使用方法（3步）
- 貼上資料（組、樣本、Ct_target、Ct_ref）或載入 CSV。對於多個參考，請使用 Ct_ref1、Ct_ref2...
- 選擇校準組（或樣本）和彙總方法（平均值/中位數）。如果需要，啟用 Pfaffl 校正。
- 按一下計算，即可在表格與圖表中顯示 ΔCt/ΔΔCt、log2FC 與 fold change。分享連結 會保留相同設定。
建議流程
延伸使用
資料輸入與選項
結果（摘要）
範例資料已預先填入。啟用 JavaScript 後，此摘要會更新為 ΔCt、ΔΔCt、log2FC 與 fold change。
每列結果
| 列 | 組別 | 樣本 | CT_目標 | CT_參考 | ΔCt | ΔΔCt | log2FC | fold | 離群值 |
|---|
離群值不會自動移除；它們顯示為候選值（依據 IQR）。
組別摘要
| 組別 | n | log2FC 均值 | log2FC SD | log2FC SEM | 幾何平均數的倍數 | fold 算術平均 |
|---|
圖表（log2FC / fold）
計算步驟（如何計算）
常見問題
ΔCt 與 ΔΔCt 有什麼差別？
ΔCt 是同一樣本中目標基因與參考基因 Ct 的差值。ΔΔCt 是相對於校準品的差值。
2^-ΔΔCt 的假設是什麼？
它通常假設目標和參考擴增效率相等或相似。如果它們不同，請使用 Pfaffl 校正。
我應該使用 fold 還是 log2FC？
log2FC 以 0 為中心，較適合統計與繪圖。fold change 較直觀，但上下調不對稱。
如何處理多個參考基因？
提供 Ct_ref1、Ct_ref2 等多個參考值時，會先彙整參考 Ct，再計算 ΔCt。
我什麼時候應該使用 Pfaffl 效率校正？
當目標基因與參考基因的擴增效率差異很大時，請考慮 Pfaffl 校正。
分享連結 是否包含資料？
僅儲存設定；資料不包含在內。
相關工具
參考文獻（註釋）
本頁上的假設和指南是一般參考。對於研究/教育，請根據需要查閱主要來源。
評論
分享問題或改進（按一下按鈕後載入評論）。