كيفية الاستخدام (3 خطوات)
- الصق البيانات (Group، Sample، Ct_target، Ct_ref) أو قم بتحميل CSV. بالنسبة للمراجع المتعددة، استخدم Ct_ref1، Ct_ref2، ...
- حدد مجموعة المعايرة (أو العينة) وطريقة التلخيص (المتوسط/الوسيط). قم بتمكين التصحيح Pfaffl إذا لزم الأمر.
- انقر فوق "حساب" لإظهار ΔCt/ΔΔCt وlog2FC وأضعاف الجداول والمؤامرات. تحتفظ عناوين URL المشاركة بنفس الإعدادات.
الترتيب الموصى به
- أولاً، تحقق من الكفاءة باستخدام منحنى قياسي → qPCR المنحنى القياسي
- بعد ذلك، احسب ΔCt / ΔΔCt (هذه الصفحة)
- إذا لزم الأمر، تقييم التباين أو الأهمية → فترة الثقة واختبارات الفرضيات
اذهب أعمق
- إحصائيات وصفية
التحقق من التوزيعات والقيم المتطرفة
- الانحدار الخطي والارتباط
فهم المنحنيات القياسية
إدخال البيانات والخيارات
النتائج (ملخص)
سوف تظهر النتائج هنا.
النتائج لكل صف
| صف | المجموعة | عينة | Ct_target | Ct_ref | ΔCt | ΔΔCt | log2FC | أضعاف | ناشز |
|---|
لا تتم إزالة القيم المتطرفة تلقائيًا؛ يتم عرضهم كمرشحين (على أساس IQR).
ملخص المجموعة
| المجموعة | ن | يعنيlog2FC | log2FC SD | log2FC SEM | أضعاف المتوسط الهندسي | أضعاف المتوسط الحسابي |
|---|
المؤامرات (log2FC / أضعاف)
خطوات الحساب (كيف يتم الحساب)
الأسئلة الشائعة
ما الفرق بين ΔCt وΔΔCt؟
ΔCt هو الفرق داخل العينة بين الهدف والمرجع. ΔΔCt هو الفرق بالنسبة إلى المعاير.
ما هو الافتراض لـ 2^-ΔΔCt؟
ويفترض عمومًا أن كفاءات التضخيم المستهدفة والمرجعية متساوية أو متشابهة. استخدم التصحيح Pfaffl إذا كانت مختلفة.
هل يجب علي استخدام الطية أو log2FC؟
log2FC متماثل وأسهل للإحصائيات والمؤامرات. الطية أكثر سهولة.
كيف يتم التعامل مع الجينات المرجعية المتعددة؟
عند توفير Ct_ref1 وCt_ref2 وما إلى ذلك، يتم تجميع قيم Ct المرجعية قبل حساب ΔCt.
متى يجب علي استخدام تصحيح الكفاءة Pfaffl؟
فكر في تصحيح Pfaffl عندما تختلف كفاءات الهدف والمرجع بشكل كبير.
هل تتضمن المشاركة URL بيانات؟
يتم حفظ الإعدادات فقط؛ لا يتم تضمين البيانات.
الأدوات ذات الصلة
المراجع (الملاحظات)
الافتراضات والأدلة الموجودة في هذه الصفحة هي مراجع عامة. للبحث/التعليم، راجع المصادر الأولية حسب الحاجة.
التعليقات
مشاركة الأسئلة أو التحسينات (يتم تحميل التعليقات بعد النقر فوق الزر).