Lesson 8 of 20

Ct — 형광이 문턱을 넘는 사이클

SI 「performed on the QuantStudio5 (Applied Biosystem)」

qPCR 이 내놓는 값은 Ct 하나입니다. Cycle threshold — 형광이 문턱선을 넘은 사이클 번호예요.

왜 이 숫자가 출발량을 말해 줄까요?

PCR 은 사이클마다 두 배씩 늘립니다. 그러니 처음에 많으면 빨리, 처음에 적으면 늦게 문턱을 넘습니다.

Ct 가 1 작다 = 출발량이 2배 많다

이 관계가 로그라는 것이 중요합니다.

ΔCt	출발량 비
1	2배
3.32	10배
6.64	100배
10	약 1,000배

그래서 Ct 차이가 작아 보여도 실제 차이는 클 수 있습니다.

High school형광이 문턱을 넘는 사이클

PCR을 돌리면 사이클마다 DNA가 두 배씩 늘어납니다. 형광도 따라 올라가요.

Ct(또는 Cq)는 형광이 정해진 문턱을 넘는 사이클 수입니다.

처음 주형이	Ct
많으면	일찍 넘음 — 낮은 Ct
적으면	늦게 넘음 — 높은 Ct

Ct는 작을수록 많다는 뜻입니다 — 방향이 거꾸로라 헷갈리기 쉬워요.

High schoolCt 차이를 배수로 바꾸기

사이클마다 두 배가 되니, Ct 차이는 2의 거듭제곱이 됩니다.

ΔCt	배수 차이
1	2배
2	4배
3.32	10배
6.64	100배
10	약 1,000배

Ct 차이 3.32가 10배입니다 — log₂(10) = 3.32이기 때문입니다.

효율을 1.9(95%)로 바꿔 보세요. ΔCt 가 어떻게 달라질까요?

Python Runs in your browser

# Ct 와 출발량의 관계 — 로그다
import numpy as np, matplotlib.pyplot as plt

효율 = 2.0                   # 사이클마다 두 배 (효율 100%)
문턱 = 1000.0                # 형광이 이 값을 넘으면 Ct

def ct(출발량):
    return np.log(문턱 / 출발량) / np.log(효율)

출발 = np.logspace(0, 6, 200)
plt.semilogx(출발, [ct(x) for x in 출발])
plt.xlabel("출발 분자 수"); plt.ylabel("Ct")
plt.title("출발량이 10배면 Ct 가 3.32 작다")
plt.grid(alpha=.3, which="both"); plt.show()

print(f"{'출발량':>10}{'Ct':>8}{'앞 줄과의 ΔCt':>14}")
print("-" * 34)
prev = None
for x in (10, 100, 1000, 10000, 100000):
    c = ct(x)
    d = f"{prev - c:.2f}" if prev is not None else "—"
    print(f"{x:>10,}{c:>8.2f}{d:>14}")
    prev = c

print()
print("10배마다 Ct 가 3.32 씩 줄어듭니다 — log2(10) = 3.32 이니까요.")
print("즉 Ct 는 출발량의 로그입니다.")

High school증폭 효율

"사이클마다 두 배"는 이상적인 경우입니다. 실제로는 100%가 안 돼요.

효율	사이클당 배수	판정
100%	2.00	이상적
90~110%	1.9~2.1	허용 범위
70%	1.7	문제 — 계산이 틀어짐

효율을 재려면 표준곡선을 그립니다 — 시료를 단계 희석해 Ct를 재요.

목표 유전자와 기준 유전자의 효율이 비슷해야 ΔΔCt 계산이 성립합니다(11강).

High schoolCt 값을 읽을 때

Ct	대략의 뜻
15~20	아주 많음 — 기준 유전자 수준
20~30	보통
30~35	적음 — 변동이 커짐
35 이상	신뢰하기 어려움 — 검출 한계 근처
Ct 없음	검출 안 됨

Ct 35 이상은 주형이 몇 분자뿐이라 우연이 크게 작용합니다.

🤔 Check yourself

두 시료의 Ct 가 각각 22.0 과 25.32 입니다. 출발량의 비는?