别再盲目抄GAPDH、乱套2^-ΔΔCt公式！qRT-PCR从逆转录细节到统计规范的避坑手册

先说结论：qPCR 的误差来自哪里

先给一个可能反直觉的判断：qRT-PCR 本身是一个非常可靠的技术。它的重复性通常在 Ct ± 0.2 以内，也就是说同一个样本跑三次，结果几乎不会变。真正的问题不在仪器，而在于三个地方：

• 你把它当成黑盒——只知道"加样、上机、看 Ct"，不知道每个环节在做什么，出问题时无从下手。
• 对照设置不全——特别是缺 No-RT 对照，gDNA 污染会一路把你骗到结论。
• 内参是抄来的——文献里用的 GAPDH，不等于在你的组织、你的处理条件下稳定。

这三个问题解决不了，跑一万次 qPCR 也是一样的结果。而一旦结果落到论文里，审稿人几乎必然会问的三个问题是：你的 RNA 质量怎么样？你的引物效率验证过吗？你的内参凭什么稳定？

qRT-PCR 的数据可信度，几乎完全取决于你在上机之前做的那些没人看得见的准备工作。上机只要一小时，准备工作可能要两周。—— 所以"数据不好看"的时候，回去查准备阶段，而不是换试剂盒

另外，这一篇不打算从头讲"PCR 是什么""荧光定量是怎么监测的"。这些你在入行第一周就学过了。本文只讲那些真正决定你的数据能不能站得住的细节。

 

1、一条链上的四个环节，每个都能毁掉数据

一次 RT-qPCR 实验的数据，是四个环节串联的结果。任何一环出问题，出来的数字都是错的——但表现形式各不相同：

图 1 · RT-qPCR 的四个环节与各自的典型故障。值得注意的是，故障的表现形式完全不同：RNA 降解会让 Ct 整体偏大，逆转录失败导致无信号或极晚的 Ct，扩增问题表现为双峰或无扩增，而归一化环节的错误最隐蔽——它不产生任何异常曲线，只是让所有基因都朝同一个方向偏移。诊断时应该从右往左倒推，因为前面的错误往往表现为后面的症状。

为什么"每个环节都能毁掉数据"这么重要

因为这四个环节的失败模式在最终结果里长得完全不一样。这意味着你可以通过症状反推病因，而不是盲目调整参数。这是 qPCR 排错最有效的思路。

你看到的现象	最可能的原因	先查哪里
所有基因 Ct 都偏大（表达看起来都低）	RNA 降解 / 逆转录效率低 / 用量不足	RNA 质量、逆转录模板量
部分基因 Ct 偏大	该基因 mRNA 本身丰度低	先确认是生物学差异还是技术问题
无扩增曲线	引物失效 / 模板降解 / 反应被抑制	阳性对照 + 模板稀释梯度
熔解曲线双峰	非特异扩增 / 引物二聚体	重新设计引物、降退火温度、稀释模板
No-RT 对照出信号	gDNA 污染	DNase 处理 + 跨内含子引物
Ct 值异常偏低（早早起扩）	污染 / 气溶胶 / 阈值设置不当	NTC 是否出信号
复孔间 Ct 差异大（>0.5）	加样不准 / 混匀不足 / 孔间温度不均	校准移液器、避免边缘孔
内参 Ct 在组间剧烈波动	该内参在本条件下不稳定	换内参 / 用稳定性算法重新筛选

 

2、逆转录引物：Oligo(dT)、随机引物还是混合

搜"qRT-PCR 逆转录引物 Oligo(dT) 随机引物 混合"对应的是 RT 环节最核心的选择。这个选择不像 PCR 引物那样只影响特异性——它决定了你的数据能代表什么。

引物类型	原理	适用	局限
Oligo(dT)	结合 mRNA 的 poly(A) 尾	真核 mRNA 定量，追求全长 cDNA	对降解 RNA 效率低；有 poly(A) 的转录本之间会有偏好
随机六聚体（Random Hexamer）	随机结合所有 RNA	原核 RNA、miRNA、无 poly(A) 的转录本	特异性差，会同时反转录 rRNA/tRNA，稀释信号
基因特异性引物（GSP）	只针对你要测的那几个基因	少数几个基因、极高灵敏度需求	每个基因单独操作，无法批量
Oligo(dT) + 随机引物混合	两种引物同时作用	绝大多数常规真核 mRNA 定量的推荐方案	需要选择混合比例优化的试剂盒

为什么混合引物是更好的默认选择

因为 Oligo(dT) 和随机引物的失败模式正好互补：

• Oligo(dT) 擅长长模板，但如果 RNA 有降解，poly(A) 尾还在但中间断了，扩增出来的 cDNA 就缺了目标区域；随机引物能从 RNA 上任意位置起始，反而能救回一部分。
• 随机引物擅长短模板和复杂模板，但它会无差别地反转录 rRNA 和 tRNA——而 rRNA 占总 RNA 的 80% 以上。如果只用随机引物而不用oligo(dT)，你逆转录出来的 cDNA 里有 80% 是不相关的 rRNA，有效目标 cDNA 被严重稀释。

混合使用，两种优势都拿到了。多数商品化 RT 试剂盒默认就是混合引物配方。

一个反直觉但很重要的事实：RNA 模板不是越多越好

很多人以为"加多点 RNA，信号更稳"。实际上逆转录体系中 RNA 模板总量应控制在 10 pg–1 μg 之间（或 mRNA 模板 10 pg–500 ng）。超出这个范围会出现两个后果：

• 逆转录酶达到饱和，只能反转录一部分模板，多加的 RNA 反而挤占了有效底物；
• 如果处理组和对照组的目标 mRNA 丰度差异很大，加过量 RNA 会让两组的 cDNA 组成趋于"平均化"，把真实的组间差异稀释掉，甚至可能出现处理组信号反而低于对照组的假象。

所以当你的 qPCR 结果"没有差异"时，除了怀疑引物，还要回头检查逆转录时的 RNA 投入量是不是给多了。这是一个非常容易被忽略、但一旦找到就能解释大量"阴性结果"的点。

其他几个逆转录环节的要点

• 酶的状态。逆转录酶是蛋白质，反复冻融会失活。务必分装成小管保存，取用一支用完就扔，不要在实验台上反复开盖。
• 二级结构。高 GC 或强二级结构的 RNA 需要在 65℃ 预变性 5 分钟来解开结构。如果你的目标基因扩增异常，可以试试带热变性步骤的试剂盒，或者用能在 50–55℃ 工作的耐热逆转录酶。
• 反应温度。普通 MMLV 类逆转录酶在 37–42℃ 工作，反应 30–60 分钟。耐热版本可以在更高温度下合成，对复杂模板更友好。
• 一步法还是两步法。一步法把 RT 和 PCR 合在一个管子里，减少移液步骤，因此污染风险和操作误差都更低。两步法更灵活——你可以把 cDNA 存起来，在不同时间、不同引物上反复使用。常规大批量表达谱分析用一步法，测多个基因用两步法。

 

3、gDNA 污染：最隐蔽的那个假阳性来源

搜"qRT-PCR 基因组DNA污染 gDNA去除 跨内含子引物"对应的这个问题，是 RT-qPCR 里最值得反复强调的一条。

问题在于它的表现：它不会报错，不会给出异常的扩增曲线，不会让熔解曲线出现双峰。它只是让你的定量结果偏高一点、或者让本该"无表达"的组出现表达。所有质量控制指标看起来都是正常的。

基因组 DNA 污染是 RT-qPCR 中"隐形杀手"：即便 RNA 提取看起来完美，微量 gDNA 残留也会在扩增阶段被当作模板无差别扩增，导致定量结果虚高，彻底摧毁数据的可信度。

两道防线，缺一不可

第一道：源头清除。在逆转录开始前，用 RNase-free 的 DNase I 处理 RNA 样品，把残留的基因组 DNA 消化掉。商品化的"一步法带 gDNA 去除"试剂盒把这个步骤整合进去了，省事且不容易漏。

第二道：引物设计规避。让引物跨越外显子-外显子连接处。成熟 mRNA 经过剪接，不含内含子；而 gDNA 保留内含子。如果引物跨越了接合处，那么它在 gDNA 上的模板就是断裂的两个片段，扩增不出完整产物。这样即使有 gDNA 残留，也不会产生信号。

No-RT 对照：验证前面两条防线有没有生效

No-RT 对照（No Reverse Transcriptase control）的做法是：取等量的 RNA，加入除逆转录酶之外的所有组分，走一遍"假逆转录"，然后拿产物去做 qPCR。

判读逻辑极其直接：

No-RT 孔的结果	说明什么	该怎么做
无信号 / 未过阈值	没有 gDNA 污染，数据可信	继续往下做
出现明显扩增	RNA 样品中存在严重 gDNA 污染	停止后续分析，重新做 DNase 消化并重新逆转录

No-RT 对照不是可选项

这一步极其关键却常被忽视。如果 No-RT 孔出了信号，你前面所有已经算好的 ΔΔCt、所有已经做的统计、所有画好的图，全部作废——因为它们全都掺了 gDNA 的贡献，而且掺的比例取决于每个样本的残留量不同，你无法事后校正。

成本对比：加一个 No-RT 孔，消耗一份 RNA 和几个引物。不加这个孔，代价可能是整批实验重做。这个性价比不需要犹豫。

还有一个容易忽略的对照：NTC

NTC（No Template Control，无模板对照）用水替换 cDNA。它检查的是体系本身是否被核酸污染——气溶胶、移液器污染、试剂交叉污染。NTC 出信号意味着你所有的孔都可能被污染了。

这两个对照查的是不同的事：NTC 查"污染从哪来"，No-RT 查"gDNA 有多少"。两个都要有。

怎么让 gDNA 污染本身可量化

有一个实用技巧：在跑 qPCR 的同时，用同一份 RNA（不做逆转录）直接跑一对"有基因组拷贝"的引物，测出的 Ct 就可以直接反映 gDNA 的残留量。这对那些必须用基因特异性引物（GSP，跨不了内含子）的研究特别有用——你没法靠引物设计规避，只能靠定量监控污染程度。

 

4、引物设计与效率验证：别用"曲线好看"代替验证

搜"qRT-PCR 引物设计 效率 90-110% 标准曲线"对应的核心原则是：引物的验证不能只看扩增曲线和熔解曲线，必须做标准曲线测效率。

引物设计的基本要求

• 产物长度 80–250 bp。太短（<70 bp）难以区分特异与非特异扩增；太长（>400 bp）会降低扩增效率、降低 SYBR Green 的信号强度。
• Tm 值 58–62℃，上下游引物 Tm 差不超过 2℃。
• 扩增子长 20–30 bp，引物长度 18–25 bp。
• 避免发夹、二聚体、连续碱基重复，尤其是 3' 端连续 4 个以上相同碱基（G、C 尤其危险，因为它们容易形成稳定的错配配对）。
• 检查特异性：用 NCBI Primer-BLAST 或 IDT 的 Similarity Search，确认引物在目标物种的基因组里只有唯一的结合位点。特别注意 SNP 和同源基因。
• 跨内含子（mRNA 定量必须，见上一节）。

标准曲线：把"效率"变成一个数字

标准曲线是目前最可靠的效率验证方法。做法是：把目标基因的质粒或合成 cDNA 做 5–6 个梯度的稀释（例如 10⁹ 到 10⁴ 拷贝），每个浓度跑 qPCR，做标准曲线。

斜率与效率的换算：Eff = 10^−1/slope − 1

标准曲线斜率	对应的扩增效率	评价
−3.32	100%（完美，每循环翻倍）	理想
−3.1 ~ −3.6	90%–110%	可接受范围
−2.9 或更平	>110%	偏高，多见于非特异扩增或 SYBR 干扰
−3.8 或更陡	<90%	偏低，反应受抑制或模板质量差

另一个判据是 R²：标准曲线的 R² 应 ≥ 0.98（理想 0.99 以上）。R² 低说明扩增效率不稳定，数据不能用于定量。

为什么效率一定要验证：ΔΔCt 法的数学前提

2^−ΔΔCt 这个公式成立的前提是：实验组和对照组的扩增效率相同，且都接近 100%。

如果实际效率是 90%，那么"2 倍的 Ct 差异"对应的实际倍数是 2^1.9 ≈ 3.73 倍，而不是 2 倍。这个偏差在倍数变化大的时候会被放大——你以为的 4 倍差异，真实可能是 10 倍以上；反过来，接近 2 倍的小差异，真实差异可能只有 1.3 倍。

所以严谨的做法是：效率验证通过后，明确在方法学中写"扩增效率为 XX%（斜率 −3.XX，R² = 0.XX）"。这一句话能挡掉审稿人一大半的质疑。

验证引物的三步顺序

1. 看扩增曲线：应该是标准的 S 形。如果呈现指数增长型（没有平台期），可能是 cDNA 浓度过低，适当增加模板量。
2. 看熔解曲线：单峰，位置接近 Tm。
3. 跑琼脂糖电泳：80–250 bp 位置一条干净的带。这一步能同时排除仪器传感器问题和引物二聚体造成的假信号。

三步都通过，引物才算真正可用。只看第一步的 S 形曲线是不够的——非特异扩增同样会给出漂亮的 S 形曲线。

 

5、熔解曲线：单峰是及格线，不是满分

搜"qRT-PCR 熔解曲线 双峰 引物二聚体 判读"对应的，是 SYBR Green 法最关键的质量控制手段。

先说清楚原理：SYBR Green I 是非特异性结合染料，它结合所有双链 DNA。所以扩增出来的任何产物——包括引物二聚体、非特异扩增产物——都会贡献荧光。这就是为什么 SYBR Green 法必须做熔解曲线分析。

熔解曲线是怎么读出来的

反应结束后，仪器让温度从 60℃ 缓慢升到 95℃，持续监测荧光。不同长度的双链 DNA 有不同的熔解温度，Tm 高的先熔解，荧光下降。曲线上的每一个峰，代表一种产物。

熔解曲线形态	含义	处理
单一尖锐峰	只有一种产物，特异性好	合格，可以继续
主峰 + 低温侧小肩峰	常见于引物二聚体	降低退火温度、提高引物浓度精度、重新设计引物
明显双峰	存在非特异扩增	数据不可用，必须重新优化引物
宽峰 / 拖尾	产物不均一，或有多个产物	降低模板浓度、重新优化温度
无明显峰	荧光信号太低，不足以形成熔解曲线	增加模板量或换更高灵敏度的试剂

图 2 · 熔解曲线的三种典型形态。单峰说明只有一种产物，可以放心定量；主峰加低温肩峰是引物二聚体的典型特征，通过优化退火温度和引物浓度往往能改善；明显双峰意味着存在非特异扩增，此时的 Ct 值是不可信的，必须重新设计引物。注意看熔解曲线的横轴是温度，纵轴是荧光变化率——真正的信号来自曲线的"下降沿"，而不是上升沿。

SYBR Green 还是 TaqMan 探针？

如果你的经费允许做多重检测、需要更高的特异性、或者样品容易产生非特异扩增，TaqMan 探针法是更好的选择——它靠序列特异的探针报告荧光，不依赖熔解曲线。但探针的成本明显更高，而且设计难度也更大（要避开引物区、要注意探针本身的 Tm）。

折中方案是 SYBR Green + 严格的熔解曲线判读 + 每次跑标准曲线验证效率。对绝大多数常规表达量测定，这套组合完全够用。

 

6、内参基因：为什么 GAPDH 不总是 GAPDH

搜"qRT-PCR 内参基因 稳定性 验证 geNorm NormFinder"对应的，是相对定量里最容易被糊弄、也最容易出事的一环。

先说清楚内参基因的作用：它用来校正样本间的RNA 投入量差异、RNA 完整度差异、逆转录效率差异。它是一个"参照系"，只有当它自己真的稳定时，这个参照才有意义。

最危险的一句话

没有任何一个内参基因在所有组织、所有实验处理下都能保持绝对稳定。盲目套用文献里的 GAPDH 或 β-Actin 是有实际风险的。

举几个已知的翻车场景：

• 缺氧、氧化应激处理下，GAPDH本身是糖酵解途径的酶，表达会显著变化。
• 细胞增殖加快时，β-Actin（ACTB）因为是管家基因，大量上调，会把你的真实差异压掉。
• 免疫刺激或炎症处理下，18S rRNA 的转录会变化。
• 配对样本（同一患者的肿瘤 vs 癌旁）中，管家基因的差异更容易出现。

正确的做法：先筛选，再验证

标准的内参筛选流程是这样的：

1. 候选集。从文献和数据库里挑 6–10 个候选内参。常用候选包括 GAPDH、HPRT1、TBP、B2M、ACTB、18S rRNA、UBC、PPIA、TBP、SDHA、YWHAZ、HMBS。
2. 预实验。在你的特定实验体系（组织、处理、时间点）里，用这些候选基因做 qPCR。理想标准是Ct 值波动控制在 ±0.5 个循环以内。
3. 算法分析。用稳定性算法评估：

算法	核心逻辑	输出	特点
geNorm	计算每个基因与其他所有基因两两 log 比值的标准差，取平均作为稳定性值 M，逐步剔除 M 最大的，直到剩下最稳定的一对	M 值；推荐用 2 个基因的几何平均	经典方法，生态学界用得多
NormFinder	基于模型的方差估计，综合组内和组间变异	稳定性值	能区分系统性偏差与随机误差
BestKeeper	基于 Ct 值的变异系数和相关系数	相关系数、SD、Cv	直观易用，适合 Ct 型数据
RefFinder	整合 geNorm、NormFinder、BestKeeper、ΔΔCt 的综合排名	综合稳定性排名	一站式，使用最广泛

geNorm 的判定标准：M 值 < 0.5 表示稳定，0.5–1 之间可接受，> 1 不稳定。配合另一个指标 V 值（相邻两个候选基因的配对变异）：V = 2 时表示再加一个基因就能显著提升稳定性，此时 geNorm 会建议再纳入一个候选。实践中，最终选用 2 个内参基因取几何平均值，比只用 1 个稳健得多。

一个必须做的交叉验证

算法选出内参之后，要回到原始数据上再验证一遍：如果用两个最稳定的内参归一化后，目标基因的差异方向和幅度，与用第三个次优内参归一化的结果一致，说明结论稳健。如果换个内参结论就翻转，那说明数据本身太弱，这个"差异"很可能是假象。

这一步在论文里写出来是加分项："我们使用 geNorm 和 NormFinder 筛选内参，最终选用 XX 和 YY（稳定性值分别为 A 和 B），并用 ZZ 进行了交叉验证。"

 

7、重复的两种：技术重复和生物学重复别搞混

搜"qRT-PCR 技术重复 生物学重复 Ct标准差"对应的是一个概念混淆问题。审稿人最爱问的就是这个。

	技术重复	生物学重复
定义	同一份 cDNA 放进多个孔	独立培养/取样/提取的样本
反映什么	移液精度、混匀程度、仪器稳定性	生物学变异（真实的个体差异）
数量要求	每样本 2–3 个技术孔	每组至少 3 个独立样本（统计学上 5+ 更稳）
统计意义	用于取均值，不作为统计的 n	统计推断的 n 就是这个
能发现什么	操作误差是否超标	结论能否推广到总体

关键原则只有一句：统计检验的 n 是生物学重复数，不是技术复孔数。三个技术孔取平均算作一个样本。这是论文里最容易被误写的地方——有些论文写"n = 9"，实际是 3 个样本 × 3 个复孔，审稿人一眼就能看出来。

Ct 值的离散度标准

• 技术复孔之间：Ct 最大差值应 < 0.5。超过 0.5 说明加样或混匀有问题，这个数据点建议弃用或重做。
• 生物学重复之间：Ct 标准差（SD）通常应 < 0.5，变异系数（CV）< 5%。这个标准是在同一个内参基因上衡量的。
• 内参基因在组间的 Ct 跨度：如果超过 1–2 个循环，说明它在这个条件下不恒定，强行用它归一化会让所有结果失真。

几个具体的加样细节，能实实在在降低离散度

• 试剂分装。把 master mix 分装成小管，避免反复冻融和气溶胶污染，也减少移液次数。
• 用多通道移液器加样。这是降低加样误差最有效的手段，比什么技巧都管用。
• 混匀要彻底。加完样品后用枪头反复吸打混匀，或者上板前短暂涡旋（注意 96 孔板边缘孔加封膜后要检查是否有气泡）。
• 避开最外圈的孔。边缘孔蒸发效应明显，重复性差。样本组尽量放中间。
• 用低吸附枪头。普通枪头在低浓度 cDNA 上的吸附损失可以达到 20% 以上。

关于 2^-ΔΔCt 的统计处理

这一点很多人做错了。2^−ΔΔCt 是相对倍数，但统计检验应该在 Ct 值的对数尺度上进行，而不是直接对倍数做 t 检验。

正确的做法是：把 2^−ΔΔCt 取以 2 为底的对数，得到 −ΔΔCt，用它做统计检验，最后再把置信区间的上下限转换回倍数报告。这样得到的 p 值和置信区间才是对称的、正确的。

 

8、2^-ΔΔCt 怎么算，以及它什么时候不成立

搜"qRT-PCR 2^-ΔΔCt 计算方法 相对表达量"对应的是数据处理的最后一步。这个方法本身简单，但它有几个前提条件，忽略任何一条都会得到错误结论。

图 3 · 2^-ΔΔCt 的三步计算。第一步在每个样本内部用内参基因做归一化，第二步在组间比较 ΔCt 差值，第三步做指数转换得到倍数。整套逻辑的核心是"先抵消、后转换"。注意最后一行——5.66 倍这个数字只在扩增效率接近 100% 时成立，效率偏离越多，这个倍数偏差越大。

它成立的三个前提

1. 实验组和对照组的扩增效率相同，且都接近 100%。这是最容易被忽略的一条。
2. 内参基因在各组间稳定表达。见上一节。
3. 使用的比较是"处理组 vs 对照组"的直接对比。如果要比较三个以上组（比如时间梯度 0h / 6h / 12h / 24h），2^−ΔΔCt 方法需要选定一个共同的校准组，不能两两比较。

效率不同时的正确替代方案

如果你的标准曲线显示效率明显偏离 100%（比如 85% 或 115%），2^−ΔΔCt 就不再是最合适的方法。替代方案有两个：

• 效率校正的 Pfaffl 法：用标准曲线得到的实际效率 e 代替 2 来计算，公式为倍数 = (e^{−ΔCt(对照)}) / (e^{−ΔCt(处理)})。
• 直接用拷贝数定量：用绝对定量（标准曲线法）测每微升 cDNA 中的目标分子数，然后做统计。这绕开了归一化环节的所有麻烦，代价是每批次都要跑标准曲线。

一个常见的数据呈现误区

把 2^−ΔΔCt 的倍数直接画成柱状图，中间画一条横线标 1.0，标注星号。这种呈现方式有两个问题。

第一，倍数是非正态分布。做统计时已经转换成了对数尺度，呈现时也应该用对数轴，或者至少用带误差线的散点图叠加。

第二，只画倍数不画原始 Ct，审稿人无法判断你用了哪个内参、数据离散度如何。规范的做法是同时提供原始 Ct 值表格（很多期刊现在要求在补充材料中提交）。

 

9、miRNA 与小分子 RNA：检测逻辑要换一套

搜"qRT-PCR miRNA 小分子RNA 检测 茎环引物"对应的是一类特殊样本。它们的检测逻辑和常规 mRNA 定量有本质区别。

为什么常规方法测不了 miRNA

三个硬约束：

• 太短。成熟的 miRNA 只有 19–22 nt。这个长度下，Oligo(dT) 和随机引物都没法有效起始逆转录——随机引物在这个长度上命中率太低。
• 没有内参可依。常规的 GAPDH、β-Actin 在 miRNA 定量里根本用不上（长度不匹配，而且你想测的是小 RNA）。
• 前体和成熟体共存。 pri-miRNA 有 60–80 nt，pre-miRNA 有 70 nt，成熟 miRNA 只有 22 nt。不加区分的话，你测到的是三者的总和。

茎环引物：把特异性问题在引物层面解决

茎环（stem-loop）引物的设计思路很巧妙：引物的 3' 端有一段与目标 miRNA 完全互补的反向序列，而 5' 端多出一段尾巴，这段尾巴在延伸时会折回来跟引物自身结合，形成一个"茎环"结构。

这个结构带来的好处是：只有完美配对的 miRNA 才能被有效延伸，5' 端的茎环结构会干扰成熟 miRNA 的延伸。所以它同时解决了两个问题——特异性（区分成熟体和前体）和灵敏度（茎环结构提高了退火效率）。

配套的检测方法叫 RT-ddPCR 或者更常见的 TaqMan 小 RNA assay：用专门的茎环引物逆转录，再用一个与 miRNA 序列互补的 TaqMan 探针检测。

小 RNA 检测的流程特殊性

• RNA 提取要用小 RNA 富集方法。常规 TRIzol 提取会丢掉大部分小 RNA。要用酚/氯仿 + 乙醇沉淀 + 硅胶柱过滤，或者专门的 miRNA 提取试剂盒。
• 输入量以 ng 计。因为小 RNA 只占总 RNA 的 0.01% 左右，所以总 RNA 输入量可以很少，但必须精确。
• 加了 poly(A) 尾。很多 miRNA 没有 poly(A)，直接逆转录效率低。商业化的小 RNA 逆转录试剂盒会在 miRNA 3' 端加上 poly(A) 尾，再用带 poly(T) 的引物起始。

miRNA 的内参：U6 是个陷阱

这是 miRNA 研究里最普遍的错误。U6 snRNA 几乎所有文献都拿来做内参，但多项独立研究证明：U6 在很多生物学背景下并不稳定。

原因是物理性的：U6 是一种 106 bp 的长 RNA species，它的物理化学性质、提取效率、溶液中的稳定性都和小 RNA（miRNA）完全不同。而且 U6 的表达在细胞应激、细胞周期变化时会被明显影响。

样本类型	推荐的内参 miRNA	说明
小鼠着床前胚胎（卵母细胞→囊胚）	miR-16、miR-191、miR-106	U6 稳定性排名垫底
对应的条件培养基（胞外 miRNA）	miR-16、miR-106、miR-103	与胚胎样本不同，需单独筛
宫颈癌组织（多因素混杂）	miR-151a-5p + miR-152-3p	U6 的 M 值接近 1（临界不稳定）
通用推荐（需自行验证）	miR-191、miR-103、miR-425、miR-423	务必用 geNorm / NormFinder 在自己的体系中验证

注意上表的一个要点：同一个研究里的不同样本类型，最优内参是不同的。胚胎和培养基不能用同一套。所以"用文献里的内参"这条路在 miRNA 上尤其不可靠。

循环 miRNA 的特殊问题

外泌体、血清、血浆里的循环 miRNA 有两个特殊问题：

• 外源 miRNA 的污染。血液里的 miRNA 极易受血细胞裂解和环境污染影响。处理方式是设置外源合成 miRNA 作为外源对照（在 RNA 提取时加入，用它校正提取回收率和上样量的差异）。
• 缺失值。低丰度 miRNA 在部分样本中可能检测不到。缺失值不能用 0 代替（0 在对数尺度上是无穷），也不建议简单丢弃整列——那样会缩小样本量。用 R 的 impute 包做 k 近邻插补，或者用能处理缺失值的统计方法（如 limma 的 lmFit）。

 

10、交付前的自查清单

样品与逆转录

• RNA 完整性经凝胶或 Bioanalyzer 确认，A260/280 在 1.8–2.0
• 逆转录时 RNA 模板量在 10 pg–1 μg 区间，未过量
• 逆转录酶未反复冻融，试剂分装保存
• 复杂模板做了 65℃ 预变性
• 样品已做 DNase 处理

对照设置（缺一即废）

• NTC（无模板对照）无信号
• No-RT（无逆转录酶对照）无信号
• 阳性对照（已知表达基因 / 标准曲线）正常扩增
• 实验组和对照组在同一块板上，试剂和板号一致

引物与扩增

• 引物特异性经 Primer-BLAST 验证，跨内含子（mRNA 定量）
• 扩增效率经标准曲线验证，在 90%–110%，R² ≥ 0.98
• 熔解曲线为单峰，位置接近 Tm
• 产物经琼脂糖电泳确认为 80–250 bp 单一条带
• 扩增子长 80–250 bp，Tm 58–62℃，上下游差 ≤ 2℃

归一化与统计

• 内参经 geNorm / NormFinder 筛选，并做了交叉验证
• 最终使用 ≥ 2 个内参的几何平均
• 方法学中写明了内参的稳定性数值
• 技术复孔 Ct 差异 < 0.5，超标数据点已弃用并说明
• 统计的 n 是生物学重复数，论文中已明确写清
• 统计检验在 ΔΔCt（对数尺度）上进行，而非直接对倍数
• 图中标注了均值 ± SEM 并叠加了单个数据点
• 补充材料提交了原始 Ct 值表

qRT-PCR 是所有分子生物学实验里最"日常"的一个。正因为日常，它出错的概率反而最高——没人会因为 qPCR 失败而停下来想三天，大多数人只是换一对引物再跑一遍，跑出好看的结果就继续往下走了。

但真正拉开数据质量差距的，恰恰是那些"多花两天做验证"的决定：一次标准曲线、一次 No-RT 对照、一次内参稳定性分析。这三件事加起来不到一周，却能把你的数据从"看起来没问题"变成"经得起追问"。

下次再看到一张 2^−ΔΔCt 柱状图，在心里默默问三个问题：No-RT 对照做了吗？引物效率验证过吗？内参凭什么稳定？三个都是 yes，你的图才是可信的。