‘壹’ 如何分析“real-time PCR”结果
学习做Realtime PCR, 实验结果是出来了,得到的内参、目的基因的Ct 值在15-25 之间,熔x0dx0a融曲线基本上也是单峰,但不太会处理这个结果,对着数据发愁.不同的处理方法得到不x0dx0a同的结果.做的是相对定量,SYBR Green, 选用2^（-△ △ Ct）法x0dx0a内参基因：对照组1、对照组2、对照组3x0dx0a实验组1、实验组2、实验组3x0dx0a目的基因：对照组1、对照组2、对照组3x0dx0a实验组1、实验组2、实验组3x0dx0a数据处理的时候,是先分别取内参、目的基因的三次平行实验的均值再拿相应均值相减得到x0dx0a还有对于内参基因的数据,如果所得Ct 值差值在1 以内,是否可以将所有的内参取平均,x0dx0a另外对于这个REAL-TIME PCR 的结果除了用EXCEL 处理之外有没有其他比较可信方便的x0dx0a内参基因： 18s for control, 18s for treatment samplex0dx0a目的基因： control sample, treatment samplex0dx0a复孔取平均值△ 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
‘贰’ 如何处理Real time PCR的数据结果
学习做Realtime PCR, 实验结果是出来了，得到的内参、目的基因的Ct 值在15-25 之间，熔
融曲线基本上也是单峰，但不太会处理这个结果，对着数据发愁。。。不同的处理方法得到不
同的结果。。。
做的是相对定量，SYBR Green, 选用2^（-△ △ Ct）法
内参基因：对照组1、对照组2、对照组3
实验组1、实验组2、实验组3
目的基因：对照组1、对照组2、对照组3
实验组1、实验组2、实验组3
数据处理的时候，是先分别取内参、目的基因的三次平行实验的均值再拿相应均值相减得到
还有对于内参基因的数据，如果所得Ct 值差值在1 以内，是否可以将所有的内参取平均，
另外对于这个REAL-TIME PCR 的结果除了用EXCEL 处理之外有没有其他比较可信方便的
内参基因： 18s for control, 18s for treatment sample
目的基因： control sample, treatment sample
复孔取平均值
△ 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
‘叁’ 如何分析real time PCR的数据结果
很简单，首先要理解Ct值。比如说，有A和B两个样品，Ct值分别为22和24，那么其意思是A样品在PCR扩增第22个循环的时候就能检测出荧光强度了，B样品在24个循环的时候才能检测出荧光强度。显然，A样品浓度大于B样品。因此，B比A多2个循环，其模板浓度也就是A的2的-2次方，也就是1/4。用此原理，可以计算所有样品。
‘肆’ Real-time PCR的原理及优点是什么
real time PCR，即实时监测PCR扩增产物并进行解析的方法，它是在PCR反应体系中加入荧光物质，并通过real time PCR检测系统对PCR反应进程中的荧光信号强度进行实时监测，最终对实验数据进行分析处理的方法。描述 PCR动态进程的曲线即扩增曲线。它实际上并不是一条标准的指数曲线，而是S形曲线，这是因为随着 PCR循环数的增加DNA聚合酶的失活,dNTP和引物的枯竭，反映副产物焦磷酸对合成反应的阻害等原因，致使PCR并非一直呈指数扩增，而最终将进入平 台期。由于影响PCR扩增的因素错综复杂，因此每次PCR扩增时进入平台期的时机及信号高低变化很大，很难精确控制。尽管平台期的变化很大，但在扩增曲线 的指数增长区的某一区域，重复性非常好，这对PCR的定量分析非常重要，如果在扩增曲线的指数增长区适当位置设定荧光检出界限值即阈值 （threshold）就会得到阈值与扩增曲线的交点Ct值，Ct值是指达到阈值时的循环圈数（threshold cycle），Ct值与起始模板数的对数值成反比线性关系。
………………
……………………
详细资料请参考：on
http://proct.bio1000.com/102001/
‘伍’ 如何处理Real time PCR的数据结果
学习做Realtime PCR, 实验结果是出来了，得到的内参、目的基因的Ct 值在15-25 之间，熔
融曲线基本上也是单峰，但不太会处理这个结果，对着数据发愁。。。不同的处理方法得到不
同的结果。。。
做的是相对定量，SYBR Green, 选用2^（-△ △ Ct）法
内参基因：对照组1、对照组2、对照组3
实验组1、实验组2、实验组3
目的基因：对照组1、对照组2、对照组3
实验组1、实验组2、实验组3
数据处理的时候，是先分别取内参
‘陆’ 如何处理Real time PCR的数据结果
如何处理Real time PCR的数据结果
本来不就有hashcode()和equals()了么？干嘛要重写，直接用原来的不行么？ HashMap中，如果要比较key是否相等，要同时使用这两个函数！因为自定义的类的hashcode()方法继承于Object类，其hashcode码为默认的内存地址，这样即便有相同含义的两个对象，比较也是不相等的，例如，生成了两个“羊”对象，正常理解这两个对象应该是相等的，但如果你不重写 hashcode（）方法的话，比较是不相等的！
HashMap中的比较key是这样的，先求出key的hashcode(),比较其值是否相等，若相等再比较equals(),若相等则认为他们是相等的。若equals()不相等则认为他们不相等。如果只重写hashcode()不重写equals()方法，当比较equals()时只是看他们是否为同一对象（即进行内存地址的比较）,所以必定要两个方法一起重写。HashMap用来判断key是否相等的方法，其实是调用了HashSet判断加入元素是否相等。
‘柒’ 如何处理Real time PCR的数据结果
内参基因： 18s for control, 18s for treatment sample
目的基因： control sample, treatment sample
复孔取平均值
△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’ 如何处理Real time PCR的数据结果
。。不同的处理方法得到不同的结果。。。 做的是相对定量，SYBR Green, 选用2^（-△ △ Ct）法 一般大家是怎么处理的呢？比方实验设置如下： 内参基因：对照组1、对照组2、对照组3 实验组1、实验组2、实验组3 目的基因：对照组1、对照组2、对照组3 实验组1、实验组2、实验组3 数据处理的时候，是先分别取内参、目的基因的三次平行实验的均值再拿相应均值相减得到 △ Ct，还是先算每组△ Ct(目的基因-内参基因）后再取平均？ 还有对于内参基因的数据，如果所得Ct 值差值在1 以内，是否可以将所有的内参取平均，然后△ Ct 值就拿每个组的目的基因减去这个内参均值？ 对于内参的CT 值怎样的数据算比较好呢？一般组间、组内CT 差值在多少比较合理？ 另外对于这个REAL-TIME PCR 的结果除了用EXCEL 处理之外有没有其他比较可信方便的专业处理软件呢？ 内参基因： 18s for control, 18s for treatment sample 目的基因： control sample, treatment sample 复孔取平均值 △ 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 见下图。说得很详细。
‘玖’ 做完realtimePCR后具体数据怎么分析看到给给出了RQ，Cq,Delta Cq mean,Delta Cq ,Delta Cq ste dev等
Delta Cq ，Cq mean都是在设置的时候必须做的，哪几个孔是重复的，然后机器就会算。是看你的加样误差。
分析的时候只看一个，就是Ct (Cq) 值。先把内参的Cq值的平均数相减（假设你同一个样本一次做了3个孔，就取3个孔的平均数），算出加样的差别。然后再把目标基因的Cq值相减，算出差别，再除以内参的差别，就得到目的基因的差别倍数。
统计学分析要等到你重复至少3次以上完全独立的试验，再做PCR后算出差异倍数，才能做。不然统计的是你的加样误差和机器的分析误差，没有任何意义。