يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة منهجية

الاتجاهات البحثية العالمية والحالية لتسلسل الخلية المفردة في السرطان: دراسة ببليومترية ومرئية

1.6K مشاهدات

⸱

DOI:

10.3791/67880

⸱

أبريل 18, 2025

 ,  ,  ,  ,  ,  ,  , 
1Department of Operating Theatre, Tianjin Medical University General Hospital, 2Department of General Surgery, Tianjin Medical University General Hospital, Tianjin Medical University, 3Department of Medical Oncology, Tianjin Medical University General Hospital

* These authors contributed equally

في هذه المقالة

ملخص

يشير هذا التحليل الببليومتري لتسلسل الخلية المفردة في أبحاث السرطان إلى أن الصين والولايات المتحدة تنتجان مقالات علمية أكثر بكثير من الدول الأخرى. يحدد اكتشاف الانفجار المصطلحات الناشئة مثل "عدم التجانس داخل الورم" و "التطور النسيلي" و "أنظمة توصيل الأدوية" ، والتي من المتوقع أن تؤثر على الأبحاث المستقبلية.

الملخص

يشكل السرطان تحديا كبيرا لصحة الإنسان بسبب أنظمته البيولوجية المعقدة ، مما يتطلب تحليلا متعمقا. أصبح تسلسل الخلية المفردة أداة أساسية للتحقيق في هذه الأنظمة ، مما يتيح الكشف عن التعبير الجيني والتعديلات اللاجينية على مستوى الخلية الواحدة. لتوضيح اتجاهات البحث وشبكات التعاون ونشر المعرفة في هذا المجال ، تم إجراء تحليل ببليومتري باستخدام قاعدة بيانات Web of Science Core Collection ، والتي تغطي المنشورات من 1 يناير 2010 إلى 31 ديسمبر 2023. تم استخدام حزمة Bibliometrix في R لاستخراج وتحليل بيانات المنشورات الرئيسية ، بما في ذلك أنواع الوثائق والبلدان والمؤسسات والمؤلفين والكلمات الرئيسية. بالإضافة إلى ذلك ، تم استخدام CiteSpace و VOSviewer ومنصة التحليل عبر الإنترنت لمقاييس الأدب لتجميع البيانات وتصورها. حدد التحليل 34,074 مؤلفا من 3,129 مؤسسة في 75 دولة ومنطقة ، ساهموا في 5,680 منشورا حول تسلسل الخلية المفردة في السرطان ، نشرت في 788 مجلة أكاديمية. برزت الصين والولايات المتحدة كدولتين رائدتين في حجم النشر. أنتجت جامعة هارفارد أكبر عدد من المنشورات (320) ، مع اعتراف أفيف ريغيف ، التابع لجامعة هارفارد ، كمساهم رئيسي. تسلط المجلات الرائدة ، مثل Frontiers in Immunology و Nature Communications ، الضوء على مجالات البحث الراسخة والناشئة ، بما في ذلك البيئة المكروية المناعية والعلاج المناعي. تشمل الاتجاهات الرئيسية والمجالات المحتملة للبحث المستقبلي عدم التجانس داخل الورم ، والتطور النسيلي ، وأنظمة توصيل الأدوية. تقدم هذه الدراسة نظرة عامة شاملة على أبحاث التسلسل أحادي الخلية في علم الأورام ، مع التركيز على تقدمها السريع ، مدفوعا بالتقدم التكنولوجي والتعاون الدولي. سيكون تعزيز الشراكات العالمية وتطوير الأدوات التحليلية التكاملية ومعالجة تعقيدات البيانات أمرا بالغ الأهمية لتطوير علاجات السرطان الشخصية وتعميق الرؤى في بيولوجيا السرطان.

المقدمة

يمثل السرطان أحد أكثر الأمراض ضررا ، حيث يحتل المرتبة الثانية الرئيسية للوفيات في جميع أنحاءالعالم 1. تشير التقديرات إلى أنه بحلول عام 2035 ، سيتأثر ما يقرب من ربع سكان العالم بشكل مباشر بالسرطان2،3. يرتبط التسبب في السرطان بشكل أساسي بخلل في النمو الخلوي ، والذي يتأثر بمجموعة متنوعة من العوامل السرطانية4،5. تم تصور "السمات المميزة للسرطان" على أنها مجموعة من القدرات الوظيفية التي تسهل الانتقال من الحالات الخلوية الطبيعية إلى نمو الأورام ، وتحديدا تلك القدرات الضرورية لتكوين الأورامالخبيثة 6. تلعب تقنية التسلسل دورا محوريا في تعزيز فهمنا للتسبب في المرض. ومع ذلك ، نظرا لعدم التجانس المتأصل في الأورام ، فإن تحديد الخصائص الجينومية للخلايا الجذعية منخفضة الوفرة من خلال تحليل التسلسل عالي الإنتاجية لأنسجة الورم يمثل تحديات كبيرة7،8.

يمثل التسلسل أحادي الخلية ، والذي يشمل علم الجينوم ، والنسخ ، وعلم الجينوم ، والبروتينات ، والتمثيل الغذائي ، نهجا منهجيا قويا لتوضيح المناظر الطبيعية الخلوية والجزيئية على مستوى الخلية المفردة9،10. وقد عزز تطبيقه في أبحاث السرطان بشكل كبير فهم الخصائص البيولوجية والديناميكيات الموجودة في آفات الأورام ، مما يسهل فهما أكثر شمولا لتطور السرطان والورم الخبيث.

يفحص التحليل الببليومتري الخصائص الهيكلية والسمات للمنشورات العلمية وقد تم استخدامه على نطاق واسع في كل من التقييمات النوعية والكمية للأدبيات العلمية11،12. من خلال مقارنة المساهمات من مختلف البلدان والمؤسسات والباحثين والمنشورات ، من الممكن توضيح وتوقع التطورات المحتملة في مجال بحثي معين. على الرغم من وجود زيادة كبيرة في المراجعات المنهجية والسردية التي تركز على أبحاث تسلسل الخلية المفردة في السرطان ، إلا أنه لا يزال هناك نقص ملحوظ في التحليلات الشاملة في مجال التقييم الكمي13 ، 14 ، 15. تهدف هذه الدراسة إلى إجراء تحليل شامل للاتجاهات التنموية والموضوعات البحثية البارزة في تسلسل الخلية المفردة في مجال السرطان ، باستخدام طرق القياس الببليومتري. ستقدم النتائج للباحثين والأطباء وصانعي السياسات نظرة عامة مفصلة على الوضع الحالي للمعرفة والفهم في هذا المجال.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

تم الحصول على البيانات المستخدمة في هذه الدراسة من مجموعة Web of Science Core (2010-2023).

1. جمع البيانات

  1. اختيار قاعدة البيانات
    1. الوصول إلى قاعدة بيانات Web of Science Core Collection (WoSCC) عبر. https://webofscience. clarivate.cn/wos/author/author-search.
    2. قم ببناء استراتيجية بحث باستخدام كلمات رئيسية مستهدفة ، وتحديدا "تسلسل الخلية الواحدة" و "السرطان" ، لتحديد الأدبيات ذات الصلة. انقر فوق زر البحث لإكمال البحث في الأدبيات.
      ملاحظة: يرجى الرجوع إلى الجدول التكميلي 1 للحصول على قائمة كاملة بالكلمات الرئيسية المستخدمة في استراتيجية البحث لتعزيز الدقة والشمولية.
  2. معلمات البحث
    1. اختر فترة النشر من 1 يناير 2010 إلى 31 ديسمبر 2023 ، لالتقاط أحدث اتجاهات البحث وشمولية.
    2. حدد اللغة الإنجليزية كلغة لنتائج البحث واختر المقالة وكانت المراجعة هي أنواع المقالات لضمان اتساق البيانات وتسهيل التحليل المقارن.
    3. ضمان الملاءمة من خلال استبعاد المنشورات خارج مجالات تسلسل الخلية المفردة وأبحاث السرطان.
  3. استرجاع البيانات وتنسيقها
    1. قم بتجميع المنشورات المختارة بتنسيق السجل الكامل والمراجع المقتبسة للحفاظ على البيانات الوصفية التفصيلية.
    2. احفظ البيانات التي تم جمعها كملفات نص عادي لتحليلها لاحقا باستخدام أدوات القياس الببليومتري.
    3. تحقق من أن كل سجل يحتوي على بيانات وصفية كاملة ، بما في ذلك معلومات الاقتباس والتأليف المشترك ، لتمكين تحليل ببليومتري شامل (الشكل 1).

2. المعالجة المسبقة للبيانات

  1. جمع البيانات واستيرادها
    1. قم بتشغيل واجهة bibliometrix لحزمة biblioshiny في R.
      ملاحظة: يتم توفير الرمز المحدد على النحو التالي:
      المكتبة (المكتبة
      packageVersion("bibliometrix")
      biblioshiny()
    2. قم بالوصول إلى قاعدة بيانات WoSCC وحدد ملف نص عادي مدمج يحتوي على بيانات ببليومترية.
    3. قم باستيراد البيانات وتصديرها بتنسيق بيانات R للتحليل اللاحق.
  2. اتجاه النمو السنوي للمنشورات والاستشهادات
    1. قم بتحويل عمودي PY (سنة النشر) و Z9 (عدد الاقتباسات) إلى تنسيق رقمي.
    2. قم بتجميع البيانات حسب سنة النشر وحساب عدد المنشورات السنوية وإجمالي الاستشهادات.
    3. قم بإنشاء مخطط شريطي لتمثيل عدد المنشورات كل عام وتراكب رسم بياني خطي لتوضيح عدد الاقتباسات بمرور الوقت.
      ملاحظة: يتم توفير الرمز المحدد كرمز 1 في الملف التكميلي 1.
  3. النشر الوطني وتحليل التعاون
    1. تجميع النشر والتعاون الوطني
      1. تلخيص المنشورات والاستشهادات السنوية لكل بلد باستخدام حقلي السنة المنشورة (PY) وبلدان المؤلف (AU_CO1).
      2. ركز التحليل على أفضل 10 دول حسب حجم النشر.
    2. الحساب المتري
      1. حساب المقاييس الرئيسية، بما في ذلك عدد المنشورات (NP) وتكرار الاستشهاد (NC) والمنشورات في بلد واحد (SCP) والمنشورات متعددة البلدان (MCP)16.
      2. تحديد نسبة المنشورات متعددة البلدان (MCP_Ratio) كمؤشر للتعاون الدولي.
      3. استخدم وظيفة مؤشر H في R لحساب مؤشرات التأثير (مؤشر H ، ومؤشر G ، ومؤشر M) لكل بلد على مدى فترة 14 عاما17.
        ملاحظة: يتم توفير الرمز المحدد كرمز 2 في الملف التكميلي 1. استخدم منصة تحليل الأدب عبر الإنترنت (https://bibliometric.com/) لفحص العلاقات التعاونية بين البلدان. تحميل البيانات بتنسيق نص عادي من WoSCC. استخدام ميزة "العلاقات القطرية" لتقييم التعاون الدولي. تتوج بتصور شبكة التعاون بين البلدان المساهمة الرائدة.
  4. النشر المؤسسي وتحليل التعاون
    1. استخراج البيانات وترتيبها
      1. استخراج البيانات المؤسسية من قسم الانتساب ضمن ميزة تحليل النتائج في قاعدة بيانات WoSCC.
      2. ترتيب المؤسسات بترتيب تنازلي وفقا لإجمالي عدد المقالات المنشورة.
    2. تصور البيانات
      1. قم بإنشاء مخطط شريطي أفقي باستخدام حزمة ggplot2 في R لتوضيح حجم النشر عبر المؤسسات الرائدة.
        ملاحظة: يتم توفير الرمز المحدد كرمز 3 في الملف التكميلي 1.
    3. تحليل التأليف المشترك
      1. إعداد التحليل في VOSviewer: قم بتشغيل VOSviewer، ثم حدد إنشاء من القائمة الرئيسية. اختر إنشاء خريطة استنادا إلى البيانات الببليوغرافية واختر قراءة البيانات من ملفات قاعدة البيانات الببليوغرافية. أخيرا ، قم باستيراد ملفات النص العادي.
      2. التكوين والمعلمات: قم بتعيين نوع التحليل إلى التأليف المشترك في VOSviewer. اختر طريقة الجرد الكامل وحدد المؤسسات كوحدة تحليل. قم بتكوين المعلمات لتشمل 1,200 مؤسسة كحد أقصى لكل مستند وقم بتعيين الحد الأدنى إلى 30 مستندا لكل مؤسسة لضمان تحليل شامل للشبكة.
      3. التصور والتفسير: أكمل الإعداد بالنقر فوق إنهاء لإنشاء خريطة مرئيات توضح شبكات التعاون بين المؤسسات. التأكد من أن الخريطة تسلط الضوء على مستويات الاتصال والشراكة ، وتحديد المراكز المركزية للنشاط البحثي والمجالات الرئيسية للتعاون بين المؤسسات.
  5. تحليل تعاون المؤلفين والمؤلفين
    1. تحديد المؤلفين غزير الإنتاج: قم بالوصول إلى قسم ملفات تعريف الباحثين في قاعدة بيانات WoSCC لتصنيف المؤلفين بناء على العدد الإجمالي للمقالات المنشورة.
    2. تصور البيانات: استخدم حزمة ggplot2 في R لإنشاء مخطط شريطي أفقي يمثل بشكل مرئي حجم المنشور للمؤلفين الرئيسيين.
    3. تقييم مساهمات المؤلفين: استرجاع مقاييس إضافية لأفضل 10 مؤلفين حسب حجم المنشور، بما في ذلك مؤشر H والبلد والمؤسسة التابعة لها، باستخدام البيانات من قاعدة بيانات WoSCC.
      ملاحظة: يتم توفير الرمز المحدد كرمز 4 في الملف التكميلي 1.
    4. شبكات تعاون المؤلف
      1. إعداد التحليل في VOSviewer: قم بتشغيل VOSviewer وحدد الزر "إنشاء " ، متبوعا بإنشاء خريطة بناء على البيانات الببليوغرافية. قم باستيراد ملفات النص العادي ذات الصلة التي تحتوي على بيانات ببليوغرافية عن طريق تحديد قراءة البيانات من ملفات قاعدة البيانات الببليوغرافية.
      2. التكوين والمعلمات: قم بتعيين نوع التحليل إلى التأليف المشترك واستخدم طريقة الجرد الكامل . اختر المؤلفين كوحدة تحليل. اضبط المعلمات لتشمل 33 مؤسسة كحد أقصى لكل مستند وقم بإنشاء حد أدنى يبلغ 15 مستندا لكل مؤلف لضمان التقاط بيانات التعاون الهادفة.
      3. التصور والرؤى: انقر فوق إنهاء لإنشاء تصور تراكب ، والذي يوضح التطور الزمني لتعاون المؤلفين ، مما يوفر نظرة ثاقبة لديناميكيات ونمو شبكات التأليف المشترك بمرور الوقت.
  6. تحليل المجلات والمجلات المشتركة
    1. حساب مقاييس المجلة: استخدم وظيفة H-index في R لحساب المقاييس الرئيسية لكل مجلة ، بما في ذلك عدد المنشورات لكل مصدر (NP) ، وتكرار الاقتباس (NC) ، وسنة النشر الأول (PY_start) ، ومؤشرات التأثير (H-index و G-index و M-index).
    2. استرجاع عوامل التأثير والتصنيفات: الحصول على عوامل تأثير المجلات والتصنيفات الرباعية من قاعدة بيانات WoSCC لإجراء مزيد من التقييم لتأثير ومكانة كل مجلة في هذا المجال.
      ملاحظة: يتم توفير الرمز المحدد كرمز 5 في الملف التكميلي 1.
    3. تحليل تدفق المعرفة
      1. استيراد البيانات وإعدادها في CiteSpace: افتح CiteSpace وانتقل إلى قائمة البيانات . حدد استيراد/تصدير واختر WOS لاستيراد البيانات. قم بتكوين مسارات الإدخال والإخراج كما هو مطلوب.
      2. تحديد الخريطة وتكوينها: حدد خيارات خرائط التراكب وخرائط دفاتر يومية JCR داخل CiteSpace، مع تعيين درجة z إلى 0. يتيح هذا الإعداد إنشاء خريطة مزدوجة لتوضيح تدفق المعرفة بين المجلات.
  7. تحليل المراجع المشتركة والشبكات التجميعية
    1. استيراد البيانات وإعدادها في CiteSpace
      1. افتح CiteSpace، وانتقل إلى قائمة البيانات ، وحدد استيراد/تصدير.
      2. استيراد البيانات من قاعدة بيانات WoSCC بنص عادي ، وتكوين شريحة زمنية للتحليل من يناير 2010 إلى ديسمبر 2023 بفاصل زمني مدته عام واحد للتفاصيل الزمنية.
    2. تكوين الشبكة وتشذيبها
      1. قم بتعيين نوع العقدة إلى مرجع في CiteSpace. استخدم خيار Pathfinder وميزة Pruning Slices Networks لتطبيق التقليم على الشبكة.
      2. قم بتنفيذ التحليل بالنقر فوق GO لإنشاء خريطة مرجعية مشتركة ، وضبط إعدادات الخط واللون لتحسين قابلية القراءة.
    3. تحديد المراجع عالية التأثير
      1. حدد خيار Burstness واضبط المعلمة γ على [0، 1] في CiteSpace.
      2. قم بتحديث البيانات لإنشاء قائمة بأفضل 20 مرجعا مع أقوى رشقات اقتباس.
  8. تحليل التواجد المشترك للكلمات الرئيسية
    1. تحليل تكرار الكلمات الرئيسية في R
      1. قم بإجراء تحليل الكلمات الرئيسية باستخدام حزمة bibliometrix في R ، مع التركيز على الكلمات الرئيسية الأكثر شيوعا عبر المستندات.
      2. اضبط الحقل على الكلمات الرئيسية للمؤلف وحدد العدد بأعلى 20 كلمة رئيسية ، وقم بتصفية المرادفات لضمان الاتساق.
    2. تحليل انفجار الكلمات الرئيسية في CiteSpace
      1. استخدم CiteSpace لإجراء تحليل اندفاع الكلمات الرئيسية عن طريق تحديد خيار Burstness وتعيين المعلمة γ إلى [0، 1].
      2. قم بتحديث البيانات لإنشاء قائمة بأفضل 30 كلمة رئيسية مع أقوى رشقات اقتباس.
    3. تحليل شبكة الكلمات الرئيسية المتزامنة في VOSviewer
      1. افتح VOSviewer، وحدد إنشاء، ثم قم بإنشاء خريطة استنادا إلى البيانات الببليوغرافية.
      2. قم باستيراد ملفات النص العادي باستخدام خيار قراءة البيانات من ملفات قاعدة البيانات الببليوغرافية .
      3. قم بتعيين نوع التحليل إلى الحدوث المتزامن، باستخدام طريقة العد الكامل ، مع الكلمات الأساسية للمؤلف كوحدة تحليل.
      4. قم بتطبيق حد أدنى يبلغ 40 تكرارا للكلمات الرئيسية وانقر فوق إنهاء لإكمال التحليل ، مما ينتج عنه شبكة تصادف مشترك تصور علاقات الكلمات الرئيسية داخل الحقل.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

اتجاه النمو السنوي للمنشورات والاستشهادات
من عام 2010 إلى عام 2023 ، تم تحديد ما مجموعه 6,767 منشورا متعلقا بتسلسل الخلية المفردة في السرطان في قاعدة بيانات WoSCC. تم استبعاد ما مجموعه 602 دراسة نشرت بين عامي 2010 و 2023 من التحليل ، تليها استبعاد خمس دراسات لم تنشر باللغة الإنجليزية. بالإضافة إلى ذلك، تم استبعاد 480 مقالة بناء على معايير استبعاد محددة مسبقا، بما في ذلك 361 ملخصا للاجتماعات، و83 مادة تحريرية، و36 مقالة مصنفة ضمن فئات أخرى. في النهاية ، تم تضمين 5680 مقالة في هذه الدراسة ، تتكون من 509...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

يعمل التحليل الببليومتري كنهج كمي لتقييم الخصائص والتأثير العلمي للمنشورات المهمة26. أجرت هذه الدراسة تحليلا ببليومتريا شاملا ل 5,680 مقالة تتعلق بتسلسل الخلية المفردة في أبحاث السرطان ، تم استخراجها من قاعدة بيانات WoSCC ونشرت بين عامي 2010 و 2023. يهدف هذا التحليل إلى تقييم الوضع الحالي للبحث ، وتحديد النقاط الساخنة الرئيسية للبحث ، وتوضيح الاتجاهات الناشئة لتوفير رؤى قابلة للتنفيذ للباحثين وصانعي السياسات.

يمكن تصنيف تطوير تسلسل الخل...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

المؤلفون ليس لديهم ما يكشفون عنه.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
حزمة bibliometrixشبكة أرشيف R الشاملة (CRAN)bibliometrix 4.3.0مخطط غابة يسمح بفواصل ثقة متعددة لكل صف ، وخطوط مخصصة لكل عنصر نص ، وفترات ثقة مخصصة ، ونص مختلط بالتعبيرات ، والمزيد.
CiteSpaceChaomei Chen ، جامعة دريكسيلCiteSpace 6.2.R4 (64 بت) بيتا Basic& zwnj ؛ CiteSpace‌ هي أداة لتحليل الأدبيات العلمية. وتتمثل مهمتها الرئيسية في تحليل المعرفة الأساسية في الأدب العلمي من خلال الوسائل المرئية ، وإظهار بنية المعرفة العلمية وقواعدها وتوزيعها. تشمل الوظائف الرئيسية ل CiteSpace ما يلي: تحليل التعاون البحثي &zwnj ؛ ، والحكم الهام في المجلة &zwnj ؛ واستخراج الموضوع الأساسي وما إلى ذلك.
أرشيف R الشاملةdplyrdplyr 1.1.4dbplyr هي الواجهة الخلفية لقاعدة البيانات ل dplyr. يسمح لك باستخدام جداول قاعدة البيانات البعيدة كما لو كانت إطارات بيانات في الذاكرة عن طريق تحويل كود dplyr تلقائيا إلى SQL.
شبكة أرشيف R الشاملة (CRAN)esquisse 2.0.1يتيح لك هذا الإضافة استكشاف بياناتك بشكل تفاعلي من خلال تصورها باستخدام حزمة ggplot2. يسمح لك برسم مخططات شريطية ومنحنيات ومخططات مبعثرة ورسوم بيانية ومخطط مربع وكائنات sf ، ثم تصدير الرسم البياني أو استرداد الكود لإعادة إنتاج الرسم البياني.
شبكة أرشيف Rالشاملة (CRAN)forcats 1.0.0R عوامل للتعامل مع المتغيرات الفئوية والمتغيرات التي تحتوي على مجموعة ثابتة ومعروفة من القيم المحتملة. العوامل مفيدة أيضا لإعادة ترتيب متجهات الأحرف لتحسين العرض. الهدف من حزمة forcats هو توفير مجموعة من الأدوات التي تحل المشكلات الشائعة بعوامل ، بما في ذلك تغيير ترتيب المستويات أو القيم.
ggplot2Comprehensive R Archive Network (CRAN)ggplot2 3.5.1ggplot2 هو نظام لإنشاء رسومات تصريحية ، استنادا إلى قواعد الرسومات. أنت تقدم البيانات ، وتخبر ggplot2 بكيفية تعيين المتغيرات إلى الجماليات ، وما هي البدائيات الرسومية التي يجب استخدامها ، وتهتم بالتفاصيل.
ggpmiscشبكة أرشيف R الشاملة (CRAN)ggpmisc 0.6.1 ggpmisc' (امتدادات متنوعة إلى ' ggplot2') هي مجموعة من الامتدادات لحزمة R ' ggplot2' (> = 3.0.0) مع التركيز على التعليقات التوضيحية والتخطيط المتعلق بالنماذج المجهزة. يمكن عرض التقديرات من كائنات ملاءمة النموذج في ggplots كنص أو جداول أو معادلات. يمكن رسم القيم المتوقعة والمخلفات والانحرافات والأوزان لمختلف وظائف ملاءمة النموذج.
ggsciComprehensive R Archive Network (CRAN)ggsci 3.2.0ggsci مجموعة من لوحات ألوان ggplot2 المستوحاة من المجلات العلمية ومكتبات تصور البيانات وأفلام الخيال العلمي والبرامج التلفزيونية.
openxlsxشبكة أرشيف R الشاملة (CRAN)openxlsx 4.2.7.1تعمل حزمة R هذه على تبسيط إنشاء ملفات .xlsx من خلال توفير واجهة عالية المستوى لكتابة أوراق العمل وتصميمها وتحريرها. من خلال استخدام Rcpp ، يمكن مقارنة أوقات القراءة / الكتابة بحزم xlsx و XLConnect مع ميزة إضافية تتمثل في إزالة التبعية على Java.
شبكة أرشيف Rالشاملة (CRAN)readxl 1.4.3تسهل حزمة readxl إخراج البيانات من Excel إلى R. مقارنة بالعديد من الحزم الموجودة (مثل gdata و xlsx و xlsReadWrite) ، فإن readxl ليس له تبعيات خارجية ، لذلك s سهلة التركيب والاستخدام على جميع أنظمة التشغيل. إنه مصمم للعمل مع البيانات الجدولية.
reshape2شبكة أرشيف R الشاملة (CRAN)reshape2 1.4.4Reshape2 هي إعادة تشغيل لحزمة إعادة التشكيل. لقد مرت أكثر من خمس سنوات منذ الإصدار الأول من إعادة التشكيل ، وفي ذلك الوقت تعلمت قدرا هائلا عن برمجة R ، وكيفية العمل مع البيانات في R. يستخدم Reshape2 هذه المعرفة لإنشاء حزمة جديدة لإعادة تشكيل البيانات التي تكون أكثر تركيزا وأسرع بكثير.
سترينجرشبكة أرشيف R الشاملة (CRAN)سترينجر 1.5.1سلاسل ليست مكونات براقة ورفيعة المستوى من R ، لكنها تلعب دورا كبيرا في العديد من مهام تنظيف البيانات وإعدادها. توفر حزمة سترينجر مجموعة متماسكة من الوظائف المصممة لجعل العمل مع الأوتار أمرا سهلا قدر الإمكان.
tidytextشبكة أرشيف R الشاملة (CRAN)tidytext 0.4.2يمكن أن يؤدي استخدام مبادئ البيانات المرتبة إلى جعل العديد من مهام التنقيب عن النصوص أسهل وأكثر فعالية واتساقا مع الأدوات المستخدمة بالفعل على نطاق واسع. يوجد بالفعل الكثير من البنية التحتية اللازمة لاستخراج النصوص باستخدام إطارات البيانات المرتبة في حزم مثل dplyr و broom و tidyr و ggplot2. في هذه الحزمة، نقدم وظائف ومجموعات بيانات داعمة للسماح بتحويل النص من وإلى تنسيقات مرتبة، والتبديل بسلاسة بين الأدوات المرتبة وحزم التنقيب عن النصوص الحالية. تحقق من كتابنا لمعرفة المزيد حول التنقيب عن النصوص باستخدام مبادئ البيانات المرتبة
tidyverseشبكة أرشيف R الشاملة (CRAN)tidyverse 2.0.0Tidyverse عبارة عن مجموعة ذات رأي من حزم R المصممة لعلوم البيانات. تشترك جميع الحزم في فلسفة التصميم الأساسية والقواعد وهياكل البيانات.
VennDiagramشبكة أرشيف R الشاملة (CRAN)VennDiagram 1.7.3VennDiagram عبارة عن حزمة R لإنشاء مخططات Venn عالية الدقة وقابلة للتخصيص مع ما يصل إلى أربع مجموعات ومخططات أويلر مع ما يصل إلى ثلاث مجموعات. يتضمن التعامل مع العديد من الحالات الخاصة بما في ذلك تحجيم حالتين ، والتخصيص الشامل لشكل المؤامرة وهيكلها.
VOSviewer  مركز دراسات العلوم والتكنولوجيا ، جامعة ليدن ، هولنداVOSviewer الإصدار 1.6.19VOSviewer هو أداة برمجية لبناء وتصور الشبكات الببليومترية. قد تشمل هذه الشبكات على سبيل المثال المجلات أو الباحثين أو المنشورات الفردية ، ويمكن إنشاؤها بناء على الاقتباس أو الاقتران الببليوغرافي أو الاقتباس المشترك أو علاقات التأليف المشترك. يوفر VOSviewer أيضا وظيفة التنقيب عن النصوص التي يمكن استخدامها لبناء وتصور شبكات التواجد المشترك للمصطلحات المهمة المستخرجة من مجموعة من الأدبيات العلمية.
شبكة (CRAN)تستخدم حزمة تقدم

المراجع

  1. Kocarnik, J. M., et al. Cancer incidence, mortality, years of life lost, years lived with disability, and disability-adjusted life years for 29 cancer groups from 2010 to 2019: A systematic analysis for the global burden of disease study 2019. JAMA Oncol. 8 (3), 420-444 (2022).
  2. Soerjomataram, I., Bray, F. Planning for tomorrow: Global cancer incidence and the role of prevention 2020-2070. Nat Rev Clin Oncol. 18 (10), 663-672 (2021).
  3. Bray, F., et al. Global cancer statistics 2022: Globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 74 (3), 229-263 (2024).
  4. Zhang, Y., Zhang, Z. The history and advances in cancer immunotherapy: Understanding the characteristics of tumor-infiltrating immune cells and their therapeutic implications. Cell Mol Immunol. 17 (8), 807-821 (2020).
  5. Xu, X., et al. Metabolic reprogramming and epigenetic modifications in cancer: From the impacts and mechanisms to the treatment potential. Exp Mol Med. 55 (7), 1357-1370 (2023).
  6. Hanahan, D. Hallmarks of cancer: New dimensions. Cancer Discov. 12 (1), 31-46 (2022).
  7. Kashyap, A., et al. Quantification of tumor heterogeneity: From data acquisition to metric generation. Trends Biotechnol. 40 (6), 647-676 (2022).
  8. Vredevoogd, D. W., Peeper, D. S. Heterogeneity in functional genetic screens: Friend or foe. Front Immunol. 14, 1162706(2023).
  9. Jovic, D., et al. Single-cell RNA sequencing technologies and applications: A brief overview. Clin Transl Med. 12 (3), e694(2022).
  10. Hong, M., et al. RNA sequencing: New technologies and applications in cancer research. J Hematol Oncol. 13 (1), 166(2020).
  11. Moed, H. F. New developments in the use of citation analysis in research evaluation. Arch Immunol Ther Exp (Warsz). 57 (1), 13-18 (2009).
  12. Ninkov, A., Frank, J. R., Maggio, L. A. Bibliometrics: Methods for studying academic publishing. Perspect Med Educ. 11 (3), 173-176 (2022).
  13. Li, X., Wang, L., Wang, L., Feng, Z., Peng, C. Single-cell sequencing of hepatocellular carcinoma reveals cell interactions and cell heterogeneity in the microenvironment. Int J Gen Med. 14, 10141-10153 (2021).
  14. Li, Y., Jin, J., Bai, F. Cancer biology deciphered by single-cell transcriptomic sequencing. Protein Cell. 13 (3), 167-179 (2022).
  15. Bai, X., Li, Y., Zeng, X., Zhao, Q., Zhang, Z. Single-cell sequencing technology in tumor research. Clin Chim Acta. 518, 101-109 (2021).
  16. Zhang, L., et al. Worldwide research trends on tumor burden and immunotherapy: A bibliometric analysis. Int J Surg. 110 (3), 1699-1710 (2024).
  17. Ghorbani, B. D. A scientometrics research perspective in applied linguistics. Meihami, H., Esfandiari, R. , Springer Nature. Switzerland, Cham. 197-234 (2024).
  18. Chen, C. M., Leydesdorff, L. Patterns of connections and movements in dual-map overlays: A new method of publication portfolio analysis. J Assoc Inf Sci Technol. 65 (2), 334-351 (2014).
  19. Shen, S., et al. Analyzing and mapping the research status, hotspots, and frontiers of biological wound dressings: An in-depth data-driven assessment. Int J Pharm. 629, 122385(2022).
  20. Small, H., Sweeney, E., Greenlee, E. Clustering the science citation index using co-citations .2. Mapping science. Scientometrics. 8 (5-6), 321-340 (1985).
  21. Butler, A., Hoffman, P., Smibert, P., Papalexi, E., Satija, R. Integrating single-cell transcriptomic data across different conditions, technologies, and species. Nat Biotechnol. 36 (5), 411-420 (2018).
  22. Stuart, T., et al. Comprehensive integration of single-cell data. Cell. 177 (7), 1888-1902.e21 (2019).
  23. Baysoy, A., Bai, Z., Satija, R., Fan, R. The technological landscape and applications of single-cell multi-omics. Nat Rev Mol Cell Biol. 24 (10), 695-713 (2023).
  24. Macosko, E. Z., et al. Highly parallel genome-wide expression profiling of individual cells using nanoliter droplets. Cell. 161 (5), 1202-1214 (2015).
  25. Tirosh, I., et al. Dissecting the multicellular ecosystem of metastatic melanoma by single-cell RNA-seq. Science (New York, N.Y.). 352 (6282), 189-196 (2016).
  26. Martinez-Simon, A., et al. Covid-19 publications in anaesthesiology journals: A bibliometric analysis. Br J Anaesth. 128 (3), e239-e241 (2022).
  27. Wen, L., Tang, F. Single-cell sequencing in stem cell biology. Genome Biol. 17, 71(2016).
  28. Zhang, Y., et al. Single-cell RNA sequencing in cancer research. J Exp Clin Cancer Res. 40 (1), 81(2021).
  29. Tang, F., et al. MRNA-seq whole-transcriptome analysis of a single-cell. Nat Methods. 6 (5), 377-382 (2009).
  30. Navin, N., et al. Tumour evolution inferred by single-cell sequencing. Nature. 472 (7341), 90-94 (2011).
  31. Tang, J., et al. Single-cell exome sequencing reveals multiple subclones in metastatic colorectal carcinoma. Genome Med. 13 (1), 148(2021).
  32. Song, H., et al. Single-cell analysis of human primary prostate cancer reveals the heterogeneity of tumor-associated epithelial cell states. Nat Commun. 13 (1), 141(2022).
  33. Zheng, X., et al. Single-cell transcriptomic profiling unravels the adenoma-initiation role of protein tyrosine kinases during colorectal tumorigenesis. Signal Transduct Target Ther. 7 (1), 60(2022).
  34. Chan, T. J., Zhang, X., Mak, M. Biophysical informatics reveals distinctive phenotypic signatures and functional diversity of single-cell lineages. Bioinformatics. 39 (1), btac833(2023).
  35. Chen, Y. P., et al. Single-cell transcriptomics reveals regulators underlying immune cell diversity and immune subtypes associated with prognosis in nasopharyngeal carcinoma. Cell Res. 30 (11), 1024-1042 (2020).
  36. Small, H. Co-citation in scientific literature - new measure of relationship between 2 documents. J Am Soc Inf Sci. 24 (4), 265-269 (1973).
  37. Villani, A. -C., et al. Single-cell RNA-seq reveals new types of human blood dendritic cells, monocytes, and progenitors. Science (New York, N.Y.). 356 (6335), eaah4573(2017).
  38. Sun, D., et al. Identifying phenotype-associated subpopulations by integrating bulk and single-cell sequencing data. Nat Biotechnol. 40 (4), 527-538 (2022).
  39. Pe'er, D., et al. Tumor heterogeneity. Cancer Cell. 39 (8), 1015-1017 (2021).
  40. Liu, X., et al. Single-cell transcriptomics links malignant T cells to the tumor immune landscape in cutaneous T-cell lymphoma. Nat Commun. 13 (1), 1158(2022).
  41. Yan, Y., et al. Clonal phylogeny and evolution of critical cytogenetic aberrations in multiple myeloma at single-cell level by qm-fish. Blood Adv. 6 (2), 441-451 (2022).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

الوسوم

الاتجاهات البحثية العالمية والحالية لتسلسل الخلية المفردة في السرطان: دراسة ببليومترية ومرئية
اتصل بنا
أوصِ بها للمكتبة

الخصوصية

شروط الاستخدام

السياسات

2026 © حقوق الطبع والنشر MyJoVE Corporation. جميع الحقوق محفوظة.