8+ 肿瘤＋离子通道基因预后新方向！

北苍暮雪

原文公众号：一起实验网，免费生信问答~
对下述分析方法感兴趣或者没有研究思路的小伙伴，欢迎踊跃探讨！

早！今天小编和大家分享一篇22年发表在Frontiers
in immunology（IF:8.786）杂志的文章《An
ion-channel-gene-based
prediction
model for head and
neck
squamous cell carcinoma:Prognostic assessment and
treatment
guidance》作者一种基于离子通道基因建立头颈部鳞状细胞癌预测模型：预后评估和治疗指导。对于该思路有兴趣的老师，可以与我们联系，方法适用于其他疾病。

背景：

离子通道是跨膜蛋白，选择性地将离子转运穿过细胞膜。离子通道几乎存在于每个细胞中，并在各种生理活动中发挥作用，包括兴奋性、细胞周期进程、收缩和代谢，所以离子通道功能的缺陷损害了关键的细胞过程，导致各种通道疾病的发生。同时，离子通道也与肿瘤细胞生物学相关，例如它们在调节基因表达、细胞迁移、细胞增殖、肿瘤免疫调节和其他肿瘤病理生理过程中起重要作用，因此离子通道在肿瘤诊断、预后和作为膜治疗靶点方面的价值已受到广泛关注。
技术路线：





研究流程：

1. 在TCGA-HNSCC队列中使用单变量Cox回归分析，鉴定与HNSCC预后相关的离子通道基因。
2. 根据离子通道基因表达使用K-means算法进行聚类分析，共聚类为2个亚型，并比较两亚型间的免疫浸润状态。
3. 根据单变量Cox分析的结果，在TCGA队列中使用LASSO分析进一步筛选出与预后相关的基因，构建预后模型。随后进行KM生存分析，利用ROC曲线验证其预测性能，建立列线图。
4. 分析风险评分、肿瘤免疫浸润和基因突变状态之间的关系。评估风险评分对免疫治疗反应的预测能力和药敏性与风险评分的相关性。
5.通过qPCR、WB和IHC检测了特征基因的表达水平。
研究结果：

1.筛选与HNSCC预后相关的离子通道基因
将323个离子通道基因在TCGA队列中进行单变量Cox回归分析，鉴定出20个与HNSCC预后相关的离子通道基因。



     2.基于离子通道基因的聚类分析
根据20个预后相关的离子通道基因使用聚类分析对HNSCC患者进行分层，聚类为2个亚型并评估了这两个亚型的免疫浸润情况和DEGs的功能富集分析。



3.离子通道基因风险模型的构建和验证
使用LASSO回归分析进一步分析了20个基因，筛选了12个基因以建立预后模型，进行KM生存分析并利用ROC曲线验证其预测性能。







此外，创建了一个包含临床指标(分期、N和T)和风险评分的列线图，以更好地预测HNSCC病患者的生存时间，并利用DCA曲线验证其性能。





4.离子通道基因的突变分析
12个离子通道基因在肿瘤和正常组织中的表达；HNSCC中ANO1、AQP9、BEST2、CHRNA5和KCNJ15表达上调，而AQP1、AQP5、SCNN1G和SCN4A表达下调。还讨论了HNSCC中12个离子通道基因的CNVs和体细胞突变的频率。高危组中，231/241份（95.85%）HNSCC样本出现基因突变，而在低危组中，222/243份（91.36%）HNSCC样本出现基因突变。TCGA组中超过一半的TP53基因发生突变，高危组中TP53基因突变率较高。



5.风险评分与肿瘤免疫的相关性分析以及风险评分对免疫治疗反应和化疗敏感性的预测分析
对TCGA数据集中高危组和低风险组之间的免疫景观进行分析。使用7种算法分析免疫细胞浸润，并使用Spearman相关性来评估风险评分与TME之间的相关性，免疫浸润与风险评分之间的关系。显示低风险组的估计值和免疫评分较高，说明低风险组的免疫细胞浸润程度更大



对高危组和低危组间差异基因的KEGG和GO
富集分析。KEGG分析显示，DEGs主要参与细胞因子-细胞因子受体相互作用和原发性免疫缺陷。GO分析显示，这些基因主要在循环免疫球蛋白、免疫球蛋白复合物和抗原结合介导的体液免疫反应中富集。



利用风险评分预测了对免疫治疗和化疗的反应。TIDE算法用于预测对免疫治疗有反应的可能性。结果显示，高危组的TIDE评分显著较低且风险评分与TIDE评分呈负相关。在IMvigor210队列中，根据我们的公式计算每个患者的风险评分。高危组对免疫治疗有反应的患者比例更高，完全/部分缓解组的风险评分明显高于稳定/进展性疾病组。



6.在肿瘤组织中利用qPCR、WB和IHC验证特征基因的mRNA和蛋白表达
采用qRT-PCR证实了ANO1、AQP1、AQP5、AQP9、BEST2、SCNN1G、SCN4A、KCNJ15、CHRNA5在人头颈部癌及正常邻近组织中的mRNA表达。结果显示，在12例HNSCC患者的正常组织中，ANO1、AQP9和BEST2表达上调，而AQP5、SCN4A和SCNN1G表达上调。CHRNA5、KCNJ15、AQP1的表达均无统计学意义，但其表达趋势与生物信息学分析相同。然后，通过western印迹和免疫组化染色检测ANO1、AQP9、BEST2、AQP5、SCN4A和SCNN1G蛋白的表达水平，并与mRNA的表达水平一致。



小结
这篇文章利用离子通道相关基因进行肿瘤分型和构建风险模型，整体分析内容属于肿瘤生信常规分析，清晰全面，最后的离子通道基因表达验证也只需最常规的qPCR、WB等实验即可，没有复杂的膜片钳技术。