Comment ça marche
La méthode ΔΔCt (aussi appelée méthode de Livak, d'après l'article de Livak et Schmittgen, 2001) est la façon standard de transformer des valeurs Ct brutes de qPCR en un fold change entre deux conditions. Le Ct (cycle threshold) est le cycle où la fluorescence de l'échantillon dépasse un seuil au-dessus du bruit de fond — un Ct plus bas signifie plus de matériel de départ, parce que l'amplification atteint le seuil plus vite. Une différence d'un cycle en Ct correspond à environ un facteur 2 sur la quantité initiale, parce que chaque cycle PCR double le produit. Le ΔΔCt combine quatre valeurs Ct — gène cible et gène de référence (housekeeping) dans les échantillons de traitement et de contrôle — en une seule valeur d'expression relative.
La formule comporte trois étapes. D'abord, le ΔCt par condition : soustraire le Ct du gène de référence à celui du gène cible, séparément pour traitement et contrôle. Cela normalise les différences de charge d'échantillon et d'efficacité de rétrotranscription, sous l'hypothèse que le gène de référence est exprimé de façon constante indépendamment du traitement. Ensuite, le ΔΔCt : soustraire le ΔCt contrôle au ΔCt traitement — cela retire la ligne de base et ne laisse que le changement induit par le traitement. Enfin, fold change = 2^(−ΔΔCt). Le signe moins compte : un Ct plus bas signifie plus d'expression, donc un ΔΔCt négatif (le traitement s'exprime avant le contrôle) correspond à un fold change supérieur à 1 (surexpression). Un ΔΔCt positif correspond à un fold change inférieur à 1 (sous-expression). Un ΔΔCt nul donne 2^0 = 1, soit aucun changement.
Trois points pratiques. (1) La formule 2^(−ΔΔCt) suppose une efficacité d'amplification d'exactement 100 % (le produit double à chaque cycle) pour la cible comme pour la référence. En pratique elles sont généralement entre 90 et 105 % ; si votre validation montre un écart significatif entre les deux, la méthode de Pfaffl donne un fold change plus précis en utilisant les efficacités réelles de chaque paire d'amorces. La calculatrice ci-dessus est le Livak simple — bien pour la phase exploratoire, moins adapté aux publications quantitatives strictes où les efficacités ont été mesurées. (2) Faites toujours des réplicats techniques (typiquement triplicats) et moyennez-les avant de saisir le Ct ici. Une mesure unique a assez de bruit instrumental pour qu'un outlier dans un triplicat déplace le fold change de 30 %. (3) Le fold change est descriptif, pas un test statistique — pour affirmer une vraie différence il faut aussi des réplicats biologiques et un test t (ou équivalent) sur les valeurs ΔCt.
La formule
Les valeurs Ct sortent directement du thermocycleur qPCR — moyennez les réplicats techniques (en général triplicats) de chaque puits avant de les saisir. Le gène « cible » est celui que vous mesurez ; le gène « de référence » (housekeeping) est censé s'exprimer de façon constante indépendamment du traitement, et sert à normaliser les différences de charge et d'efficacité RT. Les gènes de référence courants incluent GAPDH, β-actine, ARNr 18S et HPRT — choisissez-en un validé stable dans votre combinaison tissu/traitement. Le résultat 2^(−ΔΔCt) est sans dimension et représente le rapport de l'expression de la cible en traitement par rapport au contrôle.
Exemple de calcul
- Valeurs Ct : cible/traitement 22,5 ; référence/traitement 18,0 ; cible/contrôle 24,0 ; référence/contrôle 18,2.
- ΔCt(traitement) = 22,5 − 18,0 = 4,5 ; ΔCt(contrôle) = 24,0 − 18,2 = 5,8.
- ΔΔCt = 4,5 − 5,8 = −1,3.
- Fold change = 2^(−(−1,3)) = 2^1,3 ≈ 2,46× — le gène cible est surexprimé environ 2,5 fois sous traitement.
Questions fréquentes
Que signifie concrètement un fold change de 1, 2 ou 0,5 ?
Le fold change est le rapport d'expression entre traitement et contrôle. Un fold change de 1 signifie pas de changement — le traitement exprime le gène au même niveau que le contrôle. Un fold change de 2 signifie que le gène est exprimé deux fois plus sous traitement (« 2-fold upregulated »). Un fold change de 0,5 signifie qu'il est exprimé à la moitié du niveau contrôle — équivalent à « 2-fold downregulated » puisque 1/0,5 = 2. Par convention, les articles rapportent la surexpression en positif (« +2-fold ») et la sous-expression soit comme fraction (0,5), soit comme rapport inversé avec un moins (« −2-fold »). Soyez cohérent dans une même figure. Règle générale dans beaucoup de systèmes : un fold change entre ~0,7 et 1,4 est généralement considéré comme du bruit ; au-delà ça mérite un second regard, mais le seuil « biologiquement significatif » dépend de ce que vous mesurez et de la variabilité de vos réplicats.
Faut-il utiliser la méthode de Livak (ΔΔCt) ou celle de Pfaffl ?
Utilisez Livak (cette calculatrice) quand vous avez validé que les amorces cible et référence amplifient avec des efficacités proches — typiquement entre 90 et 110 %, et à environ ~5 points de pourcentage l'une de l'autre. La formule 2^(−ΔΔCt) suppose que les deux efficacités sont à 100 % exactement ; quand elles sont proches, l'erreur introduite est faible et Livak est la méthode la plus simple et la plus citée. Utilisez Pfaffl quand les efficacités diffèrent suffisamment — disons cible 95 % et référence 105 % — parce que Pfaffl injecte les efficacités mesurées dans la formule : rapport = (E_cible)^(−ΔCt_cible) / (E_réf)^(−ΔCt_réf). Pour la plupart des travaux qPCR exploratoires, la différence entre Livak et Pfaffl reste largement inférieure au bruit des réplicats biologiques, et Livak fait l'affaire. Pour des publications quantitatives strictes, surtout avec de petits fold changes (<2×), mesurez les efficacités et utilisez Pfaffl.
Comment choisir le bon gène de référence (housekeeping) ?
Le seul rôle du gène de référence est de s'exprimer à un niveau constant indépendamment du traitement, du tissu ou de la condition expérimentale — c'est sur cette hypothèse que repose le ΔΔCt. Les candidats classiques (GAPDH, β-actine, ARNr 18S, HPRT, B2M, TBP, GUSB) fonctionnent dans certains contextes et échouent franchement dans d'autres. GAPDH et β-actine sont souvent choisies par réflexe mais sont notoirement variables dans le cancer, l'hypoxie, le stress glucosé et les contextes développementaux. La démarche défendable consiste à valider au moins 2-3 candidats dans votre combinaison tissu/traitement spécifique avec un outil comme geNorm ou NormFinder, qui classe les gènes par stabilité sur vos échantillons ; choisissez le plus stable (ou la moyenne géométrique des 2-3 meilleurs). Pour un travail exploratoire sans validation complète, appuyez-vous sur la littérature publiée pour votre type de tissu — il y a en général 1-2 gènes considérés comme « les moins pires » pour un système donné. Quel que soit votre choix, déclarez-le explicitement ; les relecteurs le demanderont.
Mes valeurs Ct sont très variables — qu'est-ce qu'un « bon » Ct ?
Approximativement : un Ct entre 15 et 30 est la plage de travail confortable ; 30-35 est acceptable mais bruyant ; au-dessus de 35, le signal dépasse à peine le bruit de fond et les réplicats peuvent varier d'un cycle entier (ce qui correspond à un facteur 2 d'erreur sur la quantité initiale). Au sein d'un triplicat, la dispersion des Ct devrait être inférieure à ~0,5 cycle pour une mesure fiable — au-delà, refaites le puits, suspectez un problème de pipetage, ou vérifiez si l'un d'eux a raté. Si votre Ct de traitement est dans la zone 35+, vous mesurez à la limite de détection et même un effet biologique réel peut ne pas ressortir du bruit. Solutions possibles (par ordre) : plus d'ARN de départ, amorces plus sensibles, changer pour une cible à expression basale plus élevée, ou pooler les échantillons si la biologie le permet. Si le gène de référence est aussi à Ct élevé, c'est de l'ARN dégradé ou un input faible — corrigez la préparation en amont avant de faire confiance à un quelconque fold change.