Wie es funktioniert
Die ΔΔCt-Methode (auch Livak-Methode genannt, nach dem Paper von Livak und Schmittgen, 2001) ist der Standardweg, qPCR-Ct-Rohwerte in einen Fold-Change zwischen zwei Bedingungen umzurechnen. Der Ct (cycle threshold) ist der Zyklus, in dem die Fluoreszenz der Probe einen Schwellenwert über dem Hintergrund überschreitet — ein niedrigerer Ct bedeutet mehr Ausgangsmaterial, weil die Amplifikation schneller den Schwellenwert erreicht. Ein Unterschied von einem Zyklus im Ct entspricht etwa dem Faktor 2 in der Ausgangsmenge, weil jeder PCR-Zyklus das Produkt verdoppelt. Der ΔΔCt kombiniert vier Ct-Werte — Zielgen und Referenz- (Housekeeping-) Gen in Behandlungs- und Kontrollproben — zu einer einzigen relativen Expressionszahl.
Die Formel hat drei Schritte. Erstens der ΔCt je Bedingung: Den Ct des Referenzgens vom Ct des Zielgens abziehen, getrennt für Behandlung und Kontrolle. Das normalisiert Unterschiede in Proben-Beladung und reverser Transkription unter der Annahme, dass das Referenzgen unabhängig von der Behandlung konstant exprimiert wird. Zweitens der ΔΔCt: Den Kontroll-ΔCt vom Behandlungs-ΔCt abziehen — das entfernt die Baseline und lässt nur die behandlungsinduzierte Änderung übrig. Drittens Fold-Change = 2^(−ΔΔCt). Das Minuszeichen ist wichtig: Ein niedrigerer Ct bedeutet mehr Expression, also entspricht ein negativer ΔΔCt (Behandlung exprimiert früher als Kontrolle) einem Fold-Change größer als 1 (Hochregulation). Ein positiver ΔΔCt entspricht einem Fold-Change kleiner als 1 (Herunterregulation). Ein ΔΔCt von null ergibt 2^0 = 1, also keine Änderung.
Drei praktische Hinweise. (1) Die 2^(−ΔΔCt)-Formel setzt eine Amplifikationseffizienz von exakt 100 % voraus (das Produkt verdoppelt sich pro Zyklus) — sowohl für das Ziel als auch für die Referenz. In der Praxis liegen Effizienzen meist bei 90-105 %; zeigt Ihre Validierung einen relevanten Unterschied zwischen beiden, liefert die Pfaffl-Methode einen genaueren Fold-Change, indem sie die tatsächlichen Effizienzen jedes Primerpaares verwendet. Der Rechner oben ist der einfache Livak — gut für die Entdeckungsphase, weniger geeignet für streng quantitative Publikationen, in denen Effizienzen gemessen wurden. (2) Immer technische Replikate (meist Tripletts) durchführen und mitteln, bevor Sie den Ct hier eingeben. Eine einzelne Ct-Messung hat genug Messrauschen, dass ein Ausreißer im Triplett den Fold-Change um 30 % verschieben kann. (3) Der Fold-Change ist eine Beschreibung, kein statistischer Test — für den Nachweis eines echten Unterschieds brauchen Sie zusätzlich biologische Replikate und einen t-Test (oder Äquivalent) auf den ΔCt-Werten.
Die Formel
Ct-Werte kommen direkt aus dem qPCR-Cycler — bilden Sie den Mittelwert der technischen Replikate (meist Tripletts) je Well, bevor Sie sie eingeben. Das „Ziel"-Gen ist das, was Sie messen; das „Referenz"- (Housekeeping-) Gen gilt als unabhängig von der Behandlung konstant exprimiert und dient zur Normalisierung von Beladungs- und RT-Effizienzunterschieden. Übliche Referenzgene sind GAPDH, β-Aktin, 18S rRNA und HPRT — wählen Sie eines, das in Ihrer Gewebe/Behandlungs-Kombination als stabil validiert ist. Das Ergebnis 2^(−ΔΔCt) ist dimensionslos und gibt das Verhältnis der Zielgenexpression unter Behandlung relativ zur Kontrolle an.
Beispielrechnung
- Ct-Werte: Ziel/Behandlung 22,5, Referenz/Behandlung 18,0, Ziel/Kontrolle 24,0, Referenz/Kontrolle 18,2.
- ΔCt(Behandlung) = 22,5 − 18,0 = 4,5; ΔCt(Kontrolle) = 24,0 − 18,2 = 5,8.
- ΔΔCt = 4,5 − 5,8 = −1,3.
- Fold-Change = 2^(−(−1,3)) = 2^1,3 ≈ 2,46× — das Zielgen ist unter Behandlung etwa 2,5-fach hochreguliert.
Häufig gestellte Fragen
Was bedeutet ein Fold-Change von 1, 2 oder 0,5 konkret?
Der Fold-Change ist das Verhältnis der Expression zwischen Behandlung und Kontrolle. Fold-Change 1 bedeutet keine Änderung — die Behandlung exprimiert das Gen genauso stark wie die Kontrolle. Fold-Change 2 bedeutet doppelte Expression unter Behandlung („2-fach hochreguliert"). Fold-Change 0,5 bedeutet halbe Expression — entspricht „2-fach herunterreguliert", weil 1/0,5 = 2. Konventionell wird Hochregulation positiv angegeben („+2-fach"), Herunterregulation entweder als Bruch (0,5) oder als invertiertes Verhältnis mit Minuszeichen („−2-fach"). Innerhalb einer Abbildung konsistent bleiben. Faustregel in vielen Systemen: Fold-Change zwischen ~0,7 und 1,4 gilt meist als Rauschen; größere Auslenkungen verdienen einen zweiten Blick — die Schwelle für „biologisch relevant" hängt aber vom System und der Replikat-Variabilität ab.
Soll ich die Livak-Methode (ΔΔCt) oder die Pfaffl-Methode verwenden?
Verwenden Sie Livak (diesen Rechner), wenn Sie validiert haben, dass Ziel- und Referenz-Primer mit ähnlichen Effizienzen amplifizieren — typischerweise zwischen 90 und 110 % und innerhalb von ~5 Prozentpunkten voneinander. Die 2^(−ΔΔCt)-Formel setzt 100 %-Effizienz für beide voraus; wenn sie nahe beieinander liegen, ist der Fehler klein und Livak ist die einfachere, häufiger zitierte Methode. Verwenden Sie Pfaffl, wenn die Effizienzen sich relevant unterscheiden — etwa Ziel 95 %, Referenz 105 % —, weil Pfaffl die gemessenen Effizienzen in die Formel einsetzt: Verhältnis = (E_Ziel)^(−ΔCt_Ziel) / (E_Ref)^(−ΔCt_Ref). Für die meisten explorativen qPCR-Arbeiten liegt der Unterschied zwischen Livak und Pfaffl weit unter dem Rauschen biologischer Replikate, und Livak reicht. Für streng quantitative Publikationen, vor allem bei kleinen Fold-Changes (<2×), messen Sie die Effizienzen und nutzen Pfaffl.
Wie wähle ich das richtige Referenz- (Housekeeping-) Gen?
Die einzige Aufgabe des Referenzgens ist, unabhängig von Behandlung, Gewebe oder Versuchsbedingung konstant exprimiert zu werden — auf dieser Annahme beruht ΔΔCt. Die klassischen Kandidaten (GAPDH, β-Aktin, 18S rRNA, HPRT, B2M, TBP, GUSB) funktionieren in manchen Kontexten und versagen in anderen deutlich. GAPDH und β-Aktin werden häufig reflexartig genommen, sind aber notorisch variabel bei Krebs, Hypoxie, Glukose-Stress und entwicklungsbiologischen Fragen. Der saubere Weg ist, mindestens 2-3 Kandidaten in Ihrer konkreten Gewebe/Behandlungs-Kombination mit Tools wie geNorm oder NormFinder zu validieren, die Gene nach Stabilität über Ihre Proben ranken; nehmen Sie das stabilste (oder das geometrische Mittel der Top 2-3). Für exploratives Arbeiten ohne vollständige Validierung lehnen Sie sich an die publizierte Literatur für Ihren Gewebetyp an — meist gibt es 1-2 Gene, die als „am wenigsten schlecht" für ein System gelten. Welches Sie auch wählen, geben Sie es explizit an; Gutachter fragen danach.
Meine Ct-Werte schwanken stark — was gilt als „guter" Ct?
Grob: Ct zwischen 15 und 30 ist der komfortable Arbeitsbereich; 30-35 ist akzeptabel, aber rauschig; über 35 liegt das Signal kaum über dem Hintergrund und einzelne Replikate können um einen vollen Zyklus schwanken (was einem Faktor-2-Fehler in der Ausgangsmenge entspricht). Innerhalb eines Tripletts sollte die Streuung der Ct unter ca. 0,5 Zyklen liegen, damit die Messung zuverlässig ist — darüber das Well wiederholen, ein Pipettierproblem vermuten oder prüfen, ob ein Well gescheitert ist. Liegt Ihr Behandlungs-Ct bei 35+, messen Sie an der Detektionsgrenze, und selbst ein echter biologischer Effekt kommt unter Umständen nicht aus dem Rauschen heraus. Mögliche Abhilfen (in Reihenfolge): mehr Ausgangs-RNA, empfindlicheres Primerpaar, ein Ziel mit höherer Grundexpression wählen oder Proben poolen, wenn biologisch zulässig. Ist das Referenzgen ebenfalls hoch im Ct, haben Sie degradierte Probe oder zu wenig Input — die Probenvorbereitung beheben, bevor Sie irgendeinem Fold-Change vertrauen.