概述
qPCR 实验的下游分析（如 2^-ΔΔCt 相对定量）对原始数据质量非常敏感。一个复孔的加样误差、一个异常高的 Ct 或一个表达波动的内参基因，都可能导致最终倍数变化出现数倍偏差。因此，在计算表达量之前建立一套稳定的数据质控流程，是获得可信结果的前提。
本文从原始 Ct 数据出发，逐步讲解复孔一致性检查、异常值识别、内参基因验证和 ΔCt 合理性判断的方法，帮助你在计算前发现并处理数据问题。
原始数据检查清单
在打开 Excel 或 GraphPad 之前，建议先在 qPCR 仪软件中确认以下信息：
| 检查项 | 合格标准 | 异常时的处理方向 |
|---|---|---|
| NTC（无模板对照） | 无扩增或 Ct > 35 | 若 NTC 有 Ct < 35，提示污染或引物二聚体 |
| 阴性对照 | 无特异扩增 | 检查模板污染或引物特异性 |
| 熔解曲线 | 单峰、无引物二聚体峰 | 复孔熔解曲线应一致 |
| 扩增曲线 | S 型、基线平整、平台期正常 | 平台期过低提示信号弱 |
| 复孔 Ct 差异 | ≤ 0.5（理想 ≤ 0.3） | 超过阈值需排查加样或气泡 |
如果上述任何一项不合格，应先回到实验层面找原因，而不是直接删除数据点。
复孔差异的判断与处理
复孔差异阈值
技术重复（同一 cDNA 样本分多孔加样）的 Ct 差异应控制在 0.5 以内。经验上：
- Ct 差异 ≤ 0.3：复孔一致性优秀
- Ct 差异 0.3-0.5：可接受，但建议复核加样记录
- Ct 差异 > 0.5：通常需要查找原因，谨慎使用
复孔 CV 计算
复孔间变异系数（CV）比单纯看 Ct 差值更能反映离散程度：
CV = (Ct 标准差 / Ct 平均值) × 100%由于 Ct 是对数刻度，CV 阈值建议：
| CV 范围 | 评价 |
|---|---|
| < 1.5% | 优秀 |
| 1.5% - 3% | 可接受 |
| > 3% | 需排查异常孔 |
当复孔中有一个明显异常时
如果三个复孔中有两个接近、一个偏离：
- 查看扩增曲线：异常孔是否有延迟上升、平台期低、基线漂移
- 查看熔解曲线：异常孔是否有额外峰
- 查看孔位：是否位于板边缘、是否存在蒸发或封膜不严
- 核对加样记录：该孔是否存在移液失误
若找到明确实验原因，可以剔除异常孔；若原因不明，建议保留所有复孔并计算标准差，或在正文中说明该数据点离散度较大。
异常 Ct 值的识别规则
什么是异常 Ct
异常 Ct 通常指：
- 与同组其他生物学重复相比明显偏高或偏低
- 与历史数据趋势严重不符
- 熔解曲线异常或扩增效率明显偏离
常用判断方法
方法一：箱线图法
对同一处理组内同一基因的 Ct 值绘制箱线图，超出 1.5 倍 IQR（四分位距）的数据点标记为潜在异常值。
方法二：Grubbs 检验
适用于每组样本数 ≥ 6 的情况，检验最大或最小值是否为异常值。
方法三：生物学逻辑判断
例如某处理理论上应上调目的基因，但其中一个样本 Ct 反而显著降低（表达量更高），需结合内参基因判断是否为该样本的 RNA 降解或反转录问题。
异常值处理原则
| 情况 | 建议处理 |
|---|---|
| 找到明确实验原因 | 剔除该数据点，记录原因 |
| 无明确原因但明显偏离 | 保留但标记为 outlier，统计时分别计算包含/排除后的结果 |
| 多个生物学重复均异常 | 不应简单删除，应重新评估实验设计或引物质量 |
不建议仅因”让结果更好看”而删除数据点。
内参基因一致性检查
为什么要检查内参
内参基因用于校正上样量差异。如果某个样本的内参 Ct 明显偏离同组其他样本，说明：
- 该样本上样量可能不一致
- RNA 质量或反转录效率存在差异
- 处理条件对内参表达产生了影响
内参 Ct 质控标准
| 检查项 | 建议标准 |
|---|---|
| 同组内参 Ct 范围 | 一般不超过 1.5 个 Ct |
| 内参熔解曲线 | 单峰、复孔一致 |
| 处理组与对照组内参 Ct 差异 | 理想 < 1.0，若 > 1.5 需警惕 |
多内参策略
使用 geNorm 或 NormFinder 筛选出 2-3 个稳定内参后，计算几何平均值作为校正因子：
内参平均 Ct = (Ct_内参1 + Ct_内参2 + Ct_内参3) / 3 ← 注意：Ct 是 log2 刻度，多内参平均应使用算术平均如果多个内参在同一组样本中趋势一致，说明校正可靠；如果某个内参与其他内参方向相反，应剔除该内参。
ΔCt 与 ΔΔCt 计算前的质控
计算 ΔCt
ΔCt = Ct(目的基因) - Ct(内参基因)在计算 ΔCt 之前，建议先检查：
- 每个样本的 ΔCt 是否在同组合理范围内
- 是否存在 ΔCt 为负但目的基因表达理应很低的情况
异常 ΔCt 的常见原因
| 现象 | 可能原因 | 处理建议 |
|---|---|---|
| 某样本 ΔCt 异常偏低 | 目的基因 Ct 过低或内参 Ct 过高 | 检查该样本是否存在污染或内参降解 |
| 某样本 ΔCt 异常偏高 | 目的基因 Ct 过高或内参 Ct 过低 | 检查该样本 RNA 质量或上样量 |
| 对照组 ΔCt 波动大 | 基线样本不均一 | 增加对照样本数或重新分组 |
计算 ΔΔCt
ΔΔCt = ΔCt(处理组) - ΔCt(对照组平均)
相对表达量 = 2^(-ΔΔCt)选择对照组时，应确保对照组样本足够稳定。如果对照组内部 ΔCt 波动超过 1.0，建议先处理对照组内部异常值，或改用其他归一化策略。
扩增效率与标准曲线质控
如果实验使用绝对定量或需要比较不同基因的表达量，必须确认引物扩增效率。标准曲线参数应满足：
| 参数 | 合格标准 |
|---|---|
| 斜率 | -3.1 到 -3.6 |
| 扩增效率 E | 90% - 110% |
| R² | ≥ 0.98 |
扩增效率过低（< 85%）或过高（> 115%）的引物不适合用于相对定量。如果同一基因在不同样本中效率不一致，可能是抑制剂浓度差异导致，需重新提取 RNA 或稀释模板。
结果报告建议
在论文方法部分建议写明：
- 引物序列或来源
- 内参基因及选择依据
- 复孔数和技术重复策略
- 异常值处理规则（如 Ct 差异 > 0.5 的复孔如何处理）
- 统计分析软件及版本
在结果部分建议以表格形式呈现：
| 分组 | 目的基因 Ct | 内参 Ct | ΔCt | ΔΔCt | 相对表达量 | n |
|---|---|---|---|---|---|---|
| 对照组 | 28.2 ± 0.3 | 18.5 ± 0.2 | 9.7 ± 0.4 | 0.0 ± 0.4 | 1.00 | 6 |
| 处理组 | 25.1 ± 0.4 | 18.6 ± 0.2 | 6.5 ± 0.5 | -3.2 ± 0.6 | 9.2 | 6 |
常见坑点与避坑建议
1. 直接用复孔 Ct 算平均再算 ΔCt
正确做法是先计算每个样本内目的基因与内参基因的 ΔCt，再对 ΔCt 取平均。若先平均 Ct 再相减，会引入偏差，尤其当复孔差异较大时。
2. 忽略 NTC 结果
NTC 出现扩增往往意味着引物二聚体或模板污染。如果 NTC 有 Ct < 35，说明体系有问题，需优化引物或更换试剂。
3. 用单一内参处理跨组织或跨处理比较
GAPDH、β-actin 等经典内参在不同处理条件下表达可能变化。跨条件比较时建议至少验证 2-3 个内参的稳定性。
4. 把生物学重复和技术重复混在一起统计
生物学重复反映的是样本间真实差异，技术重复反映的是加样和仪器误差。统计分析时应以生物学重复为单位，而非把所有复孔当作独立样本。
5. 只看倍数变化不看误差
2^-ΔΔCt 的误差会被指数放大。即使倍数变化很大，如果 ΔΔCt 的 95% 置信区间包含 0，结果也没有统计学意义。
总结
qPCR 数据质控是连接实验操作与统计分析的桥梁。一个稳定的质控流程应包括：原始扩增曲线和熔解曲线检查、复孔差异评估、异常值识别、内参基因一致性验证，以及 ΔCt/ΔΔCt 计算前的合理性判断。只有在数据质量合格的基础上，相对定量结果才具有生物学意义和可重复性。