qPCR mRNA（ΔΔCt）
一句话：ΔΔCt 法相对表达量分析，从原始 Ct 表直接产出每个靶基因一张发表级柱状图。
获取本技能 · Get this skill
方式 A —— 一键引导 prompt（推荐）。复制下面这段，粘贴到你的 AI agent IDE：
请帮我安装 Claw2Bio 技能库中的 "qpcr-mrna" 技能：
1. 从 GitHub 仓库 https://github.com/claw2bio/claw2bio 只拉取 experiment-data/qpcr-mrna
这一个文件夹（用 sparse checkout，不要克隆整库）。
2. 阅读其中的 SKILL.md 并注册该技能。
3. 运行 examples/ 里的示例验证环境，把输出的图给我看。方式 B —— 独立 zip 包（约 0.2 MB，本站下载）：https://claw2bio.site/downloads/qpcr-mrna.zip
方式 C —— 全量示例数据：已包含在方式 B 包内（同一个压缩包）。
它能做什么
输入原始 qPCR Ct 表（Target, Sample, Rep1, Rep2, Rep3），自动以内参基因（默认 GAPDH）归一化，计算 ΔΔCt 与相对对照组的 Fold change，自动选择统计方法（2 组 t-test；≥3 组 ANOVA + Dunnett），每个靶基因输出一张 300 dpi 柱状图：
快速上手（30 秒）
技能装好后，直接对 agent 说：
运行 qpcr-mrna 的示例，把图给我看。
或手动执行：
bash
cd experiment-data/qpcr-mrna
pip install pandas numpy scipy matplotlib
python scripts/run_mrna.py examples/input/mrna-input.csv examples/output --name Figure1 --overwrite应得到 Figure1.csv 和每个靶标一张 Figure1_<target>_barplot.png（示例中 IL6 上调约 6.8 倍，P<0.001）。
输入格式
csv
Target,Sample,Rep1,Rep2,Rep3
IL6,Ctrl,20.10,20.30,20.20
IL6,Treat,17.50,17.80,17.60
GAPDH,Ctrl,18.00,18.10,18.05
GAPDH,Treat,18.20,18.30,18.25- 内参行与普通靶标行格式相同；第一个出现的
Sample默认作为对照组。 - 支持 2–6 组（更多组用扩展布局）。
输出文件
| 文件 | 内容 |
|---|---|
<name>.csv | 原始 Ct + ΔCt + Fold change + P 值 + 显著性 |
<name>_<target>_barplot.png | 每个靶基因一张 300 dpi 图 |
参数
| 参数 | 默认值 | 说明 |
|---|---|---|
--name | — | 输出文件名前缀 |
--ref-targets | GAPDH | 内参基因名，逗号分隔 |
--control | 第一个 Sample | 对照组名 |
--y-label | — | Y 轴标签 |
--dpi | 300 | PNG 分辨率 |
--overwrite | 关 | 允许覆盖已有输出 |
常见问题
- 提示输出文件已存在 → 加
--overwrite，或换一个--name。 - 内参没识别到 → 检查拼写，或用
--ref-targets ACTB指定。 - ModuleNotFoundError → 让 agent 安装依赖，或手动
pip install pandas numpy scipy matplotlib。