使用方法（3步）
- 粘贴数据（组、样本、Ct_target、Ct_ref）或加载 CSV。对于多个参考，请使用 Ct_ref1、Ct_ref2...
- 选择校准组（或样本）和汇总方法（平均值/中位数）。如果需要，启用 Pfaffl 校正。
- 单击计算以显示 ΔCt/ΔΔCt、log2FC，并折叠在表格和图中。共享 URL 保持相同的设置。
推荐订单
更深入
数据输入和选项
结果（摘要）
结果将出现在这里。
每行结果
| 行 | 集团 | 样品 | CT_目标 | CT_参考 | ΔCt | ΔΔCt | log2FC | 折叠 | 异常值 |
|---|
异常值不会自动删除；他们显示为候选者（基于 IQR）。
小组总结
| 集团 | n | log2FC 均值 | log2FC SD | log2FC扫描电镜 | 几何平均数的倍数 | 折算术平均数 |
|---|
绘图（log2FC / 折叠）
计算步骤（如何计算）
常见问题
ΔCt 和 ΔΔCt 有什么区别？
ΔCt 是目标值和参考值之间的样本内差异。 ΔΔCt 是相对于校准品的差异。
2^-ΔΔCt 的假设是什么？
它通常假设目标和参考放大效率相等或相似。如果它们不同，请使用 Pfaffl 更正。
我应该使用fold还是log2FC？
log2FC 是对称的，更容易统计和绘图。折叠更直观。
如何处理多个参考基因？
当提供Ct_ref1、Ct_ref2等时，在计算ΔCt之前聚合参考Ct值。
我什么时候应该使用 Pfaffl 效率校正？
当目标效率和参考效率相差很大时，请考虑 Pfaffl 校正。
共享 URL 是否包含数据？
仅保存设置；数据不包括在内。
相关工具
参考文献（注释）
本页上的假设和指南是一般参考。对于研究/教育，请根据需要查阅主要来源。
评论
分享问题或改进（单击按钮后加载评论）。