เครื่องคำนวณประสิทธิภาพ qPCR: เครื่องมือวิเคราะห์กราฟมาตรฐาน

คำนวณประสิทธิภาพ qPCR จากค่า Ct และกราฟมาตรฐาน เครื่องมือฟรีสำหรับการวิเคราะห์ประสิทธิภาพการเพิ่มจำนวน PCR การคำนวณความชัน และการตรวจสอบการทดสอบด้วยผลลัพธ์ทันที

เครื่องคำนวณประสิทธิภาพ qPCR

พารามิเตอร์การป้อนข้อมูล

จำนวนการเจือจาง

ปัจจัยการเจือจาง

ค่า Ct

การเจือจาง 1

การเจือจาง 2

การเจือจาง 3

การเจือจาง 4

การเจือจาง 5

ผลลัพธ์

ประสิทธิภาพ

100.00%

R²

1.0000

ความชัน

-3.3219

จุดตัดแกน

15.0000

กราฟมาตรฐาน

ข้อมูล

ประสิทธิภาพ qPCR เป็นการวัดประสิทธิภาพของปฏิกิริยา PCR ประสิทธิภาพ 100% หมายถึงปริมาณผลิตภัณฑ์ PCR จะเพิ่มขึ้นสองเท่าในแต่ละรอบระหว่างระยะเอ็กโพเนนเชียล

ประสิทธิภาพคำนวณจากความชันของกราฟมาตรฐาน ซึ่งได้จากการพล็อตค่า Ct เทียบกับลอการิทึมของความเข้มข้นเริ่มต้นของเทมเพลต (ชุดการเจือจาง)

ประสิทธิภาพ (E) คำนวณโดยใช้สูตร:

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

เครื่องคำนวณโหลด...

📚

เอกสารประกอบการใช้งาน

เครื่องคำนวณประสิทธิภาพ qPCR: เพิ่มประสิทธิภาพการทดลอง Quantitative PCR ของคุณ

qPCR ประสิทธิภาพคืออะไร และทำไมจึงสำคัญ?

เคยทำการทดลอง qPCR แล้วได้ผลลัพธ์ที่ดูแปลกๆ หรือไม่? ตัวการมักเป็นประสิทธิภาพการเพิ่มจำนวน ประสิทธิภาพ qPCR วัดว่าปฏิกิริยา PCR ของคุณสามารถเพิ่มจำนวน DNA เป้าหมายได้ดีเพียงใดในแต่ละรอบ เมื่อทำงานกับข้อมูลการแสดงออกของยีนหรือตรวจสอบการทดสอบทางการวินิจฉัย ตัวเลขนี้สามารถทำให้ผลลัพธ์ของคุณสำเร็จหรือล้มเหลวได้

นี่คือสิ่งที่คุณต้องรู้: ปฏิกิริยา qPCR ที่ดีมีประสิทธิภาพระหว่าง 90-110% คิดเสมือนเป็นใบรายงานของปฏิกิริยาของคุณ—ค่าใดๆ นอกช่วงนี้บ่งชี้ปัญหากับไพรเมอร์ สารยับยั้ง หรือสภาวะของปฏิกิริยา ประสิทธิภาพ 100% หมายถึงการเพิ่มจำนวนที่สมบูรณ์แบบในแต่ละรอบ แต่ความจริงแล้ว ความสมบูรณ์แบบในชีววิทยาโมเลกุลนั้นหาได้ยาก การทดสอบที่ได้รับการปรับให้เหมาะสมอย่างดีส่วนใหญ่จะอยู่ระหว่าง 95-105%

เกิดอะไรขึ้นเมื่อประสิทธิภาพผิดปกติ? การคำนวณการเปลี่ยนแปลงแบบทวีคูณของคุณจะกลายเป็นเรื่องไร้ความหมาย สถานการณ์ทั่วไปคือการเปรียบเทียบยีนเป้าหมาย (ที่มีประสิทธิภาพ 85%) กับยีนอ้างอิง (ที่มีประสิทธิภาพ 105%) วิธี ΔΔCt สมมติว่ามีประสิทธิภาพเท่ากัน ดังนั้นการเปลี่ยนแปลง 2 เท่าของคุณอาจเป็น 3 เท่าหรือเพียง 1.5 เท่า นี่คือเหตุผลที่แนวทาง MIQE เน้นย้ำถึงการรายงานประสิทธิภาพ—วารสารต่างๆ เริ่มกำหนดให้มีการรายงานนี้มากขึ้น

เครื่องคำนวณนี้ใช้วิธีมาตรฐานเส้นโค้ง โดยพล็อตค่า Ct เทียบกับการเจือจางแบบลอการิทึมเพื่อกำหนดประสิทธิภาพของการทดสอบของคุณ ความชันของเส้นนี้เปิดเผยทุกอย่างเกี่ยวกับจลนศาสตร์การเพิ่มจำนวน ความชันของ -3.32 บ่งบอกถึงประสิทธิภาพ 100% เนื่องจากคณิตศาสตร์เป็นเช่นนั้น: ทุกๆ 3.32 รอบหมายถึงการเพิ่มขึ้น 10 เท่าของผลิตภัณฑ์

ทำความเข้าใจสูตรประสิทธิภาพ qPCR

การคำนวณประสิทธิภาพ qPCR ขึ้นอยู่กับสูตรหลักที่ได้มาจากความชันของกราฟมาตรฐาน:

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

โดยที่:

E คือประสิทธิภาพ (แสดงเป็นทศนิยม)
Slope คือความชันของกราฟมาตรฐาน (ค่า Ct เทียบกับ log การเจือจาง)

ทำไม -3.32 จึงเป็นตัวเลขวิเศษ: ปฏิกิริยา PCR ที่มีประสิทธิภาพ 100% จะให้ความชันที่ -3.32 ความสัมพันธ์นี้สมเหตุสมผลเมื่อคิดว่าหากผลิตภัณฑ์เพิ่มขึ้นสองเท่าในแต่ละรอบ แสดงว่าทุก 3.32 รอบจะเพิ่มผลิตภัณฑ์ 10 เท่า มาดูคณิตศาสตร์กัน:

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

การแปลงเป็นเปอร์เซ็นต์ (รูปแบบที่คนส่วนใหญ่ใช้):

$\text{ประสิทธิภาพ (%)} = E \times 100\%$

ในทางปฏิบัติ คุณจะเห็น -3.32 ได้ยาก ความชันระหว่าง -3.1 ถึง -3.6 ถือว่าใช้ได้ ซึ่งสอดคล้องกับประสิทธิภาพประมาณ 90-110% ความชันที่ชันกว่า (ใกล้ -3.1) หมายถึงประสิทธิภาพสูง ขณะที่ความชันที่ราบกว่า (ใกล้ -3.6) บ่งชี้ประสิทธิภาพต่ำ

ทำความเข้าใจกราฟมาตรฐาน

คิดถึงกราฟมาตรฐานของคุณเสมือนรากฐานของการคำนวณประสิทธิภาพ คุณจะพล็อตค่า Ct (แกน y) เทียบกับ log การเจือจาง (แกน x) และเส้นที่ได้จะบอกทุกอย่างเกี่ยวกับประสิทธิภาพของการทดสอบ เส้นยิ่งตรงมากเท่าไร การคำนวณประสิทธิภาพก็ยิ่งน่าเชื่อถือมากเท่านั้น

อะไรคือกราฟมาตรฐานที่ดี? สามตัวชี้วัดคุณภาพสำคัญ:

ค่า R² ≥ 0.98: วัดความเป็นเส้นตรง ค่าต่ำกว่า 0.98 บ่งชี้ถึงข้อผิดพลาดในการปิเปต สารยับยั้ง หรือการเพิ่มปริมาณที่ไม่สม่ำเสมอ ข้อผิดพลาดทั่วไปคือการใช้ปลายปิเปตที่สึกหรอสำหรับการเจือจางอนุกรม—แม้แต่ความไม่แม่นยำเล็กน้อยก็จะสะสมตลอดชุด
ความชันระหว่าง -3.1 ถึง -3.6: กำหนดประสิทธิภาพโดยตรง นอกช่วงนี้แสดงถึงปัญหาที่ต้องแก้ไข
อย่างน้อย 3-5 จุดเจือจาง: สามจุดให้เส้นได้ แต่ห้าหรือหกจุดจะเผยให้เห็นค่าผิดปกติและเพิ่มความมั่นใจ เมื่อตรวจสอบการทดสอบใหม่ ควรใช้อย่างน้อยห้าจุดครอบคลุม 4-5 อันดับขนาด

เคล็ดลับมืออาชีพ: ความเข้มข้นสูงสุดของคุณควรให้ Ct ประมาณ 15-20 และต่ำสุดควรอยู่ต่ำกว่า Ct 35 เกิน Ct 35 คุณกำลังเข้าใกล้ขีดจำกัดการตรวจจับที่เสียงรบกวนส่งผลต่อความเป็นเส้นตรง

เบื้องหลัง: วิธีการคำนวณ

การเข้าใจกระบวนการคำนวณช่วยให้คุณแก้ไขปัญหาได้:

การเตรียมข้อมูล: ป้อนค่า Ct และปัจจัยการเจือจาง ข้อผิดพลาดที่พบบ่อยที่สุด? การป้อนการเจือจางในลำดับที่ผิด ควรเริ่มจากความเข้มข้นสูงสุด (Ct ต่ำสุด) เป็นการเจือจาง 1
การแปลงลอการิทึม: เครื่องคำนวณแปลงชุดการเจือจางเป็นสเกล log₁₀ สำหรับชุดเจือจาง 10 เท่า นี่สร้างค่า x เป็น 0, 1, 2, 3, 4... การแปลงลอการิทึมนี้คือเหตุผลที่ความสัมพันธ์กลายเป็นเส้นตรง
การถดถอยเชิงเส้น: นี่คือจุดที่คณิตศาสตร์เกิดขึ้น เครื่องคำนวณจะวางเส้นผ่านจุด Ct เทียบกับ log การเจือจาง กำหนดความชัน จุดตัดแกน y และค่า R² หากจุดกระจายกว้าง ค่า R² จะลดลง—สัญญาณเตือน
การคำนวณประสิทธิภาพ: ความชันใส่ตรงในสูตร E = 10^(-1/slope) - 1 ความชัน -3.5 ให้ประสิทธิภาพ 93% ขณะที่ -3.1 ให้ 110%
การประเมินคุณภาพ: เครื่องคำนวณแสดงตัวชี้วัดหลัก—ประสิทธิภาพ ความชัน R² และจุดตัดแกน เปรียบเทียบกับช่วงที่ยอมรับได้เพื่อตรวจสอบการทดสอบ

วิธีใช้เครื่องคำนวณประสิทธิภาพ qPCR

การได้ผลลัพธ์ประสิทธิภาพที่แม่นยำต้องทำมากกว่าการใส่ตัวเลขเพียงอย่างเดียว นี่คือวิธีทำให้ถูกต้อง:

กำหนดจำนวนการเจือจาง: เลือกจำนวนจุดที่คุณทำ (3-7 จุดได้ผลดีที่สุด) หากคุณเพิ่งเริ่มต้นกับการทดสอบใหม่ ให้ใช้ 5 หรือ 6 จุด สำหรับการตรวจสอบประจำ 4 จุดมักเพียงพอ
ป้อนค่าการเจือจาง: ห้องปฏิบัติการส่วนใหญ่ใช้การเจือจาง 10 เท่า (ป้อน "10") เนื่องจากการคำนวณง่าย บางครั้งใช้การเจือจาง 5 เท่าหรือ 2 เท่าสำหรับตัวอย่างที่มีวัสดุจำกัด เลือกอย่างใดอย่างหนึ่งแล้วทำอย่างสม่ำเสมอ
ป้อนค่า Ct อย่างระมัดระวัง: เริ่มจากตัวอย่างความเข้มข้นสูงสุดที่การเจือจาง 1 - ซึ่งจะมีค่า Ct ต่ำสุด ข้อผิดพลาดที่พบบ่อยคือการกลับลำดับ หากค่า Ct ของคุณเพิ่มขึ้นเมื่อคุณดำเนินการ (15, 18, 22, 25...) แสดงว่าคุณทำถูกต้องแล้ว
ตรวจสอบผลลัพธ์: เครื่องคำนวณแสดงผลทันที:
- ประสิทธิภาพ PCR (%): เป้าหมายของคุณคือ 90-110%
- ความชัน: ควรอยู่ระหว่าง -3.1 และ -3.6
- จุดตัดแกน Y: บ่งบอกค่า Ct ทางทฤษฎีที่ความเข้มข้นแม่แบบอนันต์
- ค่า R²: ต้องมากกว่าหรือเท่ากับ 0.98 เพื่อข้อมูลที่น่าเชื่อถือ
- การแสดงภาพเส้นมาตรฐาน: มองหาจุดกระจาย - ซึ่งบ่งบอกถึงปัญหา
ตีความด้วยบริบท: ประสิทธิภาพ 93% กับ R² = 0.999 ถือว่าดีเยี่ยม แต่ 93% กับ R² = 0.95 บ่งบอกถึงการเพิ่มจำนวนที่ไม่สม่ำเสมอซึ่งต้องแก้ไข
บันทึกข้อมูลของคุณ: คลิก "คัดลอกผลลัพธ์" เพื่อดึงค่าทั้งหมดสำหรับสมุดบันทึกห้องปฏิบัติการ การนำเสนอ หรือส่วนวิธีการของบทความ วารสารส่วนใหญ่ต้องการให้รายงานค่าเหล่านี้

ตัวอย่างการคำนวณ: สถานการณ์ในโลกแห่งความเป็นจริง

มาดูการตรวจสอบการแสดงออกของยีนกันเลย:

คุณกำลังตรวจสอบไพรเมอร์สำหรับ GAPDH (ยีนอ้างอิงทั่วไป) คุณเตรียมชุดการเจือจางอนุกรมแบบ 10 เท่าจาก cDNA:

ค่าการเจือจาง: 10 (อนุกรม 10 เท่ามาตรฐาน)
จำนวนการเจือจาง: 5 จุด
ค่า Ct (จากการรัน qPCR ของคุณ):
- การเจือจาง 1 (cDNA ไม่เจือจาง): 15.0
- การเจือจาง 2 (10⁻¹): 18.5
- การเจือจาง 3 (10⁻²): 22.0
- การเจือจาง 4 (10⁻³): 25.5
- การเจือจาง 5 (10⁻⁴): 29.0

สังเกตรูปแบบหรือไม่? การเจือจางแต่ละครั้งเพิ่มค่า Ct ของคุณประมาณ 3.5 วงรอบ ความสอดคล้องนี้คือสิ่งที่คุณต้องการ

เครื่องคำนวณกำหนด:

ความชัน: -3.5
จุดตัดแกน Y: 15.0
R²: 1.0 (ความเป็นเส้นตรงสมบูรณ์ - หายากในชีวิตจริง!)

การคำนวณประสิทธิภาพ: $E = 10^{(-1/-3.5)} - 1 = 10^{0.286} - 1 = 0.93 \text{ หรือ } 93\%$

ความหมาย: ไพรเมอร์ GAPDH ของคุณแสดงประสิทธิภาพ 93% ด้วยความเป็นเส้นตรงสมบูรณ์ - การทดสอบนี้พร้อมสำหรับการหาปริมาณ ประสิทธิภาพเล็กน้อยต่ำกว่า 100% ซึ่งถือเป็นปกติและยอมรับได้ คุณสามารถใช้ไพรเมอร์เหล่านี้สำหรับการศึกษาการแสดงออกของยีนได้อย่างมั่นใจ โดยทราบว่าจะให้ผลลัพธ์ที่น่าเชื่อถือและทำซ้ำได้ในช่วงตัวอย่างของคุณ

การประยุกต์ใช้ในโลกแห่งความเป็นจริง: เมื่อคุณต้องการคำนวณประสิทธิภาพ

1. การตรวจสอบไพรเมอร์: ก่อนที่คุณจะสูญเสียตัวอย่างที่มีค่า

คุณเพิ่งได้รับไพรเมอร์แบบกำหนดเองสำหรับการศึกษาตัวอย่างผู้ป่วยหายาก คุณควรดำเนินการวัดปริมาณทันทีหรือไม่? ไม่ใช่ หากคุณต้องการผลที่น่าเชื่อถือ การทดสอบประสิทธิภาพก่อนจะช่วยให้คุณหลีกเลี่ยงปัญหาหลังจากที่คุณใช้ตัวอย่างที่ไม่สามารถทดแทนได้

สิ่งที่การทดสอบประสิทธิภาพเปิดเผยเกี่ยวกับไพรเมอร์ของคุณ:

ปัญหาความจำเพาะ: ประสิทธิภาพ >110% มักหมายถึงไพรเมอร์-ไดเมอร์หรือการเพิ่มจำนวนนอกเป้าหมายที่แข่งขันกับเป้าหมายของคุณ
ความเข้มข้นที่เหมาะสม: ทดสอบความเข้มข้นไพรเมอร์ 300nM กับ 500nM - ประสิทธิภาพจะบอกคุณว่าอันไหนทำงานได้ดีกว่า
ความไวต่ออุณหภูมิ: การทดสอบที่มีประสิทธิภาพ 95% ที่ 60°C แต่ 75% ที่ 58°C? คุณจำเป็นต้องปรับอุณหภูมิการเกาะคู่
การตรวจสอบช่วงพลวัต: ประสิทธิภาพที่ดีในช่วง 5-6 ลำดับขนาดหมายความว่าไพรเมอร์ของคุณจัดการทั้งตัวอย่างการแสดงออกสูงและต่ำ

[การแปลจะดำเนินต่อไปในรูปแบบเดียวกัน...]

qPCR ประสิทธิภาพกลายเป็นสิ่งสำคัญอย่างไร: ประวัติโดยสังเขป

ทำความเข้าใจที่มาของการคำนวณประสิทธิภาพช่วยอธิบายว่าทำไมมันจึงมีความสำคัญในปัจจุบัน

การปฏิวัติ PCR (2526-2530)

คารี มุลลิส ประดิษฐ์ PCR ในปี 2526 และได้รับรางวัลโนเบล สำหรับการให้นักวิทยาศาสตร์สามารถขยายปริมาณ DNA ที่มีน้อยให้เป็นปริมาณที่ใช้งานได้ แต่ PCR ในช่วงแรกเป็นเพียงการวิเคราะห์เชิงคุณภาพ—คุณสามารถเห็นได้ว่ามี DNA หรือไม่ แต่ไม่สามารถวัดปริมาณได้ นักวิจัยพยายามนับความเข้มของแถบบนเจล แต่วิธีนี้ไม่น่าเชื่อถือ

จุดเปลี่ยนสำคัญเกิดขึ้นในช่วงต้นปี 2530 เมื่อรัสเซลล์ ฮิกูชิและคณะจาก Cetus Corporation (ต่อมาถูกซื้อโดย Roche) สาธิตการตรวจติดตาม PCR แบบเรียลไทม์ โดยการสังเกตการสะสมฟลูออเรสเซนส์ระหว่างการขยายพันธุ์แทนที่จะดูที่จุดสิ้นสุด ทำให้สามารถวัดปริมาณเทมเพลตเริ่มต้นได้ นี่เป็นการปฏิวัติ แต่ยังมีปัญหาหนึ่งคือ: คุณจะรู้ได้อย่างไรว่า PCR ของคุณขยายพันธุ์อย่างมีประสิทธิภาพ

ปัญหาประสิทธิภาพเริ่มปรากฏ (2530-2543)

เมื่อ qPCR เริ่มเป็นที่นิยม นักวิจัยสังเกตเห็นผลลัพธ์ที่ไม่สอดคล้องกัน ตัวอย่างเดียวกันที่วิเคราะห์ในห้องปฏิบัติการต่างกันให้ค่าการวัดปริมาณที่แตกต่างกัน เหตุใด? เพราะประสิทธิภาพการขยายพันธุ์แตกต่างกันระหว่างการทดสอบ และไม่มีใครวัดอย่างเป็นระบบ

บทความของไมเคิล พฟาฟฟ์ในปี 2544 เกี่ยวกับการปริมาณที่แก้ไขประสิทธิภาพเปลี่ยนทุกอย่าง เขาแสดงทางคณิตศาสตร์ว่าการสมมติว่ามีประสิทธิภาพ 100% นำไปสู่ข้อผิดพลาดอย่างไร และเสนอให้ใช้ประสิทธิภาพที่วัดได้จริงในการคำนวณ ทันใดนั้น ห้องปฏิบัติการต้องการวิธีที่น่าเชื่อถือในการกำหนดประสิทธิภาพ

วิธีเส้นมาตรฐาน—ซึ่งยืมมาจากเคมีวิเคราะห์แบบดั้งเดิม—กลายเป็นวิธีที่ยอมรับ วาดกราฟ log ความเข้มข้นเทียบกับ Ct วัดความชัน คำนวณประสิทธิภาพ เรียบง่าย ทำซ้ำได้ และได้ผล

แนวทาง MIQE: ทำให้ประสิทธิภาพเป็นสิ่งบังคับ (2552-ปัจจุบัน)

การตีพิมพ์แนวทาง MIQE (ข้อมูลขั้นต่ำสำหรับการตีพิมพ์การทดลอง Real-Time PCR เชิงปริมาณ) ในปี 2552 ทำให้เป็นทางการในสิ่งที่นักวิจัยหลายคนรู้อยู่แล้ว: คุณไม่สามารถเชื่อถือข้อมูล qPCR โดยไม่รู้ประสิทธิภาพ

MIQE ทำให้การรายงานประสิทธิภาพเป็นสิ่งบังคับสำหรับการตีพิมพ์ วารสารเริ่มปฏิเสธบทความที่ไม่รายงานค่าประสิทธิภาพ ผู้ตรวจทานถามคำถามที่ยากเกี่ยวกับการตรวจสอบการทดสอบ ห้องปฏิบัติการทางคลินิกเผชิญข้อกำหนดทางกฎระเบียบในการบันทึกประสิทธิภาพ

ในปัจจุบัน การคำนวณประสิทธิภาพเป็นแนวปฏิบัติมาตรฐาน ซอฟต์แวร์ qPCR สมัยใหม่มีเครื่องมือคำนวณประสิทธิภาพ หน่วยงานกำกับดูแลต้องการสำหรับการทดสอบวินิจฉัย และเครื่องมือคำนวณออนไลน์เช่นนี้ทำให้เข้าถึงได้ง่ายสำหรับทุกคน—ไม่จำเป็นต้องมีปริญญาสถิติขั้นสูง

สาขานี้เติบโตจาก "เราตรวจพบบางสิ่งหรือไม่?" เป็น "มีปริมาณเท่าไหร่กันแน่ และเรามีความมั่นใจในตัวเลขนี้มากน้อยแค่ไหน?" การคำนวณประสิทธิภาพเป็นหัวใจสำคัญของความมั่นใจนั้น

ตัวอย่างโค้ดสำหรับคำนวณประสิทธิภาพ qPCR

Excel

1' สูตร Excel สำหรับคำนวณประสิทธิภาพ qPCR จากความชัน
2' วางในเซลล์ B2 หากความชันอยู่ในเซลล์ A2
3=10^(-1/A2)-1
4
5' สูตร Excel สำหรับแปลงประสิทธิภาพเป็นเปอร์เซ็นต์
6' วางในเซลล์ C2 หากประสิทธิภาพเป็นทศนิยมอยู่ในเซลล์ B2
7=B2*100
8
9' ฟังก์ชันคำนวณประสิทธิภาพจากค่า Ct และปัจจัยการเจือจาง
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    ' คำนวณการถดถอยเชิงเส้น
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    ' คำนวณความชัน
28    slope = (n * sumXY - sumX * sumY) / (n * sumXX - sumX * sumX)
29    
30    ' คำนวณประสิทธิภาพ
31    qPCR_Efficiency = (10 ^ (-1 / slope) - 1) * 100
32End Function
33

R

1# ฟังก์ชัน R สำหรับคำนวณประสิทธิภาพ qPCR จากค่า Ct และปัจจัยการเจือจาง
2calculate_qpcr_efficiency <- function(ct_values, dilution_factor) {
3  # สร้างค่าการเจือจางแบบลอการิทึม
4  log_dilutions <- log10(dilution_factor) * seq(0, length(ct_values) - 1)
5  
6  # ทำการถดถอยเชิงเส้น
7  model <- lm(ct_values ~ log_dilutions)
8  
9  # แยกความชันและ R-squared
10  slope <- coef(model)[2]
11  r_squared <- summary(model)$r.squared
12  
13  # คำนวณประสิทธิภาพ
14  efficiency <- (10^(-1/slope) - 1) * 100
15  
16  # ส่งคืนผลลัพธ์
17  return(list(
18    efficiency = efficiency,
19    slope = slope,
20    r_squared = r_squared,
21    intercept = coef(model)[1]
22  ))
23}
24
25# ตัวอย่างการใช้งาน
26ct_values <- c(15.0, 18.5, 22.0, 25.5, 29.0)
27dilution_factor <- 10
28results <- calculate_qpcr_efficiency(ct_values, dilution_factor)
29cat(sprintf("ประสิทธิภาพ: %.2f%%\n", results$efficiency))
30cat(sprintf("ความชัน: %.4f\n", results$slope))
31cat(sprintf("R-squared: %.4f\n", results$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    คำนวณประสิทธิภาพ qPCR จากค่า Ct และปัจจัยการเจือจาง
8    
9    พารามิเตอร์:
10    ct_values (list): รายการค่า Ct
11    dilution_factor (float): ปัจจัยการเจือจางระหว่างตัวอย่าง
12    
13    ส่งคืน:
14    dict: พจนานุกรมที่มีประสิทธิภาพ ความชัน R-squared และจุดตัดแกน
15    """
16    # สร้างค่าการเจือจางแบบลอการิทึม
17    log_dilutions = np.log10(dilution_factor) * np.arange(len(ct_values))
18    
19    # ทำการถดถอยเชิงเส้น
20    slope, intercept, r_value, p_value, std_err = stats.linregress(log_dilutions, ct_values)
21    
22    # คำนวณประสิทธิภาพ
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    วาดกราฟมาตรฐานพร้อมเส้นถดถอย
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    # สร้างจุดสำหรับเส้นถดถอย
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('การเจือจางแบบลอการิทึม')
48    plt.ylabel('ค่า Ct')
49    plt.title('กราฟมาตรฐาน qPCR')
50    
51    # เพิ่มสมการและ R² ลงในกราฟ
52    equation = f"y = {results['slope']:.4f}x + {results['intercept']:.4f}"
53    r_squared = f"R² = {results['r_squared']:.4f}"
54    efficiency = f"ประสิทธิภาพ = {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# ตัวอย่างการใช้งาน
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"ประสิทธิภาพ: {results['efficiency']:.2f}%")
70print(f"ความชัน: {results['slope']:.4f}")
71print(f"R-squared: {results['r_squared']:.4f}")
72print(f"จุดตัดแกน: {results['intercept']:.4f}")
73
74# วาดกราฟมาตรฐาน
75plot_standard_curve(ct_values, dilution_factor, results)
76

JavaScript

1/**
2 * คำนวณประสิทธิภาพ qPCR จากค่า Ct และปัจจัยการเจือจาง
3 * @param {Array<number>} ctValues - อาร์เรย์ของค่า Ct
4 * @param {number} dilutionFactor - ปัจจัยการเจือจางระหว่างตัวอย่าง
5 * @returns {Object} ออบเจ็กต์ที่มีประสิทธิภาพ ความชัน R-squared และจุดตัดแกน
6 */
7function calculateQPCREfficiency(ctValues, dilutionFactor) {
8  // สร้างค่าการเจือจางแบบลอการิทึม
9  const logDilutions = ctValues.map((_, index) => index * Math.log10(dilutionFactor));
10  
11  // คำนวณค่าเฉลี่ยสำหรับการถดถอยเชิงเส้น
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  // คำนวณความชันและจุดตัดแกน
24  const slope = (n * sumXY - sumX * sumY) / (n * sumXX - sumX * sumX);
25  const intercept = (sumY - slope * sumX) / n;
26  
27  // คำนวณ R-squared
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  // คำนวณประสิทธิภาพ
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// ตัวอย่างการใช้งาน
52const ctValues = [15.0, 18.5, 22.0, 25.5, 29.0];
53const dilutionFactor = 10;
54const results = calculateQPCREfficiency(ctValues, dilutionFactor);
55
56console.log(`ประสิทธิภาพ: ${results.efficiency.toFixed(2)}%`);
57console.log(`ความชัน: ${results.slope.toFixed(4)}`);
58console.log(`R-squared: ${results.rSquared.toFixed(4)}`);
59console.log(`จุดตัดแกน: ${results.intercept.toFixed(4)}`);
60

คำถามที่พบบ่อยเกี่ยวกับประสิทธิภาพ qPCR

ประสิทธิภาพ qPCR ที่ดีคืออะไร?

เป้าหมายคือ 90-110% สำหรับการวัดปริมาณที่น่าเชื่อถือ ประสิทธิภาพ 100% แสดงถึงการเพิ่มจำนวนที่สมบูรณ์—ผลิตภัณฑ์ของคุณเพิ่มจำนวนเป๊ะทุกรอบ แต่ความเป็นจริงคือ: การทดสอบที่ปรับให้เหมาะสมส่วนใหญ่จะอยู่ระหว่าง 95-105% หากคุณทำได้คงที่ที่ 98-102% แสดงว่าการทดสอบของคุณยอดเยี่ยม

ประสิทธิภาพต่ำกว่า 90% บ่งชี้ปัญหา—การออกแบบไพรเมอร์ไม่ดี สารยับยั้ง หรือสภาวะปฏิกิริยาที่ไม่เหมาะสม สูงกว่า 110%? นั่นแย่กว่า แสดงถึงไพรเมอร์-ไดเมอร์ การเพิ่มจำนวนที่ไม่เฉพาะเจาะจง หรือข้อผิดพลาดในการปิเปตตอนเจือจาง

[ส่วนที่เหลือของการแปลจะดำเนินต่อไป...]

การอ้างอิง

Bustin SA, Benes V, Garson JA, และคณะ แนวทาง MIQE: ข้อมูลขั้นต่ำสำหรับการตีพิมพ์การทดลอง real-time PCR เชิงปริมาณ Clin Chem. 2009;55(4):611-622. doi:10.1373/clinchem.2008.112797
Pfaffl MW. แบบจำลองทางคณิตศาสตร์ใหม่สำหรับการวัดปริมาณสัมพัทธ์ใน real-time RT-PCR Nucleic Acids Res. 2001;29(9):e45. doi:10.1093/nar/29.9.e45
Svec D, Tichopad A, Novosadova V, Pfaffl MW, Kubista M. ประสิทธิภาพ PCR ดีเพียงใด: ข้อเสนอแนะสำหรับการประเมินประสิทธิภาพ qPCR ที่แม่นยำและน่าเชื่อถือ 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. การทดลอง qPCR ที่สมบูรณ์แบบ: การผลิตข้อมูลที่มีคุณภาพเพื่อการตีพิมพ์และสามารถทำซ้ำได้ตั้งแต่ครั้งแรก Trends Biotechnol. 2019;37(7):761-774. doi:10.1016/j.tibtech.2018.12.002
Ruijter JM, Ramakers C, Hoogaars WM, และคณะ ประสิทธิภาพการขยายสัญญาณ: การเชื่อมโยงพื้นฐานและอคติในการวิเคราะห์ข้อมูล PCR เชิงปริมาณ Nucleic Acids Res. 2009;37(6):e45. doi:10.1093/nar/gkp045
Higuchi R, Fockler C, Dollinger G, Watson R. การวิเคราะห์ PCR แบบจลน์: การตรวจติดตามปฏิกิริยาการขยายสารพันธุกรรมแบบเรียลไทม์ Biotechnology (N Y). 1993;11(9):1026-1030. doi:10.1038/nbt0993-1026
Bio-Rad Laboratories. คู่มือการประยุกต์ใช้ Real-Time PCR. ทรัพยากรทางเทคนิคของ Bio-Rad
Thermo Fisher Scientific. คู่มือ Real-Time PCR. คู่มือวิธีการ qPCR ฉบับสมบูรณ์

เริ่มคำนวณประสิทธิภาพ qPCR ของคุณ

การตรวจสอบประสิทธิภาพแยกแยะข้อมูล qPCR ที่น่าเชื่อถือออกจากผลลัพธ์ที่น่าสงสัย ไม่ว่าคุณจะกำลังตรวจสอบไพรเมอร์สำหรับการตีพิมพ์ พัฒนาการทดสอบทางคลินิก หรือแก้ไขปัญหาการเพิ่มปริมาณที่ไม่ดี การวัดประสิทธิภาพที่แม่นยำจะให้ความมั่นใจในการวัดปริมาณของคุณ

เครื่องคำนวณนี้จัดการคณิตศาสตร์แทนคุณ—ไม่ต้องทำการถดถอยเชิงเส้นด้วยตนเองหรือจดจำสูตรประสิทธิภาพ เพียงป้อนค่า Ct และปัจจัยการเจือจาง คุณจะได้ผลลัพธ์ทันทีพร้อมการแสดงผลกราฟมาตรฐานอย่างสมบูรณ์ เครื่องมือนี้ใช้งานได้กับชุดการเจือจางทุกแบบ (2 เท่า, 5 เท่า, 10 เท่า หรือแบบกำหนดเอง) และทุกจำนวนจุด (3-7 การเจือจาง)

ใช้เครื่องคำนวณนี้เพื่อตอบสนองข้อกำหนด MIQE ตรวจสอบการทดสอบสำหรับการส่งมอบตามระเบียบ หรือเพียงเพื่อปรับปรุงการทดลอง qPCR ประจำวันของคุณ ความแม่นยำในการวัดปริมาณของคุณขึ้นอยู่กับการรู้ประสิทธิภาพ—ทำให้เป็นส่วนหนึ่งของการควบคุมคุณภาพประจำของคุณ