக்கு அல்லாத பெருக்கம் இருப்பதைக் குறிக்கும்
மிகச் சிறந்த செறிவுகள்: 300nM மற்றும் 500nM பிரைமர் செறிவுகளைச் சோதியுங்கள் - நிகழ்ச்சித்திறன் எது சிறப்பாக வேலை செய்கிறது என்பதைக் காட்டும்
வெப்பநிலை உணர்திறன்: 60°C இல் 95% நிகழ்ச்சித்திறன் ஆனால் 58°C இல் 75% - உங்கள் இணைவு வெப்பநிலையை மேம்படுத்த வேண்டும்
இயக்க வரம்பு சரிபார்ப்பு: 5-6 தசம்ச இடங்கள் வரை சீரான நிகழ்ச்சித்திறன் உங்கள் பிரைமர்கள் அதிகமும் குறைவுமான வெளிப்பாட்டு மாதிரிகளைக் கையாளும் என்பதைக் காட்டுகிறது

[மொழிபெயர்ப்பு தொடரும்...]

qPCR திறன் அத்தியாவசியமாக மாறிய வரலாறு: ஒரு சுருக்கமான வரலாறு

திறன் கணக்கீடுகள் எங்கிருந்து வந்தன என்பதைப் புரிந்துகொள்வது இன்று அவை எவ்வளவு முக்கியமாக இருக்கின்றன என்பதை விளக்குகிறது.

PCR புரட்சி (1983-1990கள்)

கரி மல்லிஸ் 1983 ஆம் ஆண்டு PCR கண்டுபிடித்தார், மிகக் குறைந்த DNA அளவை பயன்படுத்தக்கூடிய அளவுக்கு வளர்க்கும் திறனுக்காக நோபல் பரிசு பெற்றார். ஆனால் ஆரம்ப PCR தரம் சார்ந்தது - DNA இருக்கிறதா என்பதைக் கண்டறிய முடிந்தது, ஆனால் அதன் அளவைக் கண்டறிய முடியவில்லை. ஆராய்ச்சியாளர்கள் ஜெல்களில் பட்டை தீவிரத்தைக் கணக்கிட முயன்றனர், ஆனால் இந்த அணுகுமுறை மிகவும் நம்பகத்தன்மையற்றது.

புரட்சிகரமான மாற்றம் 1990 களின் தொடக்கத்தில் ரஸ்சல் ஹிகுச்சி மற்றும் சிட்டஸ் கார்ப்பரேஷனின் (பின்னர் ரோஷ் நிறுவனத்தால் கைப்பற்றப்பட்ட) சகாக்கள் PCR இன் நேரடி கண்காணிப்பைக் காட்டியபோது நிகழ்ந்தது. வளர்ச்சியின் இறுதிப் பகுதியில் பார்ப்பதற்குப் பதிலாக பிளுவரெசன்ஸ் சேகரிப்பைக் கவனிப்பதன் மூலம், அவர்கள் தொடக்க டெம்ப்ளேட் அளவைக் கணக்கிட முடிந்தது. இது புரட்சிகரமாக இருந்தது, ஆனால் ஒரு பிரச்சனை தொடர்ந்தது: உங்கள் PCR எவ்வளவு திறம்பட வளர்ந்து வருகிறது என்பதை எப்படி அறிவீர்கள்?

திறன் பிரச்சனை தோன்றுதல் (1990கள்-2000கள்)

qPCR பிரபலமாகிய பொழுது, ஆராய்ச்சியாளர்கள் முரண்பாடான முடிவுகளைக் கவனித்தனர். அதே மாதிரி வெவ்வேறு ஆய்வகங்களில் பகுப்பாய்வு செய்யப்பட்ட மாதிரிகள் வெவ்வேறு அளவீட்டு மதிப்புகளைக் கொடுத்தன. ஏன்? ஏனெனில் வளர்ச்சி திறன் பரிசோதனைகளுக்கு இடையில் மாறுபட்டிருந்தது, மேலும் யாரும் அதை முறைப்படி அளவிடவில்லை.

மைக்கேல் ப்பாஃப்ல் 2001 ஆம் ஆண்டு திறன் திருத்தப்பட்ட அளவீட்டு பற்றிய தாள் அனைத்தையும் மாற்றியது. 100% திறன் feltுதல் பிழைகளை உருவாக்குகிறது என்பதை கணக்கு வழியாக காட்டி, கணக்கீடுகளில் உண்மையான அளவிடப்பட்ட திறனைப் பயன்படுத்தப் பரிந்துரைத்தார். திடீரென, ஆய்வகங்கள் திறனை நம்பகமாக தீர்மானிக்கும் வழிகளை தேவைப்பட்டன.

standard curve முறை - பாரம்பரிய பகுப்பாய்வு வேதியியலிலிருந்து கடன் வாங்கப்பட்ட - ஏற்றுக்கொள்ளப்பட்ட அணுகுமுறையாக மாறியது. log செறிவு எதிரெதிர் Ct, சாய்வை அளவிடுங்கள், திறனை கணக்கிடுங்கள். எளிமையாகவும், மீள்பிரதிப்பிக்கக்கூடியதாகவும் இருந்தது.

MIQE வழிகாட்டுதல்கள்: திறனை கட்டாயமாக்குதல் (2009-தற்பொழுது)

2009 ஆம் ஆண்டு MIQE வழிகாட்டுதல்கள் (அளவிடக்கூடிய நேரடி PCR சோதனைகளுக்கான குறைந்தபட்ச தகவல்) வெளியிடப்பட்டது, பல ஆராய்ச்சியாளர்கள் ஏற்கனவே அறிந்திருந்த விஷயத்தை அதிகாரப்பூர்வமாக்கியது: திறனை அறியாமல் qPCR தரவை நம்ப முடியாது.

MIQE வெளியீட்டிற்கு திறன் மதிப்பை கட்டாயமாக்கியது. சஞ்சிகைகள் திறன் மதிப்புகளை அறிக்கையிடாத கட்டுரைகளை நிராகரிக்கத் தொடங்கின. மதிப்பாய்வாளர்கள் பரிசோதனை சரிபார்ப்பு பற்றி கடுமையான கேள்விகளைக் கேட்டனர். மருத்துவ ஆய்வகங்கள் திறனை ஆவணப்படுத்தும் ஒழுங்குமுறை தேவைகளை எதிர்கொண்டன.

இன்று, திறன் கணக்கீடு நிலைமை மாறியுள்ளது. நவீன qPCR மென்பொருள் திறன் கணக்கீட்டு கருவிகளைக் கொண்டுள்ளது. ஒழுங்குமுறை நிறுவனங்கள் நோயறிவு பரிசோதனைகளுக்கு அதை கட்டாயப்படுத்துகின்றன. மேலும் இந்த ஆன்லைன் கணக்கீட்டுகள் அனைவருக்கும் அணுகக்கூடியதாக்குகின்றன - மேம்பட்ட புள்ளிவிவர பட்டம் தேவையில்லை.

துறை "ஏதாவது கண்டறிந்தோமா?" என்பதிலிருந்து "சரியாக எவ்வளவு உள்ளது, மேலும் அந்த எண்ணில் நாம் எவ்வளவு நம்பிக்கை வைக்கிறோம்?" என்பதற்கு மாறியுள்ளது. திறன் கணக்கீடுகள் அந்த நம்பிக்கையின் மையமாக உள்ளன.

qPCR திறன் கணக்கீட்டிற்கான கோட் எடுத்துக்காட்டுகள்

Excel

1' Ct மதிப்பிலிருந்து qPCR திறன் கணக்கிடுவதற்கான Excel சூத்திரம்
2' A2 அடிப்படையில் சரிவு இருந்தால் B2 செல்லில் வைக்கவும்
3=10^(-1/A2)-1
4
5' திறன் சதவிகிதத்திற்கு மாற்றுவதற்கான Excel சூத்திரம்
6' B2 செல்லில் திறன் தசம மதிப்பு இருந்தால் C2 செல்லில் வைக்கவும்
7=B2*100
8
9' Ct மதிப்புகள் மற்றும் நீர்த்தல் காரணியிலிருந்து திறன் கணக்கிடும் செயல்பாடு
10Function qPCR_Efficiency(CtValues As Range, DilutionFactor As Double) As Double
11    Dim i As Integer
12    Dim n As Integer
13    Dim sumX As Double, sumY As Double, sumXY As Double, sumXX As Double
14    Dim logDilution As Double, slope As Double
15    
16    n = CtValues.Count
17    
18    ' நேர்கோட்டு பின்வாங்கல் கணக்கீடு
19    For i = 1 To n
20        logDilution = (i - 1) * WorksheetFunction.Log10(DilutionFactor)
21        sumX = sumX + logDilution
22        sumY = sumY + CtValues(i)
23        sumXY = sumXY + (logDilution * CtValues(i))
24        sumXX = sumXX + (logDilution * logDilution)
25    Next i
26    
27    ' சரிவு கணக்கீடு
28    slope = (n * sumXY - sumX * sumY) / (n * sumXX - sumX * sumX)
29    
30    ' திறன் கணக்கீடு
31    qPCR_Efficiency = (10 ^ (-1 / slope) - 1) * 100
32End Function
33

R

1# Ct மதிப்புகள் மற்றும் நீர்த்தல் காரணியிலிருந்து qPCR திறன் கணக்கிடும் R செயல்பாடு
2calculate_qpcr_efficiency <- function(ct_values, dilution_factor) {
3  # லாகரிதம் நீர்த்தல் மதிப்புகள் உருவாக்கம்
4  log_dilutions <- log10(dilution_factor) * seq(0, length(ct_values) - 1)
5  
6  # நேர்கோட்டு பின்வாங்கல் மேற்கொள்ளல்
7  model <- lm(ct_values ~ log_dilutions)
8  
9  # சரிவு மற்றும் R-சதுர மதிப்பு பிரித்தெடுப்பு
10  slope <- coef(model)[2]
11  r_squared <- summary(model)$r.squared
12  
13  # திறன் கணக்கீடு
14  efficiency <- (10^(-1/slope) - 1) * 100
15  
16  # முடிவுகள் திருப்பி அனுப்பல்
17  return(list(
18    efficiency = efficiency,
19    slope = slope,
20    r_squared = r_squared,
21    intercept = coef(model)[1]
22  ))
23}
24
25# எடுத்துக்காட்டு பயன்பாடு
26ct_values <- c(15.0, 18.5, 22.0, 25.5, 29.0)
27dilution_factor <- 10
28results <- calculate_qpcr_efficiency(ct_values, dilution_factor)
29cat(sprintf("திறன்: %.2f%%\n", results$efficiency))
30cat(sprintf("சரிவு: %.4f\n", results$slope))
31cat(sprintf("R-சதுரம்: %.4f\n", results$r_squared))
32

Python

1import numpy as np
2from scipy import stats
3import matplotlib.pyplot as plt
4
5def calculate_qpcr_efficiency(ct_values, dilution_factor):
6    """
7    Ct மதிப்புகள் மற்றும் நீர்த்தல் காரணியிலிருந்து qPCR திறன் கணக்கீடு.
8    
9    அளவுருக்கள்:
10    ct_values (பட்டியல்): Ct மதிப்புகளின் பட்டியல்
11    dilution_factor (மிதவை): அடுத்தடுத்த மாதிரிகளுக்கிடையேயான நீர்த்தல் காரணி
12    
13    திருப்பி அனுப்பல்:
14    dict: திறன், சரிவு, R-சதுரம் மற்றும் இடைமறுப்பு கொண்ட அகராதி
15    """
16    # லாகரிதம் நீர்த்தல் மதிப்புகள் உருவாக்கம்
17    log_dilutions = np.log10(dilution_factor) * np.arange(len(ct_values))
18    
19    # நேர்கோட்டு பின்வாங்கல் மேற்கொள்ளல்
20    slope, intercept, r_value, p_value, std_err = stats.linregress(log_dilutions, ct_values)
21    
22    # திறன் கணக்கீடு
23    efficiency = (10 ** (-1 / slope) - 1) * 100
24    r_squared = r_value ** 2
25    
26    return {
27        'efficiency': efficiency,
28        'slope': slope,
29        'r_squared': r_squared,
30        'intercept': intercept
31    }
32
33def plot_standard_curve(ct_values, dilution_factor, results):
34    """
35    நிலைமை வளைகோட்டை வரைதல்.
36    """
37    log_dilutions = np.log10(dilution_factor) * np.arange(len(ct_values))
38    
39    plt.figure(figsize=(10, 6))
40    plt.scatter(log_dilutions, ct_values, color='blue', s=50)
41    
42    # பின்வாங்கல் கோட்டிற்கான புள்ளிகள் உருவாக்கம்
43    x_line = np.linspace(min(log_dilutions) - 0.5, max(log_dilutions) + 0.5, 100)
44    y_line = results['slope'] * x_line + results['intercept']
45    plt.plot(x_line, y_line, 'r-', linewidth=2)
46    
47    plt.xlabel('லாகரிதம் நீர்த்தல்')
48    plt.ylabel('Ct மதிப்பு')
49    plt.title('qPCR நிலைமை வளைகோடு')
50    
51    # சமன்பாடு மற்றும் R² சேர்த்தல்
52    equation = f"y = {results['slope']:.4f}x + {results['intercept']:.4f}"
53    r_squared = f"R² = {results['r_squared']:.4f}"
54    efficiency = f"திறன் = {results['efficiency']:.2f}%"
55    
56    plt.annotate(equation, xy=(0.05, 0.95), xycoords='axes fraction')
57    plt.annotate(r_squared, xy=(0.05, 0.90), xycoords='axes fraction')
58    plt.annotate(efficiency, xy=(0.05, 0.85), xycoords='axes fraction')
59    
60    plt.grid(True, linestyle='--', alpha=0.7)
61    plt.tight_layout()
62    plt.show()
63
64# எடுத்துக்காட்டு பயன்பாடு
65ct_values = [15.0, 18.5, 22.0, 25.5, 29.0]
66dilution_factor = 10
67results = calculate_qpcr_efficiency(ct_values, dilution_factor)
68
69print(f"திறன்: {results['efficiency']:.2f}%")
70print(f"சரிவு: {results['slope']:.4f}")
71print(f"R-சதுரம்: {results['r_squared']:.4f}")
72print(f"இடைமறுப்பு: {results['intercept']:.4f}")
73
74# நிலைமை வளைகோட்டை வரைதல்
75plot_standard_curve(ct_values, dilution_factor, results)
76

JavaScript

1/**
2 * Ct மதிப்புகள் மற்றும் நீர்த்தல் காரணியிலிருந்து qPCR திறன் கணக்கீடு
3 * @param {Array<number>} ctValues - Ct மதிப்புகளின் வரிசை
4 * @param {number} dilutionFactor - அடுத்தடுத்த மாதிரிகளுக்கிடையேயான நீர்த்தல் காரணி
5 * @returns {Object} திறன், சரிவு, R-சதுரம் மற்றும் இடைமறுப்பு கொண்ட அகராதி
6 */
7function calculateQPCREfficiency(ctValues, dilutionFactor) {
8  // லாகரிதம் நீர்த்தல் மதிப்புகள் உருவாக்கம்
9  const logDilutions = ctValues.map((_, index) => index * Math.log10(dilutionFactor));
10  
11  // நேர்கோட்டு பின்வாங்கல் கணக்கீட்டிற்கான சராசரிகள் கணக்கீடு
12  const n = ctValues.length;
13  let sumX = 0, sumY = 0, sumXY = 0, sumXX = 0, sumYY = 0;
14  
15  for (let i = 0; i < n; i++) {
16    sumX += logDilutions[i];
17    sumY += ctValues[i];
18    sumXY += logDilutions[i] * ctValues[i];
19    sumXX += logDilutions[i] * logDilutions[i];
20    sumYY += ctValues[i] * ctValues[i];
21  }
22  
23  // சரிவு மற்றும் இடைமறுப்பு கணக்கீடு
24  const slope = (n * sumXY - sumX * sumY) / (n * sumXX - sumX * sumX);
25  const intercept = (sumY - slope * sumX) / n;
26  
27  // R-சதுரம் கணக்கீடு
28  const yMean = sumY / n;
29  let totalVariation = 0;
30  let explainedVariation = 0;
31  
32  for (let i = 0; i < n; i++) {
33    const yPredicted = slope * logDilutions[i] + intercept;
34    totalVariation += Math.pow(ctValues[i] - yMean, 2);
35    explainedVariation += Math.pow(yPredicted - yMean, 2);
36  }
37  
38  const rSquared = explainedVariation / totalVariation;
39  
40  // திறன் கணக்கீடு
41  const efficiency = (Math.pow(10, -1 / slope) - 1) * 100;
42  
43  return {
44    efficiency,
45    slope,
46    rSquared,
47    intercept
48  };
49}
50
51// எடுத்துக்காட்டு பயன்பாடு
52const ctValues = [15.0, 18.5, 22.0, 25.5, 29.0];
53const dilutionFactor = 10;
54const results = calculateQPCREfficiency(ctValues, dilutionFactor);
55
56console.log(`திறன்: ${results.efficiency.toFixed(2)}%`);
57console.log(`சரிவு: ${results.slope.toFixed(4)}`);
58console.log(`R-சதுரம்: ${results.rSquared.toFixed(4)}`);
59console.log(`இடைமறுப்பு: ${results.intercept.toFixed(4)}`);
60

qPCR திறன் பற்றிய அடிக்கடி கேட்கப்படும் கேள்விகள்

qPCR திறன் சதவிகிதம் என்றால் என்ன?

நம்பகமான அளவீட்டிற்கு 90-110% திறன் இலக்காகும். 100% திறன் என்பது சரியான இரட்டிப்பாகும் - ஒவ்வொரு சுழற்சியிலும் உங்கள் தயாரிப்பு சரியாக இரட்டிப்பாகிறது. ஆனால் உண்மை இதோ: மிகச் சிறப்பாக மேம்படுத்தப்பட்ட பரிசோதனைகள் 95-105% வரை இருக்கும். நீங்கள் தொடர்ந்து 98-102% அடைந்தால், நீங்கள் சிறந்த பரிசோதனையைக் கொண்டிருக்கிறீர்கள்.

90% க்கு கீழ் உள்ள திறன் சிக்கல்களைக் காட்டுகிறது - மோசமான பிரைமர் வடிவமைப்பு, தடைப்பொருள்கள் அல்லது மேம்படுத்தப்படாத பிரதிக்கிரிய நிபந்தனைகள். 110% க்கு மேல்? அது பெரும்பாலும் மோசமாக இருக்கும், பிரைமர்-டைமர்கள், அசிறப்பு வளர்ச்சி அல்லது உங்கள் நீளவடிவ தொடரில் பைப்பெட்டிங் பிழைகளைக் காட்டுகிறது.

[மற்ற பகுதிகளும் இதேபோல் மொழிபெயர்க்கப்படும்]

மேற்கோள்கள்

Bustin SA, Benes V, Garson JA, et al. MIQE வழிகாட்டுதல்கள்: அளவிடக்கூடிய நேரடி PCR சோதனைகளின் வெளியீட்டிற்கான குறைந்தபட்ச தகவல்கள். Clin Chem. 2009;55(4):611-622. doi:10.1373/clinchem.2008.112797
Pfaffl MW. நேரடி RT-PCR இல் சார்பு அளவீட்டிற்கான புதிய கணித மாதிரி. Nucleic Acids Res. 2001;29(9):e45. doi:10.1093/nar/29.9.e45
Svec D, Tichopad A, Novosadova V, Pfaffl MW, Kubista M. PCR திறன் மதிப்பீடு எவ்வளவு நல்லது: துல்லியமான மற்றும் வலுவான qPCR திறன் மதிப்பீட்டிற்கான பரிந்துரைகள். Biomol Detect Quantif. 2015;3:9-16. doi:10.1016/j.bdq.2015.01.005
Taylor SC, Nadeau K, Abbasi M, Lachance C, Nguyen M, Fenrich J. மிகச்சிறந்த qPCR சோதனை: முதல் முறையிலேயே வெளியீட்டுத் தரத்திலான, மீள்பிரதிசெய்யக்கூடிய தரவை உற்பத்தி செய்தல். Trends Biotechnol. 2019;37(7):761-774. doi:10.1016/j.tibtech.2018.12.002
Ruijter JM, Ramakers C, Hoogaars WM, et al. வளர்ச்சி திறன்: அளவிடக்கூடிய PCR தரவின் அடிப்படை மற்றும் சார்பை இணைத்தல். Nucleic Acids Res. 2009;37(6):e45. doi:10.1093/nar/gkp045
Higuchi R, Fockler C, Dollinger G, Watson R. கைனெட்டிக் PCR பகுப்பாய்வு: DNA வளர்ச்சி வினைகளின் நேரடி கண்காணிப்பு. Biotechnology (N Y). 1993;11(9):1026-1030. doi:10.1038/nbt0993-1026
Bio-Rad ஆய்வகங்கள். நேரடி PCR பயன்பாட்டு வழிகாட்டி. Bio-Rad தொழில்நுட்ப வளம்.
Thermo Fisher Scientific. நேரடி PCR கையேடு. மேம்பட்ட qPCR முறைகள் வழிகாட்டி.

qPCR திறன் கணக்கீட்டைத் தொடங்குங்கள்

திறன் சரிபார்ப்பு நம்பகமான qPCR தரவை சந்தேகத்திற்கிடமான முடிவுகளிலிருந்து பிரிக்கிறது. நீங்கள் ஒரு வெளியீட்டிற்கான பிரைமர்களை சரிபார்க்கிறீர்களா, ஒரு மருத்துவ நோய் கண்டறிதல் தொகுப்பை மேம்படுத்துகிறீர்களா அல்லது மோசமான வளர்ச்சிக்கு தீர்வு தேடுகிறீர்களா, துல்லியமான திறன் அளவீடுகள் உங்கள் அளவீட்டில் நம்பிக்கை அளிக்கின்றன.

இந்தக் கணக்கீட்டுக் கருவி உங்களுக்காக கணக்கை கையாளும் - நேரடி வரைக்கோட்டு பின்னோக்கு அல்லது திறன் சூத்திரத்தை நினைவில் வைக்க வேண்டிய அவசியமில்லை. வெறுமனே உங்கள் Ct மதிப்புகளையும் மேலும் மேலும் பிரிக்கும் காரணிகளையும் உள்ளிடுங்கள், மேலும் முழு தரப்பட்ட வளைவின் காட்சிப்படுத்தலுடன் உடனடி முடிவுகளைப் பெறுங்கள். கருவி எந்தவொரு மேலும் மேலும் பிரிக்கும் தொடரிலும் (2-மடங்கு, 5-மடங்கு, 10-மடங்கு அல்லது தனிப்பயன்) மற்றும் எந்தவொரு புள்ளிகளிலும் (3-7 மேலும் மேலும் பிரிக்கும்) வேலை செய்கிறது.

MIQE வழிகாட்டுதல் தேவைகளை நிறைவேற்ற, ஒழுங்குமுறை சமர்ப்பிப்புகளுக்கு தொகுப்புகளை சரிபார்க்க அல்லது தினசரி qPCR சோதனைகளை மேம்படுத்த இந்தக் கணக்கீட்டுக் கருவியைப் பயன்படுத்தவும். உங்கள் அளவீட்டு துல்லியம் உங்கள் திறனை அறிந்திருப்பதைப் பொறுத்தது - அதை உங்கள் வழக்கமான தரக் கட்டுப்பாட்டின் ஒரு பகுதியாக்குங்கள்.