『壹』 如何分析「real-time PCR」結果
學習做Realtime PCR, 實驗結果是出來了,得到的內參、目的基因的Ct 值在15-25 之間,熔x0dx0a融曲線基本上也是單峰,但不太會處理這個結果,對著數據發愁.不同的處理方法得到不x0dx0a同的結果.做的是相對定量,SYBR Green, 選用2^（-△ △ Ct）法x0dx0a內參基因：對照組1、對照組2、對照組3x0dx0a實驗組1、實驗組2、實驗組3x0dx0a目的基因：對照組1、對照組2、對照組3x0dx0a實驗組1、實驗組2、實驗組3x0dx0a數據處理的時候,是先分別取內參、目的基因的三次平行實驗的均值再拿相應均值相減得到x0dx0a還有對於內參基因的數據,如果所得Ct 值差值在1 以內,是否可以將所有的內參取平均,x0dx0a另外對於這個REAL-TIME PCR 的結果除了用EXCEL 處理之外有沒有其他比較可信方便的x0dx0a內參基因： 18s for control, 18s for treatment samplex0dx0a目的基因： control sample, treatment samplex0dx0a復孔取平均值△ Ct for control sample = Ct of comtrol sample - Ct 18s for controlx0dx0a△ Ct for treatment sample = Ct of treatment sample - Ct 18s for treatment samplex0dx0a△ △ Ct = △ Ct for treatment sample - △ Ct for control sample2^(-△ △ Ct)2^(-△ △ Ct) =1 means miRNA expression no change2^(-△ △ Ct) 1 means expression increase after treatment
『貳』 如何處理Real time PCR的數據結果
學習做Realtime PCR, 實驗結果是出來了，得到的內參、目的基因的Ct 值在15-25 之間，熔
融曲線基本上也是單峰，但不太會處理這個結果，對著數據發愁。。。不同的處理方法得到不
同的結果。。。
做的是相對定量，SYBR Green, 選用2^（-△ △ Ct）法
內參基因：對照組1、對照組2、對照組3
實驗組1、實驗組2、實驗組3
目的基因：對照組1、對照組2、對照組3
實驗組1、實驗組2、實驗組3
數據處理的時候，是先分別取內參、目的基因的三次平行實驗的均值再拿相應均值相減得到
還有對於內參基因的數據，如果所得Ct 值差值在1 以內，是否可以將所有的內參取平均，
另外對於這個REAL-TIME PCR 的結果除了用EXCEL 處理之外有沒有其他比較可信方便的
內參基因： 18s for control, 18s for treatment sample
目的基因： control sample, treatment sample
復孔取平均值
△ Ct for control sample = Ct of comtrol sample - Ct 18s for control
△ Ct for treatment sample = Ct of treatment sample - Ct 18s for treatment sample
△ △ Ct = △ Ct for treatment sample - △ Ct for control sample
2^(-△ △ Ct)
2^(-△ △ Ct) =1 means miRNA expression no change
2^(-△ △ Ct) <1 means expression decrease after treatment
2^(-△ △ Ct) >1 means expression increase after treatment
『叄』 如何分析real time PCR的數據結果
很簡單，首先要理解Ct值。比如說，有A和B兩個樣品，Ct值分別為22和24，那麼其意思是A樣品在PCR擴增第22個循環的時候就能檢測出熒光強度了，B樣品在24個循環的時候才能檢測出熒光強度。顯然，A樣品濃度大於B樣品。因此，B比A多2個循環，其模板濃度也就是A的2的-2次方，也就是1/4。用此原理，可以計算所有樣品。
『肆』 Real-time PCR的原理及優點是什麼
real time PCR，即實時監測PCR擴增產物並進行解析的方法，它是在PCR反應體系中加入熒光物質，並通過real time PCR檢測系統對PCR反應進程中的熒光信號強度進行實時監測，最終對實驗數據進行分析處理的方法。描述 PCR動態進程的曲線即擴增曲線。它實際上並不是一條標準的指數曲線，而是S形曲線，這是因為隨著 PCR循環數的增加DNA聚合酶的失活,dNTP和引物的枯竭，反映副產物焦磷酸對合成反應的阻害等原因，致使PCR並非一直呈指數擴增，而最終將進入平 台期。由於影響PCR擴增的因素錯綜復雜，因此每次PCR擴增時進入平台期的時機及信號高低變化很大，很難精確控制。盡管平台期的變化很大，但在擴增曲線 的指數增長區的某一區域，重復性非常好，這對PCR的定量分析非常重要，如果在擴增曲線的指數增長區適當位置設定熒光檢出界限值即閾值 （threshold）就會得到閾值與擴增曲線的交點Ct值，Ct值是指達到閾值時的循環圈數（threshold cycle），Ct值與起始模板數的對數值成反比線性關系。
………………
……………………
詳細資料請參考：on
http://proct.bio1000.com/102001/
『伍』 如何處理Real time PCR的數據結果
學習做Realtime PCR, 實驗結果是出來了，得到的內參、目的基因的Ct 值在15-25 之間，熔
融曲線基本上也是單峰，但不太會處理這個結果，對著數據發愁。。。不同的處理方法得到不
同的結果。。。
做的是相對定量，SYBR Green, 選用2^（-△ △ Ct）法
內參基因：對照組1、對照組2、對照組3
實驗組1、實驗組2、實驗組3
目的基因：對照組1、對照組2、對照組3
實驗組1、實驗組2、實驗組3
數據處理的時候，是先分別取內參
『陸』 如何處理Real time PCR的數據結果
如何處理Real time PCR的數據結果
本來不就有hashcode()和equals()了么？幹嘛要重寫，直接用原來的不行么？ HashMap中，如果要比較key是否相等，要同時使用這兩個函數！因為自定義的類的hashcode()方法繼承於Object類，其hashcode碼為默認的內存地址，這樣即便有相同含義的兩個對象，比較也是不相等的，例如，生成了兩個「羊」對象，正常理解這兩個對象應該是相等的，但如果你不重寫 hashcode（）方法的話，比較是不相等的！
HashMap中的比較key是這樣的，先求出key的hashcode(),比較其值是否相等，若相等再比較equals(),若相等則認為他們是相等的。若equals()不相等則認為他們不相等。如果只重寫hashcode()不重寫equals()方法，當比較equals()時只是看他們是否為同一對象（即進行內存地址的比較）,所以必定要兩個方法一起重寫。HashMap用來判斷key是否相等的方法，其實是調用了HashSet判斷加入元素是否相等。
『柒』 如何處理Real time PCR的數據結果
內參基因： 18s for control, 18s for treatment sample
目的基因： control sample, treatment sample
復孔取平均值
△Ct for control sample = Ct of comtrol sample - Ct 18s for control
△Ct for treatment sample = Ct of treatment sample - Ct 18s for treatment sample
△△Ct = △Ct for treatment sample - △Ct for control sample
2^(-△△Ct)
2^(-△△Ct) =1 means miRNA expression no change
2^(-△△Ct) <1 means expression decrease after treatment
2^(-△△Ct) >1 means expression increase after treatment
『捌』 如何處理Real time PCR的數據結果
。。不同的處理方法得到不同的結果。。。 做的是相對定量，SYBR Green, 選用2^（-△ △ Ct）法 一般大家是怎麼處理的呢？比方實驗設置如下： 內參基因：對照組1、對照組2、對照組3 實驗組1、實驗組2、實驗組3 目的基因：對照組1、對照組2、對照組3 實驗組1、實驗組2、實驗組3 數據處理的時候，是先分別取內參、目的基因的三次平行實驗的均值再拿相應均值相減得到 △ Ct，還是先算每組△ Ct(目的基因-內參基因）後再取平均？ 還有對於內參基因的數據，如果所得Ct 值差值在1 以內，是否可以將所有的內參取平均，然後△ Ct 值就拿每個組的目的基因減去這個內參均值？ 對於內參的CT 值怎樣的數據算比較好呢？一般組間、組內CT 差值在多少比較合理？ 另外對於這個REAL-TIME PCR 的結果除了用EXCEL 處理之外有沒有其他比較可信方便的專業處理軟體呢？ 內參基因： 18s for control, 18s for treatment sample 目的基因： control sample, treatment sample 復孔取平均值 △ Ct for control sample = Ct of comtrol sample - Ct 18s for control △ Ct for treatment sample = Ct of treatment sample - Ct 18s for treatment sample △△ Ct = △ Ct for treatment sample - △ Ct for control sample 2^(-△ △ Ct) 2^(-△ △ Ct) =1 means miRNA expression no change 2^(-△ △ Ct) <1 means expression decrease after treatment 2^(-△ △ Ct) >1 means expression increase after treatment 見下圖。說得很詳細。
『玖』 做完realtimePCR後具體數據怎麼分析看到給給出了RQ，Cq,Delta Cq mean,Delta Cq ,Delta Cq ste dev等
Delta Cq ，Cq mean都是在設置的時候必須做的，哪幾個孔是重復的，然後機器就會算。是看你的加樣誤差。
分析的時候只看一個，就是Ct (Cq) 值。先把內參的Cq值的平均數相減（假設你同一個樣本一次做了3個孔，就取3個孔的平均數），算出加樣的差別。然後再把目標基因的Cq值相減，算出差別，再除以內參的差別，就得到目的基因的差別倍數。
統計學分析要等到你重復至少3次以上完全獨立的試驗，再做PCR後算出差異倍數，才能做。不然統計的是你的加樣誤差和機器的分析誤差，沒有任何意義。