{
  "id": "digital-pcr",
  "title": "数字聚合酶链式反应",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "数字聚合酶链式反应将样本分成大量独立反应，根据阳性和阴性结果，通过统计方法估算目标核酸的含量。",
  "category": "science",
  "subcategory": "biology",
  "type": "concept",
  "aliases": [
    "数字PCR",
    "dPCR"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/digital-pcr/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/digital-pcr/",
      "json": "https://aiwiki.page/en/digital-pcr.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "数字聚合酶链式反应（dPCR）是一种定量测定特定核酸序列的方法：将样本分配到大量相互独立的聚合酶链式反应（PCR）中，统计产生可检出扩增信号的反应数。对含有多个靶标的分区进行统计校正后，即可估算原始靶标浓度。与常规的定量PCR不同，数字PCR通常不需要用已知浓度的标准品建立校准曲线。它可用于测量脱氧核糖核酸含量、对逆转录后的RNA进行定量、检测稀有序列变异，以及确定基因拷贝数的差异。"
    },
    {
      "heading": "原理",
      "text": "PCR通过反复进行链分离、引物结合以及由DNA聚合酶介导的延伸，扩增选定的核酸序列。在数字PCR中，反应发生在数千至数百万个物理隔离的微小空间内，具体数量取决于所用平台。\n\n将样本与扩增试剂混合后，分配到液滴、微孔或其他微小腔室中。有些分区没有分配到目标序列的拷贝，有些则分配到一个或多个拷贝。扩增完成后，每个纳入分析的有效分区都被判定为：\n\n- 阳性：表明检测到了靶标扩增。\n- 阴性：表明未检测到靶标扩增。\n\n检测通常采用序列特异性探针或DNA结合染料产生的荧光。“数字”是指将这些信号转化为离散的阳性和阴性结果，并不意味着不涉及模拟量测量：其基础荧光强度是连续变化的。\n\n一个阳性分区并不一定恰好对应一个原始拷贝。多个靶标拷贝可能进入同一分区，因此，除非占有率极低，否则必须进行统计校正。"
    },
    {
      "heading": "统计基础与定量",
      "text": "泊松模型\n\n当靶分子随机且独立地分布于等体积的分区中时，通常用泊松分布对每个分区的拷贝数进行建模。\n\n若 \\(\\lambda\\) 为每个分区的平均靶标拷贝数，则一个分区不含任何拷贝的概率为\n\n\\[P(0)=e^{-\\lambda}.\\]\n\n对于 \\(N\\) 个有效分区，若其中 \\(N_0\\) 个为阴性，则估计的平均占有数为\n\n\\[\\hat{\\lambda}=-\\ln\\left(\\frac{N_0}{N}\\right).\\]\n\n等价地，若 \\(p\\) 为观测到的阳性比例，则\n\n\\[\\hat{\\lambda}=-\\ln(1-p).\\]\n\n对于有效分区体积 \\(v\\)，经分区的反应混合液中的估计浓度为\n\n\\[\\hat{c}=\\frac{\\hat{\\lambda}}{v}.\\]\n\n有效分区中的估计靶标总拷贝数为 \\(N\\hat{\\lambda}\\)。若要报告原始样本中的浓度，还需考虑稀释、提取、洗脱体积以及实际检测的提取物比例。\n\n例如，若有效分区中有20%为阳性，则\n\n\\[\\hat{\\lambda}=-\\ln(0.8)\\approx 0.223.\\]\n\n因此，10,000个有效分区估计含有2,231个靶标拷贝，而非简单计数阳性分区所得的2,000个。\n\n精密度与工作范围\n\n阳性和阴性计数存在抽样变异，可据此计算置信区间。有效分区的数量及其占有情况对精密度有重要影响。\n\n占有率极低时，不确定度主要来自抽取到的靶分子数量过少。占有率极高时，剩余阴性分区很少，泊松校正的精密度随之降低。如果所有分区均为阳性，基于阴性比例的基本计算方法便无法给出有限的浓度估计值，此时需要稀释样本或采用其他分区方案。\n\n该模型假定分子分布足够随机、分区体积已知，且分类可靠。体积不均、分子聚集、靶标之间的物理连锁或扩增失败，可能需要额外建模或设置实验对照。"
    },
    {
      "heading": "工作流程与平台类型",
      "text": "样本制备\n\nDNA提取既要回收靶标物质，又要尽量减少抑制扩增的物质。测量RNA时，首先通过逆转录将RNA转化为互补DNA。这一步既可在分区之前完成，也可在分区内通过一步法反应完成。\n\n某些检测采用限制性内切酶消化或可控片段化处理，以降低DNA黏度、改善分布，或分离相互连锁的靶标拷贝。这类处理必须避免破坏检测所扩增的序列。\n\n分区\n\n两种广泛使用的形式是：\n\n- 微滴式数字PCR： 将水相反应混合液分散到与其不相溶的载液中，形成液滴。液滴经过热循环后，再逐个读取信号或进行成像。\n- 腔室式数字PCR： 将反应混合液注入由固定体积微孔或腔室组成的阵列中，在扩增前将各单元隔离，通常通过成像读取结果。\n\n不同平台在分区数量和体积、样本处理容量、自动化程度、光学通道以及最终得到分析的上样物质比例等方面各不相同。微流控是许多分区生成系统的核心技术，但不同实现方式并不采用完全相同的流体操控架构。\n\n扩增与读出\n\n热循环使含有靶标的分区发生扩增。多数常规系统根据终点荧光对分区分类，而不是根据荧光首次达到可检出水平时所处的循环数。\n\n一种常见的复杂情况是雨滴现象（rain），即某些分区的荧光强度介于主要阴性簇与阳性簇之间。雨滴现象可能由部分抑制、序列错配、模板受损、扩增差异或技术伪影引起。阈值选择和对中间信号分区的处理方式可能显著影响结果，对稀有靶标尤其如此。\n\n多重检测\n\n多重检测在同一反应中测量多个靶标。通过不同的荧光标记、信号幅度或通道组合，可以区分不同类别的靶标。\n\n多重检测可用于测定靶标与参照的比值、检测变异以及分析分子连锁。其复杂程度受光学分辨率、信号簇重叠、反应间竞争以及每种靶标组合均需验证等因素的制约。"
    },
    {
      "heading": "与其他PCR方法的比较",
      "text": "常规终点PCR通常用于确定是否存在扩增产物，常采用凝胶电泳进行检测。定量聚合酶链式反应（qPCR），又称实时PCR，在热循环过程中监测扩增，并利用荧光跨过阈值时的循环数推断初始含量。\n\n相比之下，数字PCR根据终点阳性和终点阴性分区的分布估算含量。\n\n特征 | 数字PCR | 定量PCR\n主要测量指标 | 阳性分区比例 | 扩增曲线与阈值循环数\n典型定量依据 | 分区占有情况与体积 | 校准曲线或相对比较\n扩增效率的影响 | 只要含靶标的分区能产生可检出信号，对扩增动力学的依赖较小 | 高度依赖扩增效率及其一致性\n浓度范围 | 受分区数量、体积和占有情况限制 | 在经验证的检测方法中通常较宽\n常见优势 | 拷贝数比值、低丰度变异、参考测量 | 高通量检测与宽范围定量\n\n数字PCR常被描述为能够进行绝对定量，即无需外部靶标校准曲线即可估算靶标浓度。这并不意味着结果不需要校准，也不意味着不存在系统误差。分区体积的准确性、稀释、提取回收率、检测效率和数据分析仍会影响结果。\n\n两种方法都不是在所有情况下更优。其性能取决于样本、靶标、所需灵敏度、浓度范围以及经过验证的工作流程。"
    },
    {
      "heading": "应用",
      "text": "稀有变异检测\n\n数字PCR可利用变异特异性检测方法，从大量非变异序列构成的背景中识别低丰度的突变。分区减少了单个反应中参与竞争的背景分子数量。\n\n其应用包括涉及癌症相关变异和嵌合现象的研究，以及经过验证的临床检测。可测量的最低变异比例并不是数字PCR所固有的统一指标，而是取决于样本投入量、检测特异性、背景假阳性以及所检测的具有判别信息的分子数量。\n\n拷贝数测量\n\n通过相对于参照序列测量目标序列，可以评估基因拷贝数。这类检测用于研究缺失、重复和扩增。\n\n将靶标与参照的比值换算成每个细胞的拷贝数，需要对参照位点、染色体含量和样本组成作出假设。混合细胞群体或参照序列的变异可能使结果解读更为复杂。\n\nRNA与基因表达\n\n逆转录数字PCR测量由RNA生成的互补DNA，用于基因表达研究和RNA病毒定量。逆转录效率仍是潜在的偏倚来源：计数互补DNA拷贝，并不能自动确定原始RNA分子的数量。\n\n微生物与环境分析\n\n数字PCR用于定量检测临床、食品、农业和环境样本中来自病毒、细菌及其他生物的核酸靶标。应用包括污水分析和低丰度环境靶标检测。\n\n仅检出某段核酸序列，并不能证明相应生物仍然存活或具有感染性。\n\n参考物质与生物技术\n\n数字PCR有助于为参考物质赋值、比较测量程序，并支持计量溯源性。它还用于定量测量人工构建的DNA、载体序列以及基因组编辑实验的结果。\n\n数字PCR测量的是预先确定的目标序列，而非发现未知的序列变异。因此，DNA测序与数字PCR的用途不同，但往往相互补充。"
    },
    {
      "heading": "局限性与质量保证",
      "text": "抽样限制\n\n如果分取用于分析的样本中没有某些分子，分区也无法将其检出。对于预期投入的 \\(\\mu\\) 个靶标拷贝，仅随机抽样本身就会造成靶标完全缺失的概率，其值为\n\n\\[P(0)=e^{-\\mu}.\\]\n\n增加分区数量无法弥补受检样本中分子数量不足的问题。更多分区可提高对占有情况的分辨能力，但低拷贝检测也需要足够的样本投入量。\n\n背景与检测限\n\n污染、非特异性扩增、探针交叉反应和错误分类均可产生假阳性。抑制、序列错配、模板受损和扩增失败则可产生假阴性。\n\n空白限、检出限和定量限分别描述性能的不同方面：背景信号、可靠检出能力，以及在规定精密度和准确度水平下的定量能力。这些指标必须针对相关检测方法和样本基质确定，而不能仅凭仪器规格推断。\n\n分子可及性与连锁\n\n数字PCR测量的是在特定检测条件下能够扩增的靶标单元。片段化DNA可能保留某项检测的靶标，却丢失另一项检测的靶标。相反，同一DNA片段上相互连锁的拷贝可能一起进入某个分区，而不是彼此独立地分布。\n\n将结果解释为基因组、细胞或生物个体数量时，这一区别十分重要。靶标拷贝数并不自动等同于上述任何一种数量。\n\n测量不确定度与报告\n\n对测量不确定度的完整评估不能局限于分区计数的统计学因素。相关影响因素还包括样本不均一性、提取回收率、稀释、分区体积、逆转录和分类规则。\n\n数字PCR的MIQE报告指南倡导透明地描述样本处理、检测设计、分区、对照、数据处理和不确定度。其目的在于使结果能够得到合理解读并具有可重复性，而不是为某一特定平台或检测方法提供认证。"
    },
    {
      "heading": "历史发展",
      "text": "数字PCR源于极限稀释PCR。后者将样本稀释后分配到多个反应中，根据阳性和阴性结果估算靶标含量。Sykes及其同事于1992年的研究展示了利用极限稀释进行PCR定量的方法。1999年，Bert Vogelstein和Kenneth Kinzler在关于单个模板计数和稀有序列变异检测的研究中提出了“数字PCR”这一术语。\n\n早期方法需要分别操作大量独立反应。此后，微加工、液滴生成、荧光检测和自动化分析技术的进步，使大规模分区成为现实。这些发展使数字PCR成为与常规PCR和实时PCR并行使用的常规定量方法。"
    }
  ],
  "links": [
    "nucleic-acid",
    "polymerase-chain-reaction",
    "dna",
    "dna-polymerase",
    "fluorescence",
    "poisson-distribution",
    "reverse-transcription",
    "rna",
    "microfluidics",
    "gel-electrophoresis",
    "quantitative-pcr",
    "calibration",
    "mutation",
    "cancer",
    "mosaicism",
    "gene",
    "gene-expression",
    "virus",
    "bacteria",
    "metrological-traceability",
    "genome-editing",
    "dna-sequencing",
    "measurement-uncertainty"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}