지난 글에서 real-time PCR에서 자주 만나는 상위 문제 10가지와 해결법에 대해 생각해 보았다.
Real-time PCR에서 상위 10가지 문제와 해결법
그리고, SYBR 기반 시약 회사를 알아 보았다.
이번 글에서는 real-time PCR Ct 값으로 fold change 구하는 법을 알아 보고자 한다.
이 방법은 논문에서 자주 사용되는 Control군 대비 Test군의 target gene 발현을 상대적으로 비교하는 방법이다.
1. real-time PCR Ct 값으로 fold change 구하는 3단계
![DNA helix and real-time PCR](https://metabiocinelab.com/wp-content/uploads/2023/07/DNA-helix-and-helix.webp)
아래와 같이 크게 3단계로 계산한다.
- Target gene Ct mean – Endogenous gene Ct mean = △Ct mean
- Test △Ct mean – Control △Ct mean = △△Ct mean
- 2^-(△△Ct mean) = Fold change
Control 군과 Test 군의 각각의 Ct mean 수치에서 위 계산을 하여 2^-(△△Ct mean)을 산출하면 fold change를 얻을 수 있다.
2. Fold change 값 해석하기
위에서 계산한 2^-(△△Ct mean) Fold change 값을 얻었다면, 이번에는 이 값을 해석해 보자.
- 2^-(△△Ct mean) = 1.0, 즉 fold change가 1이라면, Test군과 Control군의 target gene의 발현이 동일하다는 의미이다.
- 2^-(△△Ct mean) > 1.0, 즉 fold change가 1보다 크다면, Test군의 target gene의 발현이 Control군보다 xx배 높다고 해석하고,
- 2^-(△△Ct mean) < 1.0, 즉 fold change가 1보다 작다면, Test군의 target gene의 발현이 Control군보다 낮다고 해석하면 될 것이다.
3. 예시: Real-time PCR Ct 값으로 fold change 구하기
real-time PCR은 전통적인 일반 PCR보다 민감한 기법이다. 따라서 시료 상태, 연구자의 파이펫팅 등에 따라 Ct 값의 변동이 심하다. 이를 최소화 하는 게 신뢰하고 일관적인 결과를 얻게 된다.
일반적으로 한 번 real-time PCR 수행할 경우 하나의 군 당 최소 3개 반복 (triplicate) PCR 반응을 수행하고 여기에서 얻은 3개의 Ct 값의 평균값을 사용한다 (여러번 수행하면 좋겠지만, 반응 비용과 시료 등을 고려해야 할 것이다)
당신은 “A”라는 약물이 A549라는 폐암 세포주에 TP53이라는 유전자의 mRNA 발현에 영향을 주는지 real-time PCR을 무사히 수행하여 아래와 같이 Ct 값을 얻었다고 가정해 보자.
<Control: DMSO-treated A549 Cells>
GAPDH: 19.20, 19.32, 19.41,
TP53: 15.31, 15.21, 15.15
<Test: Drug A-treated A549 Cells>
GAPDH 19.31 19.23 19.33
TP53 12.51, 12.31, 12.11
위에 기술한 3단계 계산법을 생각해 보자
- Target gene (TP53) Ct mean – Endogenous gene (GAPDH) Ct mean = △Ct mean
- Test △Ct mean – Control △Ct mean = △△Ct mean
- 2^-(△△Ct mean) = Fold change
자, 어떤가? A라는 약물은 TP53의 mRNA 발현을 증가시켰는가? 감소시켰는가?
계산을 Excel에서 해 보면, 아래와 같다.
![real-time PCR Ct calculation Excel 수식](https://metabiocinelab.com/wp-content/uploads/2023/07/real-time-PCR-Ct-calculation1.webp)
Excel 결과는 아래와 같다
![real-time PCR Ct calculation Excel 결과](https://metabiocinelab.com/wp-content/uploads/2023/07/real-time-PCR-Ct-calculation2.webp)
위 결과를 보면, 2^-(△△Ct mean) = 7.43 이다. 즉, 약물 A를 처리한 A549 폐암 세포주는 DMSO를 처리한 대조군에서보다 TP53의 mRNA 발현을 7.43배 증가시킨다는 것으로 해석할 수 있겠다.
![delta delta Ct 값과 Fold change 자동 계산 링크](https://metabiocinelab.com/wp-content/uploads/2023/08/calculator1.webp)
4. 관련 문헌 맛보기
참고할 만한 논문 자료 링크는 아래와 같다.
“이노시톨 헥사포스페이트를 처리한 인간 대장암 HT-29 세포에서 p53 및 p21(WAF1) mRNA 수준의 정량 분석” (Quantitative analysis of the level of p53 and p21(WAF1) mRNA in human colon cancer HT-29 cells treated with inositol hexaphosphate)
이 연구의 목적은 대장암 세포의 증식과 세포 주기 진행을 억제할 수 있는 이노시톨 헥사포스페이트(InsP(6)) 작용의 분자 메커니즘을 분석하는 것이다. 6, 12, 24 및 48시간 동안 1, 5 및 10mM 농도별로 InsP(6)로 처리한 후 인간 대장암 HT-29 세포에서 p53 및 p21(WAF1) mRNA 증가의 변화 연구를 수행하였다.
이러한 유전자의 전사 수준을 정량적으로 분석하기 위해 TaqMan 방법론에 기반한 실시간 QPCR을 적용다하였다. 베타-액틴 및 GAPDH 유전자의 전사를 나란히 평가하여 변동성이 가장 적은 대조군 유전자를 선택했다. 2(-Delta Delta Ct) 방법은 유전자 전사의 상대적인 변화를 분석하는 데 사용되었다.
InsP(6)는 p53 및 p21(WAF1) 발현을 mRNA 수준에서 촉진시켰으며, p21(WAF1) mRNA의 가장 높은 증가는 24시간, 즉 12시간에서 관찰된 p53 mRNA의 가장 높은 증가에 따라 발생했다.
이번 연구를 바탕으로 세포 주기를 정지시키는 InsP(6)의 능력은 p53에 반응하는 p21(WAF1) 유전자의 전사적 증가에 의해 중재되는 것이라 결론을 내릴 수 있다.
(전문 링크: http://www.actabp.pl/pdf/2_2006/349.pdf)
이 논문에서 참고할 만한 것은 베타-액틴과 GAPDH를 Endogenous gene으로 (흔히 말하는 internal control, housekeeping gene) 함께 평가하여 변동성이 적은 유전자를 선별하여 사용했다는 점이다.
우리가 믿는 housekeeping gene은 외부 자극에 늘 일정하지 않기 때문에, 각 연구 성격에 따라 테스트하여 적절한 internal gene을 선별해서 사용해야 한다는 것을 기억해야 한다.
왜냐하면, 오늘 다룬 Ct 상대적 계산법에서 이들 internal 유전자가 흔들린다면 결과 값이 변하기 때문이다!
꼭 기억하기 바란다!
끝까지 읽어 주셔서 감사합니다.