1+1＞2之三级淋巴结构（TLS）病理学联合生信分析 8分+思路，只需公共数据，让生信与

持续关注小云公众号的朋友应该看到过“三级淋巴结构（TLS）”这个方向，是一个潜在的生信热点，发文空间巨大（ps：没有看过的朋友建议往前倒倒或者点击下方链接观看哦）

虽然TLS已经有相关基因集合可以直接用来做生信，但目前TLS的主要检测方法还是组织病理学，并且很多高分文章仍然在做TLS病理学

小云不禁顺势猜想了一下：是不是可以把生信和病理结合起来分析？

估计朋友会觉得：应该可以结合，但是要做病理学就需要收集大量临床样本去检测，那大样本量病理学明明单独都可以发文章了，再联合生信划不来啊

确实存在这个问题哦，不过这可难不倒小云~ ~

嘿嘿，我已经找到了应对之法，不用收集样本就能做病理，还能直接联合生信，达到1+1＞2的效果，想知道怎么操作就接着往下看吧！

这个方法来源于1篇8分+的文章，利用两个公共数据库就把RNA-seq数据和病理切片联合在一起了，在病理分析的基础上做生信，轻松做到1+1＞2，还能使生信更加贴近临床，超级适合临床科研大军，一起学起来吧！

发表时间：2022年9月

发表杂志：Frontiers in immunology

影响因子：IF=8.786

文章题目：三级淋巴结构对肝细胞癌的保护作用:从遗传学角度的新发现

数据来源

研究流程及主要结果

肿瘤内TLS (iTLS)在TCGA-LIHC队列中使用来自CDSA存档的病理切片进行分类，分为TLS+组和TLS-组。进行单变量和多变量Cox回归分析以验证iTLS对总生存期(OS)、无复发生存期(RFS)和无病生存期(DFS)的影响。结合RNA-seq数据分析iTLS阴性组和iTLS阳性组之间差异表达的基因。GSEA用于探索这些差异表达基因影响的信号通路。随机森林算法用于识别与训练集中的iTLS具有最高相关性的基因。多变量逻辑回归用于建立一个模型来预测组织样本中的iTLS。Spearman相关用于分析TLS相关趋化因子和特征基因的关系，CIBERSORT用于计算免疫浸润分数。使用基因组癌症分析(GSCA)评估拷贝数变异及其与免疫细胞浸润和标记基因的关系。Correlation R软件包用于GO富集分析和基因突变分析。GSCA用于药物敏感性分析。LASSO回归用于建立预后模型，外部数据用于验证模型。

文章小结

文章利用病理学分析结合RNA-seq数据获得TLS特征基因，对特征基因进行一系列相关性分析，并建立预后模型。最大的亮点就是利用公共数据将病理学分析与生信进行有机结合，把创新性提升了1个level，这一点也可以应用于其他可以用病理学检测到的方向哦，学起来！

做TLS生信分析的一个关键步骤就是获得“TLS相关基因集合”，至此我们已经介绍了2种获得TLS基因集合的方法，两者创新性都很高，目前“TLS”这个方向的生信文章并不多，正是发文好时机，把握住哟

想复现这种思路或者定制更多创新性思路欢迎直接call小云，不知道自己关注疾病能不能做昼夜节律方向或者其他热点方向也可以找小云，云生信团队竭诚为您的科研助力！