概述
在 qPCR 相对定量中，内参基因（reference gene）的作用是校正样本间的 RNA 质量、反转录效率和上样量差异。然而，没有任何一个基因在所有实验条件下都绝对稳定。MIQE 指南明确要求，发表 qPCR 数据前应对候选内参基因进行稳定性评估。
目前最常用的两种评估工具是 geNorm 和 NormFinder。前者通过成对变异分析计算基因表达稳定值 M，后者基于数学模型同时考虑组内和组间变异。本文将围绕这两款工具的实际操作展开，帮助你在自己的实验条件下稳定、可重复地完成内参基因筛选。
为什么必须进行稳定性评估
常见误区
很多实验者会直接沿用文献推荐的 GAPDH 或 ACTB，而不做预验证。这种做法存在明显风险：
- 同一细胞系在不同处理条件下，内参表达可能发生变化
- 不同组织、不同分化阶段的内参稳定性差异显著
- 药物处理、缺氧、应激等条件会特异性影响部分内参
稳定性评估的核心价值
- 筛选出在你实验条件下表达最稳定的基因
- 判断是否需要使用多个内参基因取几何平均值
- 为后续正式实验的定量结果提供可靠校正基础
- 满足 MIQE 指南和期刊审稿要求
实验设计与数据准备
样本选择
稳定性评估样本应覆盖你正式实验中的所有关键变量：
| 变量类型 | 具体要求 | 示例 |
|---|---|---|
| 处理条件 | 必须包含对照组和处理组 | 药物处理 0 h、6 h、24 h |
| 生物学重复 | 每个条件至少 3 个独立样本 | 3 只小鼠、3 个细胞培养孔 |
| 技术重复 | 每个样本做 qPCR 复孔 | 每个基因每个样本 3 个复孔 |
| 候选内参 | 推荐 3-5 个候选基因 | GAPDH、ACTB、HPRT1、TBP、PPIA |
候选内参基因推荐组合
| 样本类型 | 推荐候选内参 | 说明 |
|---|---|---|
| 哺乳动物细胞 | GAPDH、ACTB、HPRT1、TBP、PPIA | 覆盖代谢、骨架、转录等不同通路 |
| 药物处理样本 | TBP、PPIA、HPRT1、B2M | 避免糖代谢和细胞骨架相关基因 |
| 组织样本 | GAPDH、ACTB、18S rRNA、HPRT1 | 多内参组合可提高可靠性 |
| 低质量/珍贵样本 | 18S rRNA、RPLP0 | 高丰度基因对模板量要求低 |
Ct 数据整理
两种软件都需要输入 Ct 值矩阵。推荐使用以下格式：
| 样本 | 处理组 | GAPDH_Ct | ACTB_Ct | HPRT1_Ct | TBP_Ct | PPIA_Ct |
|---|---|---|---|---|---|---|
| S1 | 对照 | 18.5 | 19.2 | 23.1 | 25.4 | 21.3 |
| S2 | 对照 | 18.7 | 19.5 | 23.3 | 25.6 | 21.5 |
| S3 | 处理 | 18.2 | 18.9 | 23.0 | 25.1 | 21.0 |
关键注意事项：
- 去除 Ct > 35 或复孔 CV > 5% 的异常值
- 使用复孔 Ct 均值作为输入
- 不同基因在同一板、同一程序上运行，减少批次效应
- 记录 RNA 浓度和 cDNA 稀释倍数，确保上样量一致
Ct 到相对定量的转换
geNorm 和 NormFinder 的输入通常是相对表达量而非原始 Ct 值。转换公式为：
相对表达量 = 2^(-ΔCt) = 2^-(Ct_样本 - Ct_该基因所有样本最小值)对于 geNorm，官方 Excel 模板会自动处理 Ct 到表达量的转换；NormFinder 则需要手动转换后再粘贴。
geNorm 操作步骤
软件获取
geNorm 是 qBase+ 软件和 Biogazelle 平台的核心算法之一，可通过以下方式使用：
- geNormPLUS：qBase+ 商业软件内置模块
- geNorm VBA Excel 宏：Biogazelle 官网提供经典免费版本
- RefFinder 在线工具：整合了 geNorm、NormFinder、BestKeeper 和 Delta Ct 方法
Excel 宏版本操作流程
- 下载 geNorm 模板（.xls 格式）
- 在 Sheet “input” 中填入样本名称、分组和 Ct 值
- 确保基因名称在第一行，样本名称在第一列
- 点击 geNorm 按钮运行分析
- 查看 “M value” 和 “V value” 输出结果
geNorm 输出解读
| 指标 | 含义 | 判读标准 |
|---|---|---|
| M value | 基因表达稳定值，越小越稳定 | M < 0.5 稳定性好；0.5-1.0 中等；> 1.0 不稳定 |
| Vn/n+1 | 增加第 n+1 个内参后的配对变异 | V < 0.15 表示无需再增加内参 |
| 稳定性排序 | 按 M 值从小到大排列 | 最稳定的基因排在最前 |
典型结果解读示例：
| 基因 | M value | 排序 |
|---|---|---|
| TBP | 0.32 | 1 |
| PPIA | 0.38 | 2 |
| HPRT1 | 0.55 | 3 |
| GAPDH | 0.78 | 4 |
| ACTB | 0.92 | 5 |
在这个例子中，TBP 和 PPIA 最稳定，应优先作为内参；GAPDH 和 ACTB 稳定性中等偏差，不建议单独使用。
最佳内参数量判定
geNorm 通过 Vn/n+1 值判断是否需要组合多个内参：
| V2/3 | V3/4 | V4/5 | 推荐内参数量 |
|---|---|---|---|
| 0.12 | 0.10 | 0.08 | 2 个即可 |
| 0.18 | 0.14 | 0.09 | 3 个更稳妥 |
| 0.22 | 0.19 | 0.15 | 至少 3-4 个 |
经验法则： 对于要求不高的预实验，2 个最稳定内参取几何平均值已经足够；发表级数据或关键实验建议使用 geNorm 推荐的最小数量。
NormFinder 操作步骤
软件获取
NormFinder 同样提供 Excel 插件和在线版本：
- NormFinder Excel 插件（Microsoft Excel 2007+ 可用）
- GenEx 软件内置 NormFinder 模块
- RefFinder 在线整合工具
数据准备
NormFinder 需要输入相对表达量矩阵，格式如下：
| 样本 | 分组 | GAPDH | ACTB | HPRT1 | TBP | PPIA |
|---|---|---|---|---|---|---|
| S1 | 对照 | 0.042 | 0.035 | 0.008 | 0.003 | 0.012 |
| S2 | 对照 | 0.038 | 0.030 | 0.007 | 0.002 | 0.011 |
| S3 | 处理 | 0.045 | 0.039 | 0.009 | 0.003 | 0.013 |
转换公式：
相对表达量 = 2^-(Ct - Ct_min)其中 Ct_min 是该基因在所有样本中的最小 Ct 值。
输出解读
NormFinder 提供两个核心指标：
| 指标 | 含义 | 判读标准 |
|---|---|---|
| Stability value | 基因表达稳定值，越小越稳定 | 与 geNorm M 值类似，< 0.5 通常认为稳定 |
| Combined stability | 多个基因组合后的稳定值 | 越小表示组合效果越好 |
NormFinder 的优势在于能够同时评估组内变异和组间变异，因此在处理条件可能显著影响内参表达时，其结果往往比 geNorm 更具参考价值。
geNorm 与 NormFinder 结果不一致怎么办
常见原因
| 现象 | 可能原因 | 处理建议 |
|---|---|---|
| 排名差异 1-2 位 | 算法对异常值敏感度不同 | 取两者共同推荐的前两名 |
| 某个基因在一个软件中显著不稳定 | 该基因可能存在组间差异 | 优先排除 |
| 两者推荐完全不同 | 样本量小或 Ct 数据质量差 | 增加生物学重复，重做数据 |
综合决策策略
- 两个软件都排在前两名的基因，优先使用
- 只有一个软件推荐的基因，作为备选
- 两个软件都认为不稳定的基因，直接排除
- 必要时使用 RefFinder 计算综合排名
多内参组合与归一化
双内参归一化计算
假设选择 TBP 和 PPIA 作为内参，目标基因为 Target：
内参几何平均值 = √(2^(-Ct_TBP) × 2^(-Ct_PPIA))
目标基因相对表达量 = 2^(-Ct_Target) / 内参几何平均值在 qBase+ 或 Excel 中的实现
大多数现代 qPCR 分析软件支持多内参归一化。手动计算时：
- 将每个基因的 Ct 转换为 2^(-Ct)
- 计算所选内参的几何平均值
- 目标基因表达量除以内参几何平均值
- 取生物学重复的平均值 ± SD/SEM
内参数量与定量精度
| 内参数量 | 适用场景 | 精度 |
|---|---|---|
| 1 个 | 预实验、已知稳定的简单体系 | 一般 |
| 2 个 | 大多数常规实验 | 较好 |
| 3 个及以上 | 发表级数据、复杂样本 | 最佳 |
常见问题与避坑建议
1. 候选内参数量过少
只测 2 个候选基因无法评估稳定性。建议至少测试 3-5 个候选基因，才有筛选意义。
2. 样本量不足
每个分组少于 3 个生物学重复时，软件无法准确估计组间变异。稳定性评估样本量应与正式实验相当。
3. 使用不同板次的 Ct 数据
不同 qPCR 板之间可能存在系统偏差。所有候选内参应在同一板上、同一运行中完成。
4. 忽视复孔质量
复孔 CV > 5% 的 Ct 值会显著影响稳定性评估结果。分析前应剔除异常复孔并重新计算均值。
5. 用稳定性评估样本直接做正式定量
稳定性评估是预实验，其目的是筛选内参。正式实验应使用筛选出的内参重新进行完整 qPCR 检测。
6. 不同处理组使用不同内参
除非有充分理由，否则同一项目应使用相同的内参组合，以保证数据可比性。
结果报告与论文撰写
方法部分应包含
- 候选内参基因名称及选择依据
- 样本分组与生物学重复数
- 稳定性评估软件名称及版本
- 使用的转换公式（如 2^(-ΔCt)）
- 最终选择的内参组合及其依据
结果表示例
| 基因 | geNorm M value | NormFinder stability | 综合排名 |
|---|---|---|---|
| TBP | 0.32 | 0.18 | 1 |
| PPIA | 0.38 | 0.22 | 2 |
| HPRT1 | 0.55 | 0.41 | 3 |
| GAPDH | 0.78 | 0.63 | 4 |
| ACTB | 0.92 | 0.79 | 5 |
最终选择 TBP 和 PPIA 作为内参，取几何平均值进行归一化。
速查流程
步骤 1：选择 3-5 个候选内参基因
步骤 2：准备覆盖所有实验条件的样本（每条件 ≥3 重复）
步骤 3：在同一板、同一程序上完成所有 qPCR
步骤 4：整理 Ct 值，剔除异常复孔
步骤 5：Ct 转换为相对表达量
步骤 6：导入 geNorm 和 NormFinder 分析
步骤 7：综合两个软件结果选择最优内参
步骤 8：确定是否需要多内参组合
步骤 9：在正式实验中使用并持续监测总结
qPCR 内参基因稳定性评估是保证相对定量可靠性的关键步骤。geNorm 和 NormFinder 各有优势，建议同时使用并综合判断。无论最终选择多少个内参，核心原则都是：在自己的实验条件下验证，而不是盲目照搬文献。稳定的内参 + 规范的预实验，是发表级 qPCR 数据的基础。