qPCR 内参基因稳定性评估实战：geNorm 与 NormFinder 操作指南

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

1. 筛选出在你实验条件下表达最稳定的基因
2. 判断是否需要使用多个内参基因取几何平均值
3. 为后续正式实验的定量结果提供可靠校正基础
4. 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：

候选内参选择

候选集应覆盖不同生物学通路并在实际样本中验证。GAPDH、ACTB、HPRT1、TBP、PPIA 等可作为文献检索候选，不能按“药物处理”“珍贵样本”直接指定稳定组合。高丰度或多个基因共同变化也不证明归一化可靠。

Ct 数据整理

先保留逐孔原始数据；下面是整理后的 Ct 表示例，不代表可以直接粘贴到所有软件版本：

关键注意事项：

• 先核对对照、原始曲线与本体系检测范围，不按固定 Ct 或 Ct-CV 自动删孔；记录未检出及复测结果
• 技术复孔按预定规则汇总，输入格式以具体软件版本为准
• 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

当所用实现要求相对数量输入时，需要先转换；以下为100%扩增效率的演示公式：

相对表达量 = 2^(-ΔCt) = 2^-(Ct_样本 - Ct_该基因所有样本最小值)

该公式假设效率为100%；否则按各检测已验证的扩增因子转换。经典 geNorm VBA 输入相对数量；NormFinder 不同实现的输入要求不同，例如官方 R 实现默认接收 Ct，线性数量输入需设置 ctVal=FALSE，必须核对版本、参数和分组，不能把 Ct 不加说明地当作线性表达量。

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：

1. geNormPLUS：qBase+ 商业软件内置模块
2. geNorm VBA Excel 宏：Biogazelle 官网提供经典免费版本
3. RefFinder 在线工具：整合了 geNorm、NormFinder、BestKeeper 和 Delta Ct 方法

Excel 宏版本操作流程

1. 下载 geNorm 模板（.xls 格式）
2. 按所用版本模板填入样本名称和相对数量；分组信息另行保留用于解释处理效应
3. 确保基因名称在第一行，样本名称在第一列
4. 点击 geNorm 按钮运行分析
5. 查看 “M value” 和 “V value” 输出结果

geNorm 输出解读

典型结果解读示例：

以上为排序演示数据，并非这些基因在实际样本中的稳定性证据。只能在该演示中说 TBP、PPIA 排名靠前，最终选择仍需核对处理效应、共同调控和定量性能。

最佳内参数量判定

geNorm 的 Vn/n+1 用于观察增加内参后归一化因子的变化。结合变化趋势、实验目的与候选基因的生物学背景决定数量，不把 V<0.15 或“发表级实验”当作固定数量处方。

NormFinder 操作步骤

软件获取

NormFinder 同样提供 Excel 插件和在线版本：

1. NormFinder Excel 插件（Microsoft Excel 2007+ 可用）
2. GenEx 软件内置 NormFinder 模块
3. RefFinder 在线整合工具

数据准备

下面是相对数量矩阵的展示示例；实际文件的行列方向、分组和尺度必须按实现版本设置，不能直接照抄表格。官方 R 实现默认每行一个基因、每列一个样本，默认 Ct 输入；若使用线性数量须设 ctVal=FALSE。

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，此处仍假设100%效率。上表仅演示数量矩阵的展示格式，与前面的 Ct 表不是同一组数据。

输出解读

NormFinder 提供两个核心指标：

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

综合决策策略

1. 两个软件都排在前两名的基因，优先使用
2. 只有一个软件推荐的基因，作为备选
3. 两个软件都认为不稳定的基因，直接排除
4. 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

仅为展示计算，假设 TBP 和 PPIA 已在本实验验证，目标及两个参考检测均满足每循环翻倍的假设，目标为 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

以下步骤延续上面的理想效率算例；实际使用须采用对应效率校正及校准规则：

1. 将每个基因的 Ct 转换为 2^(-Ct)
2. 计算所选内参的几何平均值
3. 目标基因表达量除以内参几何平均值
4. 取生物学重复的平均值 ± SD/SEM

内参数量与定量精度

多内参不保证精度随数量单调提高。应验证候选基因并检查归一化结论对组合的敏感性，而非以“1个一般、3个最佳”分级。

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

复孔异常需先核查曲线、对照和实验记录；Ct 的 CV 不等于数量尺度的精密度。不要为获得稳定排名自动删孔，排除与复测需遵循预定且有依据的规则。

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

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：核查原始曲线、对照和复孔；按预定且有依据的规则处理异常孔，保留原始记录和排除/复测原因
步骤 5：按具体软件实现准备输入；经典 geNorm VBA 使用相对数量，转换时核对扩增效率假设
步骤 6：NormFinder 按实现设置尺度与分组；官方 R 版本默认输入 Ct，线性数量输入设 ctVal=FALSE，再分别分析
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。

参考资料与适用范围

• geNorm 作者手册（2008）：相对数量输入、几何平均和 V 值解释。
• NormFinder 官方 R 文档：输入尺度、参数及组间/组内变异。
• MIQE précis（2010）
• MIQE 原文（2009），检测限与精密度部分：不以任意 Cq 界限替代验证，区分 Ct 与数量尺度的变异。