Cómo funciona
El método ΔΔCt (también llamado método de Livak, por el artículo de Livak y Schmittgen de 2001) es la forma estándar de transformar valores Ct crudos de qPCR en un fold change entre dos condiciones. El Ct (cycle threshold) es el ciclo en el que la fluorescencia de la muestra supera un umbral por encima del fondo — Ct más bajo significa más material de partida, porque la amplificación cruza el umbral antes. Una diferencia de un ciclo en Ct equivale aproximadamente al doble de cantidad inicial, porque cada ciclo de PCR duplica el producto. El ΔΔCt combina cuatro valores Ct — gen diana y gen de referencia (housekeeping) en muestras de tratamiento y control — en un único valor de expresión relativa.
La fórmula tiene tres pasos. Primero, el ΔCt de cada condición: resta el Ct del gen de referencia del Ct del gen diana, por separado para tratamiento y control. Esto normaliza diferencias de carga de muestra y de eficiencia de retrotranscripción, suponiendo que el gen de referencia se expresa de forma constante con independencia del tratamiento. Segundo, el ΔΔCt: resta el ΔCt control al ΔCt tratamiento — eso elimina la línea de base y deja solo el cambio inducido por el tratamiento. Tercero, fold change = 2^(−ΔΔCt). El signo menos importa: un Ct más bajo significa más expresión, así que un ΔΔCt negativo (el tratamiento se expresa antes que el control) corresponde a un fold change mayor que 1 (sobreexpresión). Un ΔΔCt positivo corresponde a un fold change menor que 1 (subexpresión). Un ΔΔCt cero da 2^0 = 1, sin cambio.
Tres puntos prácticos. (1) La fórmula 2^(−ΔΔCt) asume eficiencia de amplificación del 100 % exacto (el producto se duplica cada ciclo) tanto para diana como para referencia. En la práctica suelen estar entre 90 y 105 %; si tu validación muestra una diferencia significativa entre ambas, el método de Pfaffl da un fold change más preciso usando las eficiencias reales de cada par de cebadores. La calculadora arriba es el Livak simple — adecuado para fase exploratoria, menos para publicaciones cuantitativas estrictas donde se han medido las eficiencias. (2) Haz siempre réplicas técnicas (típicamente triplicados) y promédialas antes de meter el Ct aquí. Una única medida tiene ruido instrumental suficiente como para que un outlier en un triplicado desplace el fold change un 30 %. (3) El número de fold change es descriptivo, no una prueba estadística — para afirmar una diferencia real necesitas además réplicas biológicas y una t de Student (o equivalente) sobre los valores ΔCt.
La fórmula
Los valores Ct salen directamente del termociclador de qPCR — promedia las réplicas técnicas (normalmente triplicados) de cada pocillo antes de introducirlos. El gen «diana» es el que mides; el gen «de referencia» (housekeeping) se cree que se expresa de forma constante con independencia del tratamiento y sirve para normalizar diferencias de carga y eficiencia de RT. Los referencia habituales son GAPDH, β-actina, ARNr 18S y HPRT — elige uno validado como estable en tu combinación de tejido/tratamiento. El resultado 2^(−ΔΔCt) es adimensional y representa el cociente de expresión de la diana en el tratamiento respecto al control.
Ejemplo de cálculo
- Valores Ct: diana/tratamiento 22,5; referencia/tratamiento 18,0; diana/control 24,0; referencia/control 18,2.
- ΔCt(tratamiento) = 22,5 − 18,0 = 4,5; ΔCt(control) = 24,0 − 18,2 = 5,8.
- ΔΔCt = 4,5 − 5,8 = −1,3.
- Fold change = 2^(−(−1,3)) = 2^1,3 ≈ 2,46× — el gen diana está sobreexpresado unas 2,5 veces bajo tratamiento.
Preguntas frecuentes
¿Qué significa exactamente un fold change de 1, 2 o 0,5?
El fold change es el cociente de expresión entre tratamiento y control. Un fold change de 1 significa sin cambio — el tratamiento expresa el gen al mismo nivel que el control. Un fold change de 2 significa que el gen se expresa el doble en tratamiento que en control (a menudo se dice «sobreexpresado 2 veces»). Un fold change de 0,5 significa que se expresa a la mitad del nivel control — equivale a «subexpresado 2 veces», porque 1/0,5 = 2. Por convención, los artículos suelen reportar la sobreexpresión como positiva (p. ej. «+2 veces») y la subexpresión como la fracción (0,5) o como cociente invertido con signo menos (p. ej. «−2 veces»). Sé consistente dentro de una misma figura. Como regla aproximada en muchos sistemas, un fold change entre ~0,7 y 1,4 se considera ruido; valores más extremos merecen un segundo vistazo, pero el umbral de «biológicamente significativo» depende del sistema y de la variabilidad de tus réplicas.
¿Uso el método de Livak (ΔΔCt) o el de Pfaffl?
Usa Livak (esta calculadora) cuando hayas validado que los cebadores diana y referencia amplifican con eficiencias similares — típicamente entre 90 y 110 %, y dentro de unos ~5 puntos porcentuales entre ellos. La fórmula 2^(−ΔΔCt) asume que ambas eficiencias son exactamente 100 %; cuando son parecidas, el error introducido es pequeño y Livak es el método más simple y más citado. Usa Pfaffl cuando las eficiencias difieran lo suficiente — por ejemplo diana 95 % y referencia 105 % — porque Pfaffl mete las eficiencias medidas en la fórmula: ratio = (E_diana)^(−ΔCt_diana) / (E_ref)^(−ΔCt_ref). En la mayoría del trabajo qPCR exploratorio la diferencia entre Livak y Pfaffl queda muy por debajo del ruido de la réplica biológica, así que Livak basta. Para publicaciones cuantitativas estrictas, sobre todo si reportas fold changes pequeños (<2×), mide las eficiencias y usa Pfaffl.
¿Cómo elijo el gen de referencia (housekeeping) correcto?
El único trabajo del gen de referencia es expresarse a niveles constantes con independencia del tratamiento, tejido o condición experimental — ese es el supuesto sobre el que se apoya el ΔΔCt. Los candidatos clásicos (GAPDH, β-actina, ARNr 18S, HPRT, B2M, TBP, GUSB) funcionan en unos contextos y fallan estrepitosamente en otros. GAPDH y β-actina suelen usarse por inercia, pero son notoriamente variables en cáncer, hipoxia, estrés de glucosa y contextos del desarrollo. Lo defensible es validar al menos 2-3 candidatos en tu combinación específica de tejido/tratamiento con una herramienta como geNorm o NormFinder, que ordena los genes por estabilidad entre tus muestras; elige el más estable (o la media geométrica de los 2-3 mejores). Para trabajo exploratorio sin validación completa, apóyate en la literatura publicada de tu tejido — suele haber 1-2 genes considerados «los menos malos». Sea cual sea tu elección, decláralo explícitamente; los revisores lo preguntan.
Mis valores Ct salen muy dispares — ¿qué se considera un Ct «bueno»?
Aproximadamente: un Ct entre 15 y 30 es el rango cómodo de trabajo; 30-35 es aceptable pero ruidoso; por encima de 35 la señal apenas pasa del fondo y las réplicas pueden variar un ciclo entero (lo que equivale a un error del doble en cantidad inicial). Dentro de un mismo triplicado, la dispersión del Ct debe ser menor de ~0,5 ciclos para una medida fiable — más que eso y deberías repetir el pocillo, sospechar de pipeteo o comprobar si uno falló. Si el Ct del tratamiento queda en 35+, estás midiendo en el límite de detección y aunque haya un efecto biológico real puede no destacar sobre el ruido. Posibles arreglos (en orden): usar más ARN de partida, cebadores más sensibles, cambiar a un target con mayor expresión basal, o agrupar muestras si la biología lo permite. Si el gen de referencia también sale Ct alto, tienes muestra degradada o input bajo — corrige el paso previo antes de fiarte de ningún fold change.