关于“离子通道”的生信思路，还是有不少小伙伴疑惑，离子通道这种东西跟生信怎么能沾边呢？

生信分析，主要目的在于筛基因找靶点，那我们把握住关键的离子通道也许就能瓦解掉肿瘤细胞呢？

如前所述，可以有多种分析方式，例如下面这篇6分的文章（Frontiers in Endocrinology，IF: 6.055），在前列腺癌队列中鉴定了5个差异表达的电压门控氯离子通道基因，然后通过来自TCGA队列中的Lasso-Cox回归分析构建了由CLCN2和CLCN6组成的signature，可以为前列腺癌患者的预后评估提供一种新的方法，并改善治疗决策。

这种就属于“降维+预后式”的分析思路，添加一些实验验证，3分打底的分析内容能发到6分的期刊。

（PS：这不是前列腺癌+离子通道已经有生信文章发表了吗，那我还能做这个方向吗？当然可以！分析方法不止一种）

还有一种方式就是分型+预后，例如这篇文章，同样发表在Frontiers系列期刊，但Frontiers in Immunology杂志影响因子是8.786分，好在哪里呢？我们一起来看看：

一、摘要

头颈部鳞状细胞癌是一种非常多样化的恶性肿瘤，预后较差。基于TCGA数据和离子通道基因将HNSCC区分为两种具有显著预后差异的亚型，并构建了一个由12个基因构成的风险评分模型，研究风险评分、肿瘤免疫浸润和基因突变状态之间的关系，并且基于风险评分和其他临床特征创建了一个简单的列线图，并进行实验验证。

二、流程如下图所示

三、结果展示

1、数据处理

作者从TCGA和GEO下载了数据集合并之后，采用主成分分析（PCA）来确定是否消除了批处理效应（去除批处理效应之前如A，之后如B）。收集离子通道基因集（C），采用单因素Cox回归分析，其中有20个基因与HNSCC预后相关（D）。

2、基于离子通道基因的聚类分析

作者使用聚类分析把HNSCC患者分为C1（n=408）和C2（n=446）两个亚组（A，C)，K-M曲线在OS上存在明显差异（B）。两组之间的免疫细胞浸润水平（D、F-H）、肿瘤纯度评分（E）以及功能富集等存在显著的差异（L-M）。

3、离子通道基因风险signature的构建与验证

在训练集和验证集中，高危患者的OS均低于低危患者（-5）。

4、风险模型与临床病理特征相关

5、构建列线图

作者基于风险signature和临床因素，构建了可以预测患者预后的列线图，该列线图具有良好的预测精度，可以作为临床实践中有用的工具（）。

6、HNSCC中12个离子通道基因的突变谱

在TCGA-HNSC队列中，作者观察到12个离子通道基因在肿瘤和正常组织中的表达具有显著差异，并展示了基因的CNVs和体细胞突变的频率（)。

7、风险评分与肿瘤免疫力之间的关系

作者使用7种算法分析了免疫细胞浸润，并评估风险评分与TME之间的相关性（0A-J）。低风险组的估计评分和免疫评分较高（0K-M），说明低风险组的免疫细胞浸润程度更大。

KEGG分析显示，组间差异表达基因主要参与cytokine-cytokine receptor interaction（细胞因子-细胞因子相互作用）和primary immunodeficiency（原发性免疫缺陷）等过程（1A）。GO分析表明，这些基因主要在humoral immune response mediated by circulating immunoglobulins（循环免疫球蛋白介导的体液免疫应答）、immunoglobulin complexes（免疫球蛋白复合物）和antigen binding（抗原结合）中富集（1B）。

8、风险评分预测HNSCC患者的免疫治疗反应和化疗敏感性

高危组的TIDE评分显著降低（2A），风险评分与TIDE评分呈负相关（2B）。在IMvigor210队列中，高危组中对免疫治疗有反应的患者比例更高（2C），完全/部分缓解组的风险评分明显高于稳定/进展性疾病组（2D）。同时，不同风险评分组的药物半抑制浓度值具有显著差异（2E-P）。

9、肿瘤及邻近正常组织中基因mRNA和蛋白的验证

作者利用qRT-PCR、western blot和免疫组化染色法验证了离子通道相关基因的表达水平，与分析结果一致。

小结

整体来说，这篇文章主题是大家都比较熟悉的离子通道，目前这一领域也一直是实验类文章为主，所以作为生信文章的分析主题，是一个非常具有创新性的方向，再加上分析思路比较清晰全面，发到8分的期刊也是“名”副其实的。

还有一点，虽是关于离子通道基因和蛋白的验证，但其验证方法比较常见，只用了PCR、WB和免疫组化，没有复杂的膜片钳技术！担心离子通道不方便实验验证的小伙伴，大可以放心了。

当然，如果从单细胞水平去分析离子通道，将更具吸引力，个中缘由相信不用我多说，快扫码上车。