循环值通过基于正常分布的过程进行自我校正,以提高实时数字PCR量化准确度
Peilin Zang1,2, Qi Xu1,2, Chuanyu Li2
1School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, 230026, China.
Analytical and bioanalytical chemistry
|February 24, 2024
概括
一个新的基于正常分布的循环值自我校正模型 (NCSM) 提高了数字PCR的准确性. 这种方法提高了核酸分析的正负分类和检测效率.
科学领域:
- 分子生物学分子生物学
- 生物技术是生物技术.
- 分析化学 分析化学
背景情况:
- 数字聚合酶连锁反应 (dPCR) 为绝对核酸量化提供了高灵敏度.
- 实时dPCR利用动态信息来识别异常放大数据.
- 由于实验干扰,dPCR中正负结果的准确分类具有挑战性.
研究的目的:
- 开发一种自我纠正模型,以提高dPCR定量结果的准确性.
- 为了应对在实验干扰中分类放大曲线的挑战.
- 提高实时dPCR的定量准确性和检测效率.
主要方法:
- 建立了一个基于正常分布的循环值自纠正模型 (NCSM).
- 专注于放大曲线内的周期值 (CT) 值特征,用于连续检测和校正.
- 将纠正过程应用于等离子体样本.
主要成果:
- 对等离子体样本的分类精度从92%提高到99%.
- 实现了低于5%的变化系数,用于量化100至10,000份.
- 通过更早预测终点CT值,缩短了约25%的循环时间,一致性超过98%.
结论:
- 在实时dPCR中,NCSM有效地提高了定量准确性.
- 该模型通过规范CT值分布来改善正负结果的分类.
- 在dPCR应用中,NCSM提高了检测效率并减少了测试时间.
