Gene Expression Analyzer

Aplikasi Kalkulator qPCR dirancang khusus untuk memfasilitasi mahasiswa dan peneliti biologi molekuler, khususnya di bidang Proteksi Tanaman, yang meneliti interaksi molekuler tanaman-patogen atau ketahanan genetik. Keluaran langsung dari mesin mesin qPCR biasanya hanyalah nilai siklus ambang batas atau Cycle Threshold (Ct). Mentransformasi nilai Ct tersebut menjadi angka "Fold Change" (seberapa kali lipat gen aktif) membutuhkan tahapan normalisasi matematis berlapis yang rawan kesalahan jika dilakukan secara manual. Aplikasi ini membungkus kompleksitas tersebut ke dalam satu antarmuka otomatis.

Pada dasarnya, aplikasi ini memiliki kemampuan untuk menormalisasi gen target (gene of interest) terhadap gen referensi dasar (Housekeeping Gene / HK). Untuk metode perhitungannya, pengguna diberikan kebebasan memilih algoritma standar internasional. Pilihan pertama adalah metode Livak atau metode 2 pangkat minus Delta Delta Ct (2^-ΔΔCt) yang ideal digunakan apabila gen target dan gen HK memiliki efisiensi amplifikasi yang sempurna (di atas 95 persen). Pilihan kedua adalah metode Pfaffl yang jauh lebih teliti karena ia mengikutsertakan kurva efisiensi spesifik dari masing-masing jenis gen untuk mengkompensasi ketidaksempurnaan reaksi berantai polimerase.

Dalam hal memfasilitasi penelitian berskala besar, aplikasi ini tidak hanya berhenti di penghitungan rata-rata. Sistem ini dibekali dengan modul statistik internal yang melakukan uji Welch t-test untuk menentukan apakah fluktuasi ekspresi gen tersebut benar-benar signifikan secara statistik, atau hanya kebetulan belaka. Mengingat analisis ekspresi gen seringkali melibatkan banyak gen secara bersamaan, sistem secara otomatis melakukan koreksi nilai p (p-value) menggunakan metode Benjamini-Hochberg (FDR) untuk mencegah terjadinya positif palsu (False Positives).

Secara visual, hasil akhir analisis disajikan dalam sebuah grafik peta panas (Heatmap) beresolusi tinggi. Grafik ini memetakan nilai Log2 Fold Change di mana warna merah pekat menandakan gen mengalami peningkatan pesat (Up-regulation), dan warna biru menandakan gen tertekan (Down-regulation). Transparansi adalah inti dari aplikasi akademik ini; oleh karena itu, pengguna dapat melihat rincian langkah demi langkah persis bagaimana aplikasi memproses angka-angkanya di menu "Audit Trail", sebelum mengekspor seluruh tabel kalkulasinya ke dalam format CSV siap publikasi.

Aplikasi ini dibagi menjadi dua panel utama: Pita Alat (Ribbon) di bagian atas untuk pengaturan, dan Editor Data di bagian bawah.

Langkah 1: Menentukan Parameter di Ribbon

1. Control: Masukkan nama perlakuan yang menjadi titik dasar pembanding Anda (misal: "Kontrol", "Sehat", atau "0_Jam").

2. HK gene(s): Masukkan nama gen referensi yang Anda gunakan (contoh: Actin, Tubulin, GAPDH). Jika Anda memakai lebih dari satu gen referensi, pisahkan dengan tanda koma.

3. Metode: Pilih "Livak (2^-ΔΔCt)" jika efisiensi primer Anda sempurna (~100%). Jika tidak, pilih "Pfaffl" dan isikan persentase efisiensi (ditulis 2.0 untuk 100%, 1.95 untuk 95%, dst) pada kotak E(HK) dan E map yang muncul.

Langkah 2: Mengisi Data Ct (Tab Input)

1. Pada tabel spreadsheet di bawah, masukkan data keluaran mesin PCR Anda.

2. Kolom Sample: Nama identitas tabung sampel.

3. Kolom Treatment: Kelompok perlakuan. (PENTING: Pastikan ada baris yang nama Treatment-nya sama persis dengan kotak "Control" di pengaturan atas).

4. Kolom Gene: Nama gen target dan gen HK Anda.

5. Kolom Ct: Angka siklus amplifikasi dari mesin.

6. Kolom Replicate: Urutan ulangan teknis atau biologis.

7. Catatan: Anda bisa melakukan Copy data dari Excel, lalu klik salah satu sel kosong di aplikasi ini dan Paste (Ctrl+V) untuk mempercepat input.

Langkah 3: Mengeksekusi Analisis (Tab Hasil)

1. Klik tombol biru tebal RUN (berlogo Play) di sudut kanan atas.

2. Layar akan otomatis berpindah ke tab Hasil.

3. Periksa tabel Ringkasan untuk melihat nilai rata-rata Fold Change.

4. Periksa tabel Uji Statistik untuk melihat apakah gen mengalami regulasi naik (Up) atau turun (Down) secara signifikan (p < 0.05).

5. Gulir ke bawah untuk melihat visualisasi perbandingan ekspresi dalam bentuk Heatmap. Anda dapat langsung mengunduh hasil kalkulasi terperinci dengan menekan tombol "Download as CSV".

Konsep Dasar dan Syarat Data

1. Apa perbedaan nilai "Fold Change" dan "Log2FC"? Fold Change (FC) menunjukkan kelipatan (contoh: gen aktif 4 kali lipat, FC = 4). Log2FC adalah cara menyimetriskan data agar mudah digambar di grafik. Jika gen naik 2 kali lipat (Log2FC = 1), dan jika gen turun setengah kalinya (Log2FC = -1).

2. Apa fungsi Housekeeping Gene (HK)? HK adalah gen yang ekspresinya selalu stabil di semua kondisi (seperti Actin). Ini digunakan sebagai jangkar kalibrasi untuk memastikan bahwa perbedaan nilai Ct terjadi karena reaksi biologis perlakuan Anda, bukan karena perbedaan jumlah ekstraksi RNA awal saat Anda memasukkannya ke mesin.

3. Apakah kolom Replicate (Ulangan) wajib diisi? Kolom itu opsional. Jika Anda mengosongkannya, sistem menganggap baris itu adalah ulangan pertama (1). Namun, uji statistik (p-value) hanya bisa berjalan jika ada minimal 2 ulangan yang valid di setiap kombinasi gen dan perlakuan.

4. Kapan saya wajib memakai metode Pfaffl? Jika hasil uji kurva standar (Standard Curve) dari primer gen target Anda tidak sama dengan primer gen HK Anda (misal: primer HK efisiensinya 99%, primer target efisiensinya 85%). 

5. Mengapa ada nilai Fold Change saya yang mendadak muncul peringatan Fallback/Pfaffl? Itu terjadi bila Anda memilih metode Pfaffl, namun lupa mengisi nilai efisiensi (E map) spesifik untuk gen tersebut, atau sistem gagal menemukan rata-rata Ct pada kontrol. Sistem akan memaksa turun kembali memakai rumus Livak standar untuk menyelamatkan data Anda.

6. Kenapa tabel Uji Statistik saya kosong atau ada yang tertulis "ns"? "ns" berarti Not Significant (Tidak Signifikan). Jika tabel kosong, itu karena Anda hanya memasukkan 1 ulangan per perlakuan, sehingga uji Student t-test tidak memiliki landasan varians untuk bisa dihitung.

7. Apa itu FDR (q-value) di tabel statistik? Saat Anda menguji 10 gen sekaligus, peluang terjadinya kebetulan statistik meningkat tajam. FDR (False Discovery Rate) adalah hukuman (koreksi) yang diberikan oleh sistem Benjamini-Hochberg terhadap p-value untuk memastikan klaim "Signifikan" Anda benar-benar bisa dipertanggungjawabkan.

8. Di mana saya mengisi efisiensi gen di kotak E Map? Tuliskan dengan format NamaGen=NilaiEfisiensi. Contoh: jika efisiensi gen PR1 adalah 1.95 dan gen PDF1.2 adalah 2.02, maka ketikkan di kotak E Map: PR1=1.95, PDF1.2=2.02.

9. Bagaimana jika saya punya 2 gen referensi (HK)? Ketik kedua namanya di kotak "HK gene(s)" dipisahkan koma, contoh: Actin, GAPDH. Sistem otomatis akan mencari rata-rata (mean) dari kedua gen referensi tersebut untuk menormalisasi gen target.

10. Mengapa saya tidak bisa mengklik tombol "Hasil"? Tombol Hasil dikunci dan diwarnai buram hingga Anda mengklik tombol "RUN" dan sistem memastikan tidak ada cacat pada pengisian data Anda (seperti gen kontrol yang tidak tertulis).

11. Bagaimana cara menghapus data yang salah tulis di banyak kotak sekaligus? Sama seperti Microsoft Excel, klik satu kotak, tahan dan geser (drag) kursor Anda hingga beberapa kotak tersorot biru, lalu tekan tombol Delete di keyboard Anda.

12. Apakah data penelitian PCR saya aman? Sepenuhnya aman. AgroForecast dan Kalkulator qPCR ini menggunakan infrastruktur pemrosesan sisi klien (Client-Side). Artinya, file Excel dan angka yang Anda tempelkan sama sekali tidak pernah dikirim atau diunggah ke server internet manapun.