CN115270045A - 确定PCR扩增曲线Ct值的方法 - Google Patents
确定PCR扩增曲线Ct值的方法 Download PDFInfo
- Publication number
- CN115270045A CN115270045A CN202210963281.5A CN202210963281A CN115270045A CN 115270045 A CN115270045 A CN 115270045A CN 202210963281 A CN202210963281 A CN 202210963281A CN 115270045 A CN115270045 A CN 115270045A
- Authority
- CN
- China
- Prior art keywords
- fluorescence data
- value
- point
- pcr amplification
- fluctuation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012408 PCR amplification Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001506 fluorescence spectroscopy Methods 0.000 claims abstract description 151
- 238000010606 normalization Methods 0.000 claims description 10
- 238000000819 phase cycle Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 5
- 241000135164 Timea Species 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 230000035772 mutation Effects 0.000 description 10
- 238000003752 polymerase chain reaction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 2
- 150000007523 nucleic acids Chemical class 0.000 description 2
- 102000039446 nucleic acids Human genes 0.000 description 2
- 108020004707 nucleic acids Proteins 0.000 description 2
- 239000012634 fragment Substances 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000001823 molecular biology technique Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6844—Nucleic acid amplification reactions
- C12Q1/686—Polymerase chain reaction [PCR]
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Microbiology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Immunology (AREA)
- Mathematical Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Biochemistry (AREA)
- Molecular Biology (AREA)
- Mathematical Optimization (AREA)
- Biotechnology (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Analytical Chemistry (AREA)
Abstract
本发明公开了一种计算PCR扩增曲线Ct值的方法,识别原始PCR扩增曲线中波动点;在原始PCR扩增曲线中波动点的数量小于第一阈值时,则修正波动点及其之后各点的原始荧光数据,采用六参数模型对修正荧光数据拟合得到修正的PCR扩增曲线,识别修正荧光数据的对数期和基线期;以基线期修正荧光数据标准差的10倍为阈值线,确定Ct值。在原始PCR扩增曲线中波动点的数量大于等于第一阈值时,则识别原始PCR扩增曲线的对数期和基线期;以基线期原始荧光数据标准差的10倍为阈值线,确定Ct值。本发明优点在于能够识别和处理PCR反应过程中荧光数据曲线的异常波动,准确识别PCR反应中对数期和基线期的方法,更精确的通过基线期获得背景荧光数据,准确确定Ct阈值,提高了Ct值的抗干扰能力。
Description
技术领域
本发明涉及聚合酶链式反应领域,尤其是涉及确定PCR扩增曲线Ct值的方法。
背景技术
聚合酶链式反应(PCR)是一种用于放大扩增特定DNA/RNA片段的分子生物学技术。它可看作是生物体外的核酸复制。在PCR反应体系中加入荧光基团,利用荧光信号可以监测整个PCR进程。根据PCR反应特点,待测核酸物质会呈指数生长,考虑到荧光背景影响,荧光数据曲线应为S型曲线。通常通过循环数-荧光数据曲线拟合,再根据拟合曲线与阈值线计算Ct值。
在实际的PCR反应过程中,荧光数据曲线存在断崖、突变点、波动点特别多等情况,此时若直接进行循环数-荧光数据曲线拟合,则严重影响Ct值准确度,甚至导致假阴假阳。而当前确定Ct值的方法往往缺少对荧光数据曲线中断崖、突变点、波动点特别多等情况的识别和处理,严重影响Ct值准确度。
发明内容
本发明目的在于提供一种确定PCR扩增曲线Ct值的方法。
为实现上述目的,本发明采取下述技术方案:
本发明所述的确定PCR扩增曲线Ct值的方法,包括以下步骤:
S1,识别原始PCR扩增曲线中波动点;
S2,在所述原始PCR扩增曲线中所述波动点的数量小于第一阈值时,则修正波动点及其之后各点的原始荧光数据,并与未修正的所述原始荧光数据合并形成修正荧光数据;采用六参数模型对所述修正荧光数据拟合得到修正的PCR扩增曲线,并识别所述修正荧光数据的对数期和基线期;
在原始PCR扩增曲线中波动点的数量大于等于第一阈值时,则识别原始PCR扩增曲线的对数期和基线期,采用六参数模型对对数期和基线期内的原始荧光数据拟合得到修正的PCR扩增曲线;
S3,将修正的PCR扩增曲线中各循环数对应的修正荧光数据减去背景荧光数据,得到归整化曲线;以阈值线与所述归整化曲线的交点所对应的所述循环数为Ct值。
本发明增加了对PCR扩增曲线中异常波动的原始荧光数据的识别与处理,基于波动点的数量多少,选择修正原始荧光数据后拟合确定对数期和基线期,或选择局部对数期和基线期的原始荧光数据拟合,通过基线期获取背景荧光数据,进而确定Ct阈值线。
进一步地,S1步中所述识别波动点包括:
进一步地,S2步中所述修正波动点的原始荧光数据包括:
S2.1,取第一个所述波动点前N个循环数所述原始荧光数据或所述修正荧光数据的一阶差分均值为第一个波动点的合理差;
S2.2,计算第一个波动点的原始荧光数据与其上一相邻所述循环数对应的原始荧光数据或所述修正荧光数据的差值;
S2.3,将第一个波动点及其之后各点的原始荧光数据或修正荧光数据减去所述差值后,再加上所述合理差,作为第一个波动点及其之后各点的修正荧光数据;
S2.4,重复执行S1步识别波动点;
S2.5,重复执行S2.1至S2.4步,至到波动点消失或重复次数达到预设要求。
进一步地,所述六参数模型为:
其中,y为所述修正荧光数据,x为所述循环数,a、b、c、d、e、k为参数。
进一步地,所述对数期识别步骤为:
第二步,依次判断所述第二阈值且第二阈值成立时,记录第i所述循环数对应的点为对数期起点及终点;第二阈值且第二阈值成立时,则更新第i循环数对应的点为对数期终点;直到第二阈值且第二阈值时,确定第i循环数对应的点为对数期终点;
第三步,对数期循环数的个数为:对数期终点-对数期起点+1,若所述对数期循环数的个数大于预设值,则记录对数期起点至对数期终点为一个对数期区段;
第五步,选择包含对数期循环数的个数最多的对数期区段为初始对数期;
进一步地,所述基线期识别步骤为:
第三步,循环执行第二步,直到判断至所述对数期起点为止,得到若干个备选基线期;
第四步,将与对数期相邻的所述备选基线期作为基线期。
进一步地,所述背景荧光数据包括所述基线期的所述修正荧光数据的均值或最小值。
进一步地,所述阈值线包括所述基线期的所述修正荧光数据标准差的10倍。
本发明优点在于能够识别和处理PCR反应过程中荧光数据曲线的异常波动,并对波动点荧光数据进行修正,并提出了准确识别PCR反应中对数期和基线期的方法,能够更精确的通过基线期获得背景荧光数据,进而准确确定Ct阈值线,提高了Ct值的抗干扰能力。
附图说明
图1是本发明所述方法流程图。
图2是本发明所述实施例1原始PCR扩增曲线示意图。
图3是本发明所述方法波动点识别修正流程图。
图4是本发明所述实施例1原始PCR扩增曲线中波动点修正后示意图。
图5是本发明所述实施例1六参数拟合示意图。
图6是本发明所述方法中确定初始对数期流程图。
图7是本发明所述方法中最终确定对数期流程图。
图8是本发明所述方法中确定基数期流程图。
图9是本发明所述实施例1中归整化曲线与阈值线示意图。
图10是本发明所述实施例2原始PCR扩增曲线示意图。
图11是本发明所述实施例2中归整化曲线与阈值线示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明所述的确定PCR扩增曲线Ct值的方法,包括PCR扩增曲线中断崖、突变点、波动点较少时确定Ct值的方法,以及PCR扩增曲线中断崖、突变点、波动点较多时确定Ct值的方法。
如图1所示,为本发明所述确定PCR扩增曲线Ct值的方法流程示意图。下面分别说明本发明在针对PCR扩增曲线中断崖、突变点、波动点较少时如何确定Ct值,以及本发明在针对PCR扩增曲线中断崖、突变点、波动点较多时如何确定Ct值。
实施例1,详细介绍了在PCR扩增曲线中断崖、突变点、波动点较少时确定Ct值的方法步骤。
如图2所示,原始PCR扩增曲线中断崖、突变点、波动点较少,对此次采集数据计算Ct值的方法步骤如下:
当值大于预设的波动上限或小于预设的波动下限时,则原始PCR扩增曲线中第i循环数对应的点为所述波动点,记录原始PCR扩增曲线中波动点的数量和位置。针对图2所示数据,经过S1步计算,可以识别出第8个循环和21个循环处为波动点,数量仅为2,小于第一阈值。其中,第一阈值代表预设的波动点最大数量。然后执行S2步中波动点的数量小于第一阈值时的相关步骤。
S2,在原始PCR扩增曲线中波动点的数量小于第一阈值时,则修正波动点及该波动点之后各点的原始荧光数据,采用六参数模型对所有修正荧光数据和未修正的所述原始荧光数据拟合得到修正的PCR扩增曲线,并识别修正荧光数据的对数期和基线期。
S2.1,首先,按循环数顺序取第一个波动点(即第8个循环数处)前N个点原始荧光数据的一阶差分均值为第一个波动点的合理差;N为自定义值,本实施例中选择N为3,即选择第5、6、7循环数处原始荧光数据的一阶差分均值为第8个循环数处荧光数据与第7个循环数出荧光数据的合理差。
S2.2,然后计算第一个波动点的原始荧光数据与其上一相邻循环数对应的原始荧光数据的差值;即差值等于第8个循环数处原始荧光数据减去第7个循环数处原始荧光数据。
S2.3,将第一个波动点及之后各点的原始荧光数据减去差值后,再加上合理差,作为第一个波动点及之后各点的所述修正荧光数据。即第8个及之后9-45各点循环数处原始荧光数据减去差值,再加上S2.1步中确定的合理差,即为第8个及之后9-45各点循环数处修正荧光数据。
S2.4,由于修正一个波动点及其之后各点处的原始荧光数据后,修正的荧光数据可能会产生新的断崖、突变点、波动点,因此需要重复执行S1步,重新识别波动点;
如图3所示,使用流程图展示了识别波动点和修正波动点的过程。
针对图2所示数据,修正第8个循环数及其之后各循环数处的原始荧光数据后,再次执行S1步时,可重新识别出第21个循环处为波动点,然后执行S2步中S2.1至S2.4步,直到执行S1步后,没有识别到新的波动点为止即波动点数量为0,或者重复执行次数已经到达预设的值时停止。如图4所示,展示了波动点修正后结果。
之后,采用六参数模型对所有荧光数据拟合得到修正的PCR扩增曲线,其中所有荧光数据即包括修正荧光数据,也包括未经修正的原始荧光数据。六参数模型为:
其中,y为所述修正荧光数据,x为循环数,a、b、c、d、e、k为参数。如图5所示,为六参数模型拟合效果图。
然后识别修正荧光数据的对数期和基线期;
对数期识别步骤为:
第二步,依次判断第二阈值且第二阈值时,记录第i循环数对应的点为对数期起点及终点;第二阈值且第二阈值时,则更新第i循环数对应的点为对数期终点;直到第二阈值且第二阈值时,确定第i循环数对应的点为对数期终点;
第三步,对数期循环数的个数为:对数期终点-对数期起点+1;若对数期循环数的个数大于预设值,则记录对数期起点至对数期终点之间为一个对数期区段;
第五步,选择包含循环数的个数最多的区段为初始对数期;如图6所示为确定初始对数期流程图
即先计算初始对数期起点修正荧光数据的值;依次判断第三阈值成立时,将第i-1循环数对应的点加入初始对数期,直到首次出现第三阈值成立时终止判断。同样的,计算初始对数期终点修正荧光数据的值,依次判断第三阈值成立时,将第j+1循环数对应的点加入初始对数期,直到首次出现第三阈值成立时终止判断,确定最终对数期。其中第二阈值大于第三阈值,通过第二阈值可以精确的识别PCR扩增过程中的对数期,通过第三阈值能够将PCR扩增过程中应属于对数期开始和结束段的数据纳入对数期,使最终确定的对数期与实际情况更加切合,避免遗漏相关数据。
如图8所示,基线期识别步骤为:
第三步,循环执行第二步,直到判断点为最终对数期起点为止,得到若干个备选基线期;
第四步,将与对数期相邻的基线期作为基线期。
第四阈值代表预设的基线期限制下限,第五阈值代表预设的基线期限制上限,第四阈值小于第五阈值。根据基线期识别步骤可知,依次判断修正荧光数据的值,当首次出现值在第四阈值和第五阈值范围内时,该第i循环数对应的点为基数期起点;当首次出现值在第四阈值和第五阈值范围外时,该第i循环数对应的点为基数期终点;两个循环数之间为1个基线期。继续循环执行,直到判断至最终对数期起点为止,该过程可以得到若干个基线期。将对数期相邻的基线期作为基线期。
然后执行S3步。
S3,将修正的PCR扩增曲线中各循环数对应的修正荧光数据减去背景荧光数据,得到归整化曲线;以阈值线与所述归整化曲线的交点所对应的所述循环数为Ct值。其中背景荧光数据包括基线期的修正荧光数据的均值或最小值。阈值线包括基线期的修正荧光数据标准差的10倍。
针对图2所示的数据,确定最终基线期为第1循环数至第39循环数,对数期为第40循环数至第45循环数。进一步确定归整化曲线如图9所示的曲线;阈值线的值为10倍的基线期修正荧光数据标准差,如图9所示的直线,为161.24,确定Ct值为41.79。
实施例2 详细介绍了在PCR扩增曲线中断崖、突变点、波动点较多时确定Ct值的方法步骤。
如图10所示,可以看出原始PCR扩增曲线中有多原始荧光数据突然大幅度下降、上升、突变的情况,对此次采集数据计算Ct值的方法步骤如下:
当值大于预设的波动上限或小于预设的波动下限时,则原始PCR扩增曲线中第i循环数对应的点为所述波动点,记录原始PCR扩增曲线中波动点的数量和位置。根据图9所示,经过S1步计算,可以识别出第9、10、27、28、29、31循环数处共6个波动点,该数量大于第一阈值,需执行S2步中关于波动点的数量大于等于第一阈值时的相关步骤。
S2,在原始PCR扩增曲线中波动点的数量大于等于第一阈值时,则识别原始PCR扩增曲线的对数期和基线期,采用六参数模型对对数期和基线期内的原始荧光数据拟合得到修正的PCR扩增曲线;
首先识别原始PCR扩增曲线的对数期和基线期;
对数期识别步骤为:
第二步,依次判断第二阈值且第二阈值时,记录第i循环数对应的点为对数期起点及终点;第二阈值且第二阈值时,则更新第i循环数对应的点为对数期终点;直到第二阈值且第二阈值时,确定第i循环数对应的点为对数期终点;
第三步,对数期循环数的个数为:对数期终点-对数期起点+1;若对数期循环数的个数大于预设值,则记录对数期起点至对数期终点之间为一个对数期区段;
第五步,选择包含循环数的个数最多的区段为初始对数期;
即先计算初始对数期起点原始荧光数据的值;依次判断第三阈值成立时,将第i-1循环数对应的点加入初始对数期,直到首次出现第三阈值成立时终止判断。同样的,计算初始对数期终点原始荧光数据的值,依次判断第三阈值成立时,将第j+1循环数对应的点加入初始对数期,直到首次出现第三阈值成立时终止判断,确定最终对数期。其中第二阈值大于第三阈值,通过第二阈值可以精确的识别PCR扩增过程中的对数期,通过第三阈值能够将PCR扩增过程中应属于对数期开始和结束段的数据纳入对数期,使最终确定的对数期与实际情况更加切合,避免遗漏相关数据。
基线期识别步骤为:
第三步,循环执行第二步,直到判断点为最终对数期起点为止,得到若干个基线期;
第四步,将与对数期相邻的基线期作为最终基线期。
第四阈值代表预设的基线期限制下限,第五阈值代表预设的基线期限制上限,第四阈值小于第五阈值。根据基线期识别步骤可知,依次判断原始荧光数据的值,当首次出现值在第四阈值和第五阈值范围内时,该第i循环数对应的点为基数期起点;当首次出现值在第四阈值和第五阈值范围外时,该第i循环数对应的点为基数期终点;两个循环数之间为1个基线期。继续循环执行,直到判断至最终对数期起点为止,该过程可以得到若干个基线期。将对数期相邻的基线期作为最终基线期。
之后,采用六参数模型对基线期和对数期所有荧光数据拟合得到修正的PCR扩增曲线。六参数模型为:
其中,y为所述原始荧光数据,x为循环数,a、b、c、d、e、k为参数。如图3所示,为六参数模型拟合效果图。
然后执行S3步。
S3,将修正的PCR扩增曲线中各循环数对应的修正荧光数据减去背景荧光数据,得到归整化曲线;以阈值线与所述归整化曲线的交点所对应的所述循环数为Ct值。其中背景荧光数据包括基线期的修正荧光数据的均值或最小值。阈值线包括基线期的原始荧光数据标准差的10倍。
针对图10所示的数据,确定最终基线期为第12循环数至第25循环数,对数期为第35循环数至第45循环数。进一步确定归整化曲线如图11所示的曲线;阈值线的值为10倍的基线期原始荧光数据标准差,为31.73,如图11所示的直线,确定Ct值为33.46。
Claims (9)
1.一种确定PCR扩增曲线Ct值的方法,其特征在于:包括以下步骤:
S1,识别原始PCR扩增曲线中波动点;
S2,在所述原始PCR扩增曲线中所述波动点的数量小于第一阈值时,则修正波动点及其之后各点的原始荧光数据,并与未修正的所述原始荧光数据合并形成修正荧光数据;采用六参数模型对所述修正荧光数据拟合得到修正的PCR扩增曲线,并识别所述修正荧光数据的对数期和基线期;
在原始PCR扩增曲线中波动点的数量大于等于第一阈值时,则识别原始PCR扩增曲线的对数期和基线期,采用六参数模型对对数期和基线期内的原始荧光数据拟合得到修正的PCR扩增曲线;
S3,将修正的PCR扩增曲线中各循环数对应的修正荧光数据减去背景荧光数据,得到归整化曲线;以阈值线与所述归整化曲线的交点所对应的所述循环数为Ct值。
3.根据权利要求1所述的确定PCR扩增曲线Ct值的方法,其特征在于:S2步中所述修正波动点的原始荧光数据包括:
S2.1,取第一个所述波动点前N个循环数所述原始荧光数据或所述修正荧光数据的一阶差分均值为第一个波动点的合理差;
S2.2,计算第一个波动点的原始荧光数据与其上一相邻所述循环数对应的原始荧光数据或所述修正荧光数据的差值;
S2.3,将第一个波动点及其之后各点的原始荧光数据或修正荧光数据减去所述差值后,再加上所述合理差,作为第一个波动点及其之后各点的修正荧光数据;
S2.4,重复执行S1步识别波动点;
S2.5,重复执行S2.1至S2.4步,至到波动点消失或重复次数达到预设要求。
5.根据权利要求1所述的确定PCR扩增曲线Ct值的方法,其特征在于:所述对数期识别步骤为:
第二步,依次判断所述 第二阈值且第二阈值成立时,记录第i所述循环数对应的点为对数期起点及终点;第二阈值且第二阈值成立时,则更新第i循环数对应的点为对数期终点;直到第二阈值且第二阈值时,确定第i循环数对应的点为对数期终点;
第三步,对数期循环数的个数为:对数期终点-对数期起点+1,若所述对数期循环数的个数大于预设值,则记录对数期起点至对数期终点为一个对数期区段;
第五步,选择包含对数期循环数的个数最多的对数期区段为初始对数期;
7.根据权利要求1所述的确定PCR扩增曲线Ct值的方法,其特征在于:所述背景荧光数据包括所述基线期的所述修正荧光数据的均值或最小值。
8.根据权利要求1所述的确定PCR扩增曲线Ct值的方法,其特征在于:所述阈值线包括所述基线期的所述修正荧光数据标准差的10倍。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210963281.5A CN115270045A (zh) | 2022-08-11 | 2022-08-11 | 确定PCR扩增曲线Ct值的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210963281.5A CN115270045A (zh) | 2022-08-11 | 2022-08-11 | 确定PCR扩增曲线Ct值的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115270045A true CN115270045A (zh) | 2022-11-01 |
Family
ID=83751158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210963281.5A Pending CN115270045A (zh) | 2022-08-11 | 2022-08-11 | 确定PCR扩增曲线Ct值的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115270045A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115985396A (zh) * | 2022-12-16 | 2023-04-18 | 苏州思迈德生物科技有限公司 | 一种实时荧光定量pcr扩增数据的分析处理方法及装置 |
CN117153257A (zh) * | 2023-10-27 | 2023-12-01 | 鲲鹏基因(北京)科技有限责任公司 | Pcr扩增曲线有效扩增的实时判定方法及装置 |
-
2022
- 2022-08-11 CN CN202210963281.5A patent/CN115270045A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115985396A (zh) * | 2022-12-16 | 2023-04-18 | 苏州思迈德生物科技有限公司 | 一种实时荧光定量pcr扩增数据的分析处理方法及装置 |
CN115985396B (zh) * | 2022-12-16 | 2023-12-12 | 苏州思迈德生物科技有限公司 | 一种实时荧光定量pcr扩增数据的分析处理方法及装置 |
CN117153257A (zh) * | 2023-10-27 | 2023-12-01 | 鲲鹏基因(北京)科技有限责任公司 | Pcr扩增曲线有效扩增的实时判定方法及装置 |
CN117153257B (zh) * | 2023-10-27 | 2024-01-23 | 鲲鹏基因(北京)科技有限责任公司 | Pcr扩增曲线有效扩增的实时判定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115270045A (zh) | 确定PCR扩增曲线Ct值的方法 | |
Wang et al. | Circular RNA is expressed across the eukaryotic tree of life | |
Clarke et al. | Comparative analysis of de novo transcriptome assembly | |
US20220101944A1 (en) | Methods for detecting copy-number variations in next-generation sequencing | |
CN104846089B (zh) | 一种孕妇外周血中胎儿游离dna比例的定量方法 | |
Liachko et al. | GC-rich DNA elements enable replication origin activity in the methylotrophic yeast Pichia pastoris | |
CN102789553B (zh) | 利用长转录组测序结果装配基因组的方法及装置 | |
CN111192637B (zh) | 一种lncRNA鉴定和表达定量的分析方法 | |
CN117334249A (zh) | 基于扩增子测序数据检测拷贝数变异的方法、设备和介质 | |
Převorovský et al. | Workflow for genome-wide determination of pre-mRNA splicing efficiency from yeast RNA-seq data | |
CN111028890B (zh) | 一种基于run间矫正的CNV检测方法 | |
CN115637288B (zh) | 一种检测smn1和smn2基因拷贝数变化的方法及其应用 | |
JP2022550841A (ja) | 単一細胞分析を使用して改善されたバリアントコーラー | |
CN113851189B (zh) | 一种自适应检测pcr荧光基线的方法、装置及其设备 | |
CN111192636A (zh) | 一种适用于oligodT富集的mRNA二代测序结果分析方法 | |
CA3096353C (en) | Determination of frequency distribution of nucleotide sequence variants | |
WO2016003283A1 (en) | A method for finding associated positions of bases of a read on a reference genome | |
Dou et al. | Differential expression analysis in RNA-Seq by a naive Bayes classifier with local normalization | |
CN111192635A (zh) | 一种环状rna鉴定和表达定量的分析方法 | |
CN117153256B (zh) | Pcr扩增曲线有效扩增判定方法及装置 | |
CN115762633B (zh) | 一种基于三代测序的基因组结构变异基因型校正方法 | |
CN110009151B (zh) | 一种石油钻井事故时间的标注方法 | |
CN111128305B (zh) | 对具有已知序列的生物序列进行分析的方法和系统 | |
KR102111731B1 (ko) | 핵산 시퀀스를 분석하는 방법 및 장치 | |
CN106755378A (zh) | 一种检测miRNA来源的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Country or region after: China Address after: 450016 No.199, Jingkai 15th Street, Zhengzhou Economic and Technological Development Zone, Henan Province Applicant after: AUTOBIO LABTEC INSTRUMENTS Co.,Ltd. Address before: No. 199, 15th Street, economic and Technological Development Zone, Zhengzhou City, Henan Province Applicant before: AUTOBIO LABTEC INSTRUMENTS Co.,Ltd. Country or region before: China |