使い方
ΔΔCt 法（Livak と Schmittgen による 2001 年の論文に由来し、Livak 法とも呼ばれる）は、qPCR の生 Ct 値を 2 条件間の fold change（発現変動倍率）に変換する標準的な手法です。Ct（cycle threshold、サイクル閾値）とは、サンプルの蛍光がバックグラウンド上の閾値を初めて越える PCR サイクル数のこと — Ct が低いほど初期テンプレート量が多いことを意味します（増幅が早く閾値に到達するため）。Ct が 1 サイクル違うと初期量はおよそ 2 倍違う（PCR 1 サイクルで産物がほぼ倍増するため）。ΔΔCt は、4 つの Ct 値 — 標的遺伝子と参照（ハウスキーピング）遺伝子それぞれを、処理サンプルとコントロールサンプルで測定した値 — を単一の相対発現量に集約する手順です。
計算は 3 段階です。第 1 段階：各条件の ΔCt を求める。標的遺伝子の Ct から参照遺伝子の Ct を引きます — 処理条件・コントロール条件それぞれで個別に。これにより、サンプル仕込み量や逆転写効率の差が正規化されます（参照遺伝子は処理に依存せず一定に発現する、という前提のもと）。第 2 段階：ΔΔCt を求める。処理の ΔCt からコントロールの ΔCt を引きます — これでベースラインが消え、「処理によって生じた変化」だけが残ります。第 3 段階：fold change = 2^(−ΔΔCt)。マイナス符号が重要：Ct が低いほど発現量は多いので、ΔΔCt が負（処理がコントロールより早く立ち上がる）→ fold change > 1（発現上昇）。ΔΔCt が正 → fold change < 1（発現低下）。ΔΔCt = 0 なら 2^0 = 1 で「変化なし」。
実用上のポイント 3 つ。(1) 2^(−ΔΔCt) の式は「増幅効率がぴったり 100%（1 サイクルで完全に倍増）」を、標的にも参照にも仮定しています。実際の効率は 90〜105% 程度に収まることが多く、両者の効率差が無視できない場合は、各プライマー対の実測効率を使う Pfaffl 法の方が正確な fold change を与えます。本ツールは単純な Livak 法版で、初期スクリーニングや探索段階の解析には十分。効率を測定済みで厳密な定量発表をする場合は Pfaffl 法を検討してください。(2) Ct 値は必ず技術的反復（通常はトリプリケート）の平均値を使ってください。単発測定はノイズが大きく、トリプリケート内に外れ値が 1 つあるだけで fold change が 30% 程度変わることがあります。(3) Fold change は記述的な数値であり、統計検定ではありません — 「本当に有意な差がある」と主張するには、生物学的反復を別途取り、ΔCt 値に対して t 検定（あるいは同等の検定）を行う必要があります。
計算式
Ct 値は qPCR 装置から直接出力されます — 各ウェルの技術的反復（通常はトリプリケート）を平均してから入力してください。「標的」遺伝子は測定対象、「参照（ハウスキーピング）」遺伝子は処理に依存せず一定に発現すると考えられている遺伝子で、サンプル仕込み量や逆転写効率の差を打ち消すために使われます。よく使われる参照遺伝子：GAPDH、β-actin、18S rRNA、HPRT。自分の組織・処理の組合せで「安定して発現する」と検証済みのものを選んでください。2^(−ΔΔCt) は無次元量で、「コントロールに対する処理側の標的遺伝子発現量の比」を表します。
計算例
- Ct 値：標的/処理 22.5、参照/処理 18.0、標的/対照 24.0、参照/対照 18.2。
- ΔCt（処理）= 22.5 − 18.0 = 4.5；ΔCt（対照）= 24.0 − 18.2 = 5.8。
- ΔΔCt = 4.5 − 5.8 = −1.3。
- Fold change = 2^(−(−1.3)) = 2^1.3 ≈ 2.46× — 処理条件では標的遺伝子の発現量が約 2.5 倍に上昇している。
よくある質問
Fold change が 1、2、0.5 のとき、それぞれ何を意味する？
Fold change は「処理条件 ÷ コントロール条件」の発現量の比です。Fold change = 1 は「変化なし」 — 処理してもコントロールと同じ発現量。Fold change = 2 は「処理側で発現量が 2 倍」（「2-fold upregulated／2 倍に上昇」と表現される）。Fold change = 0.5 は「処理側で発現量が半分」 — これは「2-fold downregulated／2 倍に減少」と等価（1/0.5 = 2 のため）。慣用的に、論文では「上昇」を正の値（例：+2-fold）として、「低下」を分数のまま（0.5）または符号反転して負で（例：−2-fold）報告します。同じ図内では表記を揃えてください。多くの実験系では「fold change が 0.7〜1.4 程度はノイズの範囲」と見なされ、それ以上の変動はまず注目に値するものの、「生物学的に意味のある変動」の閾値は対象や反復のばらつきによって変わります。
Livak 法（ΔΔCt 法）と Pfaffl 法、どちらを使うべき？
標的プライマーと参照プライマーの増幅効率が「同じくらい」だと検証できている場合は、Livak 法（このツール）で十分です — 一般には 90〜110% の範囲で、両者の差が約 5 ポイント以内なら問題ありません。2^(−ΔΔCt) の式は両方とも効率 100% であると仮定しますが、両者が近ければこの仮定の誤差は小さく、Livak はよりシンプルで標準的に引用されている方法です。一方、効率の差が無視できない場合（例：標的 95%・参照 105%）は Pfaffl 法を使ってください。Pfaffl は実測の効率を直接式に入れます：比 = (E_標的)^(−ΔCt_標的) / (E_参照)^(−ΔCt_参照)。発現スクリーニングや探索段階の qPCR では、Livak と Pfaffl の差は生物学的反復のばらつきよりはるかに小さく、Livak で十分。厳密な定量を要求する論文発表、特に fold change が 2× 未満のような小さい値を扱う場合は、効率を測定したうえで Pfaffl 法を使うのが安全です。
参照遺伝子（ハウスキーピング遺伝子）はどう選べばいい？
参照遺伝子（ハウスキーピング遺伝子）に課された唯一の仕事は「処理条件・組織・実験状態に関わらず、一定の発現量を保つこと」 — ΔΔCt 法はこの前提の上に成り立っています。古典的な候補（GAPDH、β-actin、18S rRNA、HPRT、B2M、TBP、GUSB）はどれも、ある状況では問題なく使え、別の状況では大きく外れることが知られています。GAPDH と β-actin は習慣的に選ばれがちですが、がん、低酸素、グルコース負荷、発生段階の実験などでは発現量が大きく動くことが多数報告されています。真っ当なやり方は、自分の組織・処理の組合せに対して 2〜3 個の候補を準備し、geNorm や NormFinder のようなツールで「サンプル間での安定性」をランキングし、最も安定したものを選ぶ（あるいは上位 2〜3 個の幾何平均を使う）こと。本格的な検証ができない探索段階では、自分の組織タイプに関する既存文献を参考にしてください — 通常、その系で「最もマシ」とされる遺伝子が 1〜2 個は知られています。どれを選んだ場合でも、論文・発表では必ず明記してください — レビュアーから確実に質問されます。
Ct 値がばらつきが大きい — 「良い」Ct とはどのくらい？
おおよそ：Ct = 15〜30 が快適な測定範囲、30〜35 は許容範囲だがノイズが目立つ、35 超ではシグナルがバックグラウンドぎりぎりで、反復間で 1 サイクル丸ごとずれることもあり、これは初期量で 2 倍の誤差に相当します。同一トリプリケート内の Ct のばらつきは、信頼できる測定なら 0.5 サイクル未満が目安 — それより大きい場合は、ウェルを再測定するか、ピペッティングを疑うか、1 つだけ失敗していないか確認してください。処理条件の Ct が 35 以上の領域にある場合、それは検出限界付近での測定であり、本物の生物学的効果があってもノイズに埋もれて見えなくなる可能性があります。改善策（優先順）：(1) 初期 RNA 量を増やす、(2) より高感度なプライマー対を使う、(3) ベースライン発現量がもっと高い別の標的に変える、(4) 生物学的に許されるならサンプルをプールする。参照遺伝子も Ct が高い場合は、サンプル分解か投入量不足が疑われます — 上流の調製を直してから、fold change を信用してください。