需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

研究趋势与前景 秀丽隐杆线虫 在衰老研究领域：一项文献计量与可视化分析

252 次观看

⸱

DOI：

10.3791/70364

⸱

2026年5月22日

 ,  ,  ,  ,  ,  ,  , 
1Department of General Surgery, Tianjin Medical University General Hospital, 2Ambulatory surgery center, Tianjin Medical University General Hospital, 3Tianjin Key Laboratory of Precise Vascular Reconstruction and Organ Function Repair, 4Tianjin General Surgery Institute

* These authors contributed equally

本文内容

摘要

本文介绍了一种利用 CiteSpace、VOSviewer、Bibliometrix 和 Scimago Graphica 对 Web of Science 核心合集中的 Caenorhabditis elegans 与衰老相关文献记录进行检索、验证和分析的方案，以实现可重复的文献计量绘图。

摘要

衰老是一种复杂的生物学现象，其特征是生理功能进行性衰退以及对衰老相关疾病易感性增加。在细胞水平上，这一过程表现为细胞衰老，即细胞分裂发生不可逆的停止，并进入永久性生长停滞状态，而不会进展至凋亡。然而，其潜在机制尚未完全阐明。线虫 秀丽隐杆线虫 (秀丽隐杆线虫寿命短且遗传特征明确，是解析衰老分子机制的有力模型。然而，目前尚缺乏对衰老研究交叉领域科研成果的全面文献计量分析。 秀丽隐杆线虫 以及衰老的研究仍然缺乏。本文提供了一种从Web of Science核心合集检索文献记录、进行数据处理，并利用CiteSpace、Bibliometrix（R）、VOSviewer和Pajek实现可重复的文献计量可视化的方案，旨在绘制知识结构图谱并识别新兴研究趋势 秀丽隐杆线虫 衰老研究。我们分析了1970年至2025年6月5日期间发表的6,117篇文章，研究国家与机构的贡献、作者署名情况、期刊影响因子、引用模式及主题演变。该数据集包含来自91个国家的3,798个机构的19,864名作者撰写的6,117条记录。年度发表文章数量从2020年的312篇增至2021年的341篇，此后保持高位。美国在全球发文量中居首，其次为中国、德国和英国，合作网络主要集中于这些国家之间。加利福尼亚大学系统在产出方面排名第一，中国科学院排名第三。主题演变显示，研究重点正从胰岛素/胰岛素样生长因子1信号通路（IIS）和应激反应的基础研究，转向热调控和线粒体自噬等新兴主题 秀丽隐杆线虫 衰老模型。总体而言，该方案可实现透明且可更新的文献计量分析，并支持未来针对关键研究方向（包括热量限制和线粒体自噬）的深入研究。

引言

衰老是一个多因素的生物学过程，指的是正常体细胞在经历有限次数的分裂后增殖能力逐渐丧失。在衰老过程中，机体的生理功能逐步衰退，对年龄相关疾病的发生易感性也随之增加1。在细胞层面，这一过程表现为DNA损伤，例如双链断裂和氧化损伤的累积，且这些损伤超出了修复机制的处理能力。这些细胞水平的变化在个体层面表现为生理功能的渐进性退化。此外，一些研究进一步表明，衰老细胞通过分泌衰老相关分泌表型（SASP）驱动年龄相关病理过程。这些因子可破坏组织微环境，促进纤维化，导致慢性炎症甚至癌症进展2。随着对衰老研究的深入，人们认识到衰老在多种疾病的发生和发展中起着重要作用，包括心血管疾病、2型糖尿病、阿尔茨海默病以及癌症等3。随着全球老龄化速度的加快，阐明衰老的机制对于延长健康寿命至关重要。

在过去的几十年中，模式生物在揭示衰老的遗传、分子和环境决定因素方面发挥了不可或缺的作用。模式生物具有多种显著优势，包括较短的世代周期、明确的遗传背景以及高度的实验可操作性。常见的模式生物包括酵母、果蝇和小鼠4。20世纪60年代，Caenorhabditis elegans（C. elegans）首次被确立为一种新型模式生物。其被选中的核心优势包括生命周期短、易于培养 ，并 配备一系列成熟的遗传学工具。此外，由于其体型微小，可像微生物一样以标准化方式大规模培养和操作5。最重要的是，它有效填补了以往研究中的一个重要空白：单细胞生物虽然结构简单、易于操作，但在复杂生命机制的遗传学研究中应用困难；而传统模式动物由于操作复杂，在大规模筛选中的效率受到限制。C. elegans 的应用恰好解决了上述问题6。

C. elegans 在衰老研究中的应用可追溯到 20 世纪 80 年代7。直到 1993 年，C. elegans 在衰老研究领域的研究才取得突破性进展。Thomas Johnson 及其同事领导的诱变筛选发现了首个长寿突变体，即 age-1 基因8,9。这一发现改变了当时普遍认为衰老是一个随机且不受调控过程的观点，转而揭示了特定遗传通路在寿命决定中的作用。后续研究在此基础上进一步揭示了一个保守的信号通路网络，这些通路协同调控衰老过程。其中，胰岛素/胰岛素样生长因子信号通路（IIS）被确认为核心调控通路。daf-2 基因的突变会编码 C. elegans 中胰岛素/胰岛素样生长因子（IIGF-1）受体的同源蛋白，从而降低 IIS 活性，激活 FOXO 转录因子 DAF-16，促使其从细胞质转位至细胞核，进而促进应激反应基因、分子伴侣和解毒酶的表达，从而延缓衰老进程并延长健康寿命10。DAF-16 从细胞质转移到细胞核，促进抗应激基因、分子伴侣和解毒酶的表达，从而延长机体健康期，并延缓衰老进程以及延长机体健康寿命11。此外，C. elegans 还揭示了其他保守的衰老机制。例如，雷帕霉素靶蛋白（TOR）通路作为关键的营养感应轴，被证明可通过与 IIS 通路的相互作用来调节寿命12。

近年来，文献计量方法已被广泛应用于多个领域。文献计量网络分析通过统计方法，考察文献的数量、结构、分布及引用关系，揭示某一领域的发展规律、学科结构、研究热点和发展趋势13。尽管关于秀丽隐杆线虫（C. elegans）在衰老研究中的应用已有大量研究，但尚无研究对该跨学科领域进行全面的文献计量分析。本研究提供了一项全面、多方法且可重复的分析，阐明该领域的合作框架、知识基础以及动态主题发展，从而识别未来研究的新兴方向。本文综述了秀丽隐杆线虫（C. elegans）领域近期在衰老研究方面取得的成果。此外，本研究旨在：（1）分析1970年至2025年6月5日秀丽隐杆线虫（C. elegans）衰老研究领域的论文发表与引用趋势；（2）评估国家和机构的贡献，并探讨合作网络；（3）根据发文量和引用影响力识别高产作者和核心期刊；（4）通过共被引分析和引文突现分析揭示该领域的知识基础；（5）利用关键词共现分析和时间演化分析追踪主要研究主题和新兴趋势。最终，这些发现将有助于更深入地理解该领域的发展脉络。

访问受限。请登录或开始试用以查看此内容。

方案

本研究未涉及伦理批准和参与同意。本研究使用的数据来自科学引文索引核心合集（Web of Science Core Collection，WoSCC）。

1. 数据库选择

  1. 通过 https://webofscience. clarivate.cn/wos/author/author-search 访问 Web of Science 核心合集（WoSCC）数据库。
  2. 使用特定关键词构建检索策略，具体为 "C. elegans" 和 "aging"，以识别相关文献。
  3. 相关性筛选与数据验证
    1. 通过审阅标题对每条检索到的记录进行主题相关性筛选。纳入以 C. elegans 为主要研究生物体并涉及衰老相关概念或结果的研究记录。
    2. 若仅凭标题无法确定相关性，则进一步审阅摘要以确认是否符合纳入标准。
    3. 排除未以 C. elegans 为主要研究对象和/或未涉及衰老相关结果或机制的研究记录。
    4. 对于边界模糊的记录，应记录不确定原因，并通过第二位作者复核或两名评审者协商一致的方式决定是否纳入。
    5. 排除数据库元数据中标注为 Retracted 的任何记录。
    6. 记录被排除的文献数量及其排除原因，并报告用于文献计量分析的最终数据集规模。
      ​注：有关检索策略中所用关键词的完整列表，请参见 补充材料 1，以提高检索的准确性与全面性。

2. 搜索参数

  1. 将发表时间范围定义为1970年至2025年6月5日，以涵盖最新且最全面的研究趋势。
  2. 将检索结果限定为仅包含以英文发表的文章和综述文章，以确保数据的一致性并便于进行比较分析。

3. 数据检索与格式

  1. 以"完整记录和被引参考文献"格式汇编所选出版物，以保留详细的元数据。
  2. 将收集的数据保存为"纯文本"文件，以便后续使用文献计量工具进行分析。
  3. 核实每条记录均包含完整的元数据，包括引文信息和合著者信息，以确保能够开展全面的文献计量分析。

4. 数据预处理

  1. 数据收集与导入
    1. 打开 R（版本 4.5.2）并加载 bibliometrix（版本 4.5.2）。运行以下命令以启动 Biblioshiny：
      1. library(bibliometrix)
      2. packageVersion("bibliometrix")
      3. biblioshiny()
    2. 打开导入面板。
      1. 在 biblioshiny 界面中，点击左侧边栏中的“数据”。
      2. 在“数据”下，点击“导入或加载”。
    3. 配置导入设置。
      1. 请选择操作方式，选中“导入原始文件(s)”。
      2. 在数据库选项中，选择“Web of Science (WoS/WoK)”。
      3. 在作者姓名格式中，选择“姓氏与首字母”。
    4. 选择 WoSCC 文件并导入。
      1. 在“选择文件”下，点击“浏览”… 并选择已导出的包含完整记录和被引参考文献的合并 WoSCC 纯文本文件。
      2. 点击“开始”以导入数据集。
      3. 在左侧边栏中，点击“概览”，然后选择所需模块（例如年度科学产出或年均被引次数）以显示结果。
      4. 如需导出图表，请点击 将图表导出为 PNG；如需导出表格，请点击“Excel”并保存下载的文件以供后续分析。
  2. 出版物与被引频次的年度增长趋势
    1. 在 CiteSpace 中进行出版物与被引频次的年度增长趋势分析。
      1. 打开 CiteSpace，选择“日期”，然后选择“导入/导出”。
      2. 浏览输入目录和输出目录。
      3. 点击“去除重复项”，选择“文章”和“综述”，最后点击“开始”。随后即可获得具体的年度出版与被引统计数据。
      4. 使用 Word 软件将导出结果转换为图表格式。
  3. 国家层面的出版与合作分析
    1. 在 VOSviewer 中进行国家出版与合作分析。
      1. 打开 VOSviewer，选择“创建”，然后选择“基于文献数据创建图谱”。
      2. 使用“从文献数据库文件读取数据”选项导入相关纯文本文件。
      3. 将分析类型设为“合著”，采用“全计数”方法，以“国家”为分析单位。
      4. 设置要选择的来源数量为 50，点击“分析”。将要选择的来源数量设为 20，然后点击“导出选定来源”以 CSV 格式导出以便查看。
      5. 点击“执行”运行分析，生成共被引图谱，并调整字体和颜色设置以提高可读性。
    2. 国家出版物的地理分布分析：在 Scimago Graphica 中进行。
      1. 打开 Scimago Graphica，点击“加载数据文件”，然后导入相关纯文本文件。
      2. 创建新视图，选择“documents”作为大小，“link_strength”作为颜色，“label”作为标签，“disks”作为标记，“map”作为布局。
      3. 被引频次最高的国家分析
        1. 在 R 中启动 Bibliometrix 包的 Biblioshiny 界面。
        2. 访问 WoSCC 数据库，并选择一个包含文献计量数据的合并纯文本文件。
        3. 导入数据并以 txt 格式导出，用于后续分析。
        4. 选择“作者”，然后点击“被引最多的国家”
          注：具体代码如下：
          1. library(bibliometrix)
          2. packageVersion("bibliometrix")
          3. biblioshiny()
  4. 大学与机构分布分析
    1. 合著关系分析
      1. VOSviewer 中的分析设置：启动 VOSviewer，选择“创建”，然后选择“基于文献数据创建图谱”。选择“从文献数据库文件读取数据”并导入包含机构信息的纯文本文件。
      2. 配置与参数设置：将分析类型设为“合著”，选择“全计数”，以“机构”为分析单位。配置参数，允许每篇文献最多包含 3,798 个机构，并为前 50 个机构设置最低纳入阈值，以构建具有代表性的合作网络。
      3. 可视化与解读：点击“完成”生成机构合作图谱。检查聚类与连接关系，识别核心机构、合作强度以及大学与研究机构之间的主要合作模式。
    2. 发表论文最多的机构分析
      1. 在 R 中启动 Bibliometrix 包的 Biblioshiny 界面。
      2. 访问 WoSCC 数据库，并选择一个包含文献计量数据的合并纯文本文件。
      3. 导入数据并以 txt 格式导出，用于后续分析。
      4. 选择“作者”，然后点击“机构随时间的产出情况”
        注：具体代码如下：
        library(bibliometrix)
        packageVersion("bibliometrix")
        biblioshiny()
    3. 被引突增最强的大学分析
      1. 打开 CiteSpace，进入“数据”菜单，选择“导入/导出”。
      2. 以适当格式从 WoSCC 数据库导入数据，将分析时间切片设置为从 1972 年 1 月到 2025 年 6 月 5 日，时间间隔为一年，以获得详细的时间信息。
      3. 将节点类型设为“参考文献”，并使用“路径探测器”和“剪枝切片网络”选项进行剪枝，以简化网络，聚焦最具影响力的共被引参考文献。
      4. 点击“执行”运行分析，生成参考文献共被引图谱，并调整字体和颜色设置以提高可读性。
      5. 选择“突增性”选项，并将参数 γ 设为 [0, 1]。
      6. 刷新数据以生成被引突增最显著的前 25 个机构，突出显示那些被引频次显著增长的机构，表明其在该领域的影响力持续增强。
  5. 作者合作网络分析
    1. 打开 CiteSpace，选择“数据”菜单，点击“导入/导出”以所需格式从 WoSCC 导入数据。
      1. 将时间切片定义为从 1970 年 1 月到 2025 年 6 月 5 日，步长为一年，以捕捉合作的时序演变。
    2. 网络配置与剪枝
      1. 将节点类型设为“作者”，并应用“路径探测器”和“剪枝切片网络”以减少冗余连接，同时保留关键结构。
      2. 点击“执行”运行分析并生成 共被引/合著图谱，揭示作者合作网络的发展、结构及随时间的增长动态。
  6. 共被引参考文献与聚类网络分析
    1. 在 CiteSpace 中进行数据导入与设置
      1. 打开 CiteSpace，进入“数据”，选择“导入/导出”以加载 WoSCC 数据。
      2. 将分析时间跨度设为从1970 年 1 月到 2025 年 6 月 5 日，使用一年为间隔，以获得详细的时间信息。
    2. 网络配置与剪枝
      1. 选择“参考文献”作为节点类型，并结合使用“路径探测器”和“剪枝切片网络”以保留核心共被引链接，去除次要或冗余连接。
      2. 点击“执行”运行分析并生成参考文献共被引网络，然后优化字体、颜色和布局以提升视觉清晰度。
    3. 识别高影响力参考文献
      1. 启用“突增性”选项，并将 γ 设置在区间 [0, 1] 内。
      2. 刷新数据以获取被引突增最强的前 25 篇参考文献，突出显示那些被引频次迅速增长并在研究领域中产生重大影响的文献。
  7. 期刊与共被引期刊分析
    1. 在 VOSviewer 中进行期刊分析
      1. 打开 VOSviewer，选择“创建”，然后选择“基于文献数据创建图谱”。
      2. 通过“从文献数据库文件读取数据”选项导入相关纯文本文件。
      3. 将分析类型设为“引用”，选择“全计数”方法，指定“来源”为分析单位。
      4. 将来源的最低数量设为 20，运行分析，并使用“导出选定来源”将所选期刊保存为 CSV 文件以供进一步检查。
    2. 在 VOSviewer 中进行共被引期刊分析。
      1. 再次打开 VOSviewer，选择“创建”，然后选择“基于文献数据创建图谱”。
      2. 使用“从文献数据库文件读取数据”导入相同的纯文本文件。
      3. 将分析类型设为“共被引”，选择“全计数”，以“被引来源”为分析单位。
      4. 将被引来源的最低数量设为 20，运行分析，并点击“导出选定来源”输出 CSV 文件，用于详细的共被引期刊分析。
  8. 关键词共现分析
    1. 在 VOSviewer 中进行关键词共现网络分析。
      1. 打开 VOSviewer，选择“创建”，然后选择“基于文献数据创建图谱”。
      2. 使用“从文献数据库文件读取数据”选项导入相关纯文本文件。
      3. 将分析类型设为“共现”，采用“全计数”方法，以“所有关键词”为分析单位。
      4. 设置要选择的关键词数量为 100，点击“完成”以完成分析，生成可视化领域内关键词关系的共现网络。
      5. 点击“叠加可视化”以生成关键词共现聚类演变的可视化分析图。
      6. 点击“密度可视化”，将生成关键词分布图。
    2. 在 CiteSpace 中进行关键词突增分析。
      1. 在 CiteSpace 中选择“Burstness"选项并设置参数 γ 为 [0, 1]，以执行关键词突增分析。
      2. 刷新数据后，选择“查看”以生成被引突增最强的前 25 个关键词列表，表明这些关键词在一段时间内受到了显著关注。

访问受限。请登录或开始试用以查看此内容。

结果

趋势与演变概述 秀丽隐杆线虫 在衰老研究领域
文献计量分析共纳入了来自1,123种来源的6,117篇出版物记录，这些记录是从Web of Science核心合集（WOSCC）中最初筛选出的6,205篇符合纳入标准的出版物中选取的。其中包括45篇提前在线发表的综述和145篇会议论文。在剔除87篇不相关文献和1篇被撤稿的文献后，对剩余数据进行了时间分布和文献类型分析。在过去五十年中，共发表相关文章4,949篇（占80.90%）和综述1,168篇（占19.09%） C. elegans 以及衰老的研究发表，其中第一篇发表于1972年14,15这些发现为未来的衰老研究奠定了基础。在1990年之前，每年仅发表4至8篇文章。然而，从1991年到2004年，发表数量逐渐增加，其中1997年发表的两项关键性研究尤为突出，进一步推动了该领域的发展16,17<...

访问受限。请登录或开始试用以查看此内容。

讨论

为确保可重复性和可解释性，本工作流程中的关键步骤包括：完整报告检索策略（数据库来源、检索式、文献类型、语言限制、检索日期），进行相关性筛选和数据验证以减少无关文献，一致地报告工具参数（时间切片、节点类型、剪枝、阈值、聚类），并以标准格式导出结果，同时记录软件版本以保证透明度和便于后续更新。本方案可根据不同的语料库规模和研究目标，通过调整阈值和筛选标准进行优化。对于密集且难以解读的网络，可提高最低出现频次阈值、聚焦排名靠前的项目，或应用剪枝技术以增强清晰度。对于稀疏网络，可降低阈值、扩展时间范围，或合并同义词以改善连通性。在可视化前，需手动规范化不一致的国家或机构名称，以避免数据碎片化。若在自动去重后仍存在重复条目，应重新导出并重新导入数据集以进行全面的重复检查。若聚类结果不稳定，应调整阈值并比较聚类一致性，以确保模式的稳健性。必须将这些调整与主要结果一并报告，以促进他人复现研究。

C. elegans 是一种基础性的模式生物，推动了多项获得诺贝尔奖认可的重大发现，并在近几十年显著促进了衰老研究的发展。本研究首次采用文献计量学方法，系统分析 C. eleg...

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

作者谨向所有参与本研究工作的受试者和研究人员表示感谢。此外，他们对CiteSpace、VOSviewer、Scimago Graphica和R所提供的分析工具深表感激，这些工具在本研究的开展过程中起到了关键作用。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
LEGION Savior Y7000 2019 笔记本电脑（序列号 PF1CGZJU）联想https://pcsupport.lenovo.com/zh-cn/products/笔记本电脑和上网本/拯救者系列/拯救者Y7000-2019用于分析的计算机
R（版本 4.5.2）R 统计计算基金会 / R 核心团队https://www.r-project.org/统计计算环境
CiteSpace（版本 6.3.R3）CiteSpace / Chaomei Chen（Drexel University）https://citespace.podia.com/文献计量可视化与分析软件
VOSviewer（版本 1.6.20）莱顿大学 CWTS（Nees Jan van Eck，Ludo Waltman）https://www.vosviewer.com/文献计量绘图软件
Pajek（版本 64.6.01）卢布尔雅那大学（Vladimir Batagelj，Andrej Mrvar）http://mrvar.fdv.uni-lj.si/pajek/网络分析与可视化软件

参考文献

  1. McHugh, D., Durán, I., Gil, J. Senescence as a therapeutic target in cancer and age-related diseases. Nat Rev Drug Discov. 24 (1), 57-71 (2025).
  2. Young, A. R. J., Narita, M. SASP reflects senescence. EMBO Rep. 10 (3), 228-230 (2019).
  3. Suda, M., Tchkonia, T., Kirkland, J. L., Minamino, T. Targeting senescent cells for the treatment of age-associated diseases. J Biochem. 177 (3), 177-187 (2025).
  4. Irion, U., Nüsslein-Volhard, C. Developmental genetics with model organisms. Proc Natl Acad Sci U S A. 119 (30), e2122148119(2022).
  5. Wu, C. Y., Davis, S., Saudagar, N., et al. Caenorhabditis elegans as a convenient animal model for microbiome studies. Int J Mol Sci. 25 (12), 6670(2024).
  6. Kimble, J., Nüsslein-Volhard, C. The great small organisms of developmental genetics: Caenorhabditis elegans and Drosophila melanogaster. Dev Biol. 485, 93-122 (2022).
  7. Riddle, D. L., Swanson, M. M., Albert, P. S. Interacting genes in nematode dauer larva formation. Nature. 290 (5808), 668-671 (1981).
  8. Friedman, D. B., Johnson, T. E. A mutation in the age-1 gene in Caenorhabditis elegans lengthens life and reduces hermaphrodite fertility. Genetics. 118 (1), 75-86 (1988).
  9. Shmookler Reis, R. J., Ayyadevara, S., Crow, W. A., Lee, T., Delongchamp, R. R. Gene categories differentially expressed in C. elegans age-1 mutants of extraordinary longevity: new insights from novel data-mining procedures. J Gerontol A Biol Sci Med Sci. 67 (4), 366-375 (2012).
  10. Guarente, L., Kenyon, C. Genetic pathways that regulate ageing in model organisms. Nature. 408 (6809), 255-262 (2000).
  11. Berk, Ş, Cetin, A., Özdemir, ÖÜ, Pektaş, A. N., Yurtcu, N., Dastan, S. D. The combination of metformin and high glucose increased longevity of Caenorhabditis elegans in a DAF-16/FOXO-independent manner: cancer/diabetic model via C. elegans. Front Endocrinol. 15, 1435098(2024).
  12. Pandey, T., Wang, B., Wang, C., et al. LPD-3 as a megaprotein brake for aging and insulin-mTOR signaling in C. elegans. Cell Rep. 43 (3), 113899(2024).
  13. Chen, C., Dubin, R., Kim, M. C. Emerging trends and new developments in regenerative medicine: a scientometric update (2000-2014). Expert Opin Biol Ther. 14 (9), 1295-1317 (2014).
  14. Beguet, B., Brun, J. L. Influence of parental aging on the reproduction of the F1 generation in a hermaphrodite nematode Caenorhabditis elegans. Exp Gerontol. 7 (3), 195-206 (1972).
  15. Beguet, B. The persistence of processes regulating the level of reproduction in the hermaphrodite nematode Caenorhabditis elegans, despite the influence of parental aging, over several consecutive generations. Exp Gerontol. 7 (3), 207-218 (1972).
  16. Ogg, S., Paradis, S., Gottlieb, S., et al. The forkhead transcription factor DAF-16 transduces insulin-like metabolic and longevity signals in C. elegans. Nature. 389 (6654), 994-999 (1997).
  17. Lin, K., Dorman, J. B., Rodan, A., Kenyon, C. Daf-16: An HNF-3/forkhead family member that can function to double the life-span of Caenorhabditis elegans. Science. 278 (5341), 1319-1322 (1997).
  18. López-Otín, C., Blasco, M. A., Partridge, L., Serrano, M., Kroemer, G. The hallmarks of aging. Cell. 153 (6), 1194-1217 (2013).
  19. Olshansky, S. J., Willcox, B. J., Demetrius, L., Beltrán-Sánchez, H. Implausibility of radical life extension in humans in the twenty-first century. Nat Aging. 4 (11), 1635-1642 (2024).
  20. Chen, C., Lim, J., Koh, J., Beard, J., Rowe, J. W. Research network on an aging society: a global analysis of adaptation to societal aging across low-, middle-, and high-income countries using the Global Aging Society Index. Nat Aging. 5 (1), 113-121 (2025).
  21. Johnson, T. E., Conley, W. L., Keller, M. L. Long-lived lines of Caenorhabditis elegans can be used to establish predictive biomarkers of aging. Exp Gerontol. 23 (4-5), 281-295 (1988).
  22. Johnson, T. E. Increased lifespan of age-1 mutants in Caenorhabditis elegans and lower Gompertz rate of aging. Science. 249 (4971), 908-912 (1990).
  23. Kimura, K. D., Tissenbaum, H. A., Liu, Y., Ruvkun, G. Daf-2, an insulin receptor-like gene that regulates longevity and diapause in Caenorhabditis elegans. Science. 277 (5328), 942-946 (1997).
  24. Dorman, J. B., Albinder, B., Shroyer, T., Kenyon, C. The age-1 and daf-2 genes function in a common pathway to control the lifespan of Caenorhabditis elegans. Genetics. 141 (4), 1399-1406 (1995).
  25. Barzilai, N., Huffman, D. M., Muzumdar, R. H., Bartke, A. The critical role of metabolic pathways in aging. Diabetes. 61 (6), 1315-1322 (2012).
  26. Lee, H., Lee, S. V. Recent progress in regulation of aging by insulin/IGF-1 signaling in Caenorhabditis elegans. Mol Cells. 45 (11), 763-770 (2022).
  27. Martins, R., Lithgow, G. J., Link, W. Long live FOXO: unraveling the role of FOXO proteins in aging and longevity. Aging Cell. 15 (2), 196-207 (2016).
  28. Fontana, L., Partridge, L. Promoting health and longevity through diet: from model organisms to humans. Cell. 161 (1), 106-118 (2015).
  29. Calorie restriction increases muscle mitochondrial biogenesis in healthy humans. PLoS Med. Civitarese, A. E., Carling, S., Heilbronn, L. K., et al. 4 (3), e76(2007).
  30. Palikaras, K., Lionaki, E., Tavernarakis, N. Coordination of mitophagy and mitochondrial biogenesis during ageing in C. elegans. Nature. 521 (7553), 525-528 (2015).
  31. Jang, J. Y., Blum, A., Liu, J., Finkel, T. The role of mitochondria in aging. J Clin Invest. 128 (9), 3662-3670 (2018).
  32. Picca, A., Faitg, J., Auwerx, J., Ferrucci, L. D'Amico D. Mitophagy in human health, ageing and disease. Nat Metab. 5 (12), 2047-2061 (2023).
  33. Ryu, D., Mouchiroud, L., Andreux, P. A., et al. Urolithin A induces mitophagy and prolongs lifespan in C. elegans and increases muscle function in rodents. Nat Med. 22 (8), 879-888 (2016).
  34. Hong, X., Isern, J., Campanario, S., et al. Mitochondrial dynamics maintain muscle stem cell regenerative competence throughout adult life by regulating metabolism and mitophagy. Cell Stem Cell. 29 (9), 1298-1314.e10 (2022).
  35. Rappe, A., McWilliams, T. G. Dynamic mitophagy trajectories hallmark brain aging. Autophagy. 21 (2), 487-489 (2025).
  36. Kerr, J. S., Adriaanse, B. A., Greig, N. H., et al. Mitophagy and Alzheimer's disease: cellular and molecular mechanisms. Trends Neurosci. 40 (3), 151-166 (2017).
  37. Tarpey, M. D., Davy, K. P., McMillan, R. P., et al. Skeletal muscle autophagy and mitophagy in endurance-trained runners before and after a high-fat meal. Mol Metab. 6 (12), 1597-1609 (2017).
  38. Estébanez, B., Moreira, O. C., Almar, M., de Paz, J. A., Gonzalez-Gallego, J., Cuevas, M. J. Effects of a resistance-training programme on endoplasmic reticulum unfolded protein response and mitochondrial functions in PBMCs from elderly subjects. Eur J Sport Sci. 19 (7), 931-940 (2019).

访问受限。请登录或开始试用以查看此内容。

重印与许可

探索更多文章

衰老研究文献计量分析胰岛素信号通路应激反应热量限制线粒体自噬知识图谱模式生物
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。