研究文章

类风湿关节炎肌肉疾病知识景观绘制:文献计量与生物信息学研究

200 次观看

DOI:

10.3791/70373

2026年4月21日

本文内容

摘要

本研究采用文献计量分析,勾勒出类风湿关节炎相关肌肉疾病的当前研究格局,并进一步运用生物信息学方法探讨类风湿关节炎与肌炎之间的共享基因和丰富通路。

摘要

本研究对2015年1月1日至2024年12月31日期间Web of Science核心收藏数据库中关于类风湿关节炎(RA)与肌肉疾病共病相关的出版物进行了文献计量分析。通过分析已发表文章的关键特征,研究旨在识别该领域的全球研究热点。利用VOSviewer、CiteSpace、Scimago Graphica和Excel等工具,对研究环境进行了可视化分析。分析显示该领域的年度发表量呈周期性波动。美国在总发表论文数量上领先,其次是中国。出版机构形成了区域合作网络,产生了显著的辐射效应。瑞典卡罗林斯卡学院和卡罗林斯卡大学医院分别以50篇和30篇论文排名第一和第二。关于具体研究主题,关键词聚类分析确定了12个主题聚类,包括肌炎、肿瘤坏死因子和代谢。鉴于肌炎是类风湿关节炎与肌肉疾病共病的研究热点,我们进一步利用GeneCards分析类风湿关节炎与肌炎在基因表达和通路上的相关性,并以图形方式呈现结果。基因卡筛查识别出359个共享基因。蛋白质-蛋白质相互作用网络分析显示,TNF、IL6和IFNG等基因处于中心位置。KEGG富集分析表明,TNF、JAK-STAT和IL-17信号通路起着关键作用。

引言

类风湿关节炎(RA)是一种慢性自身免疫性炎症性疾病,其特征是关节受累,全球患病率约为0.5–1%1,2。类风湿关节炎的核心病理机制涉及免疫系统的异常激活,导致持续的滑膜炎症及一连串关节病理变化(3,4,5)。虽然滑膜是RA的主要靶点,但该病常伴有多种全身性表现,包括心血管疾病、骨质疏松和肌肉相关疾病(6,7,8,9)。其中,类风湿关节炎相关的肌肉变化,如肌肉萎缩、肌力减弱和肌炎,近年来逐渐成为研究热点。这些并发症不仅加剧功能障碍并降低生活质量,还影响疾病预后和治疗反应(10,11,12,13)。尽管肌肉疾病在类风湿关节炎患者中临床上较为常见,但具体的热点状况尚不明确,潜在的共病分子机制尚未系统性阐明。此外,全球该领域的研究趋势和知识结构也值得进一步系统性研究。

过去十年中,类风湿关节炎相关肌肉疾病的研究取得了显著进展,这得益于生物疗法、靶向治疗和康复医学的进步 15,16,17。然而,对学术界研究焦点、协作网络及核心主题演变的全面分析仍然不足。书目计量学是一种分析学术文献的定量方法,可以揭示研究趋势、国家和机构的贡献、关键词热点以及特定领域内的跨学科动态。可视化技术,如共现网络和聚类分析,进一步直观地揭示了知识结构的演变。生物信息学分析能够深入挖掘生物数据,揭示潜在的疾病发病机制和分子层面的关键调控通路。这两种方法的整合促进了从宏观知识映射到微观分子网络的综合研究框架构建,从而为理解类风湿相关肌肉疾病的发病机制和识别潜在干预目标提供了新的多维视角。

基于Web of Science数据库,本研究采用VOSviewer、CiteSpace、Scimago Graphica和Excel等文献计量工具,系统分析年度发表量、国家及机构贡献、关键词共现情况及与肌肉相关疾病相关的类风湿关节炎领域新兴主题趋势。此外,GeneCards数据库被用于分析与肌炎和类风湿关节炎相关的共享基因和富集通路。研究结果旨在为与RA相关的肌肉相关疾病,提供机制探索、临床干预及跨学科合作的新见解。

访问受限。请登录或开始试用以查看此内容。

方案

本研究的整体工作流程如 图1所示,概述了文献检索、文献计量分析、共享基因鉴定、蛋白质-蛋白质相互作用网络构建及通路富集分析的顺序步骤。

文献检索策略
文献检索于2025年6月22日在Web of Science(WOS)Core Collection数据库19上进行。搜索范围仅限于科学引文索引扩展版(SCI-Expanded)和社会科学引文索引(SSCI),涵盖2015年1月1日至2024年12月31日期间的出版物。具体的搜索词及对应的结果数量见 表1。初步检索后,会议摘要、会议论文、编辑材料、书籍章节和撤回出版物等文档类型被排除在外。随后,仅保留了英文及“文章”或“评论文章”类型的记录以供进一步分析。

文献计量分析
文献计量分析和可视化需要支持特定的软件工具,相关工具详见 材料表。本研究旨在构建跨学科研究领域的知识图谱,连接肌炎与类风湿关节炎。分析范围涵盖过去十年的发表趋势分析、国际合作与协作网络的模式、机构/期刊/作者之间的学术影响力、反映研究热点的核心关键词以及引用网络分析。

年度发表数量数据最初从Web of Science数据库导出,用于生成展示发表趋势的统计图表。检索到的文献数据随后导入VOSviewer软件进行分析:在“合著”模块中,依次选择“作者”、“组织”和“国家”选项,分别生成作者协作网络、机构协作网络和国家协作网络;在“引用”模块中,选择了“来源”选项以创建期刊合作网络;在“共同引用”模块中,选择了“被引来源”和“被引作者”以获取被引期刊协作网络和被引作者协作网络。为了更直观地可视化国际协作关系,国家协作网络通过Scimago Graphica软件进一步优化了视觉清晰度和可解读性。

使用CiteSpace软件21对关键词热点和跨学科主题词进行了分析。选择了Pathfinder算法进行网络剪枝,时间跨度设定为2015年1月至2024年12月,划分为月度时间片。节点类型配置为“关键词”,生成基于关键词的研究热点集群地图、每个集群的代表性主题词以及出现频率最高的20个热点关键词。引用网络分析遵循类似的程序流程,只需将节点类型修改为“引用参考文献”即可完成相应分析。

共享基因的鉴定
基于文献计量分析,关键词“肌炎”在肌肉病理学与类风湿性关节炎的跨学科研究领域中具有显著影响力。因此,本研究选择肌炎和类风湿关节炎作为重叠基因分析的实验对象。具体程序如下:首先,从GeneCards数据库中检索与肌炎和类风湿关节炎相关的目标基因22。为确保分析的全面性,本研究未设定相关性分数门槛,而是包含所有与疾病相关的报告基因,从而构建了两个对应的基因集。通过比较这两组基因,发现了重叠的基因。这些重叠基因最终被定义为“RA-肌炎共病相关基因”,并作为后续分析的核心数据集。

蛋白质间相互作用(PPI)网络构建
利用STRING数据库中的“多蛋白”查询功能,我们提交了“RA-肌炎共病相关基因”列表进行分析23。该生物体被设定为“智人”,最低交互作用评分阈值为≥0.700(中等置信度)。生成的蛋白质-蛋白质相互作用网络数据随后导入Cytoscape进行可视化。通过STYLE面板自定义节点形状和颜色,生成了一个清晰可视的蛋白质-蛋白质相互作用网络图。

通路富集分析
通路富集分析的具体工作流程如下。首先,京都基因与基因组百科全书(KEGG)通过R软件24中的clusterProfiler包对共享基因集进行了途径富集分析。通过超几何检验评估统计显著性,并用Benjamini-Hochberg方法调整p值以控制假发现率以适应多重检验。调整后p值为0.05<通路被认为显著富集,并保留以供进一步分析。随后人工排除了与特定人类疾病或一般代谢过程相关的通路,以聚焦核心信号机制的分析。过滤后的通路及其相关基因随后被导入Cytoscape软件,构建交互网络25。应用了“yFiles 有机布局”算法来生成清晰的层级结构。STYLE面板进一步优化了视觉属性:节点颜色强度映射为富集显著性,节点大小根据每条通路核心基因数量加权,边缘厚度则以Jaccard相似系数加权,反映基因重叠程度。最终,获得了一个KEGG通路相互作用网络以进行全面分析。

访问受限。请登录或开始试用以查看此内容。

结果

年度出版物数量
在WOS数据库中搜索显示,过去十年中共发表了1352篇关于类风湿关节炎及肌肉相关研究的论文。在筛选会议摘要、会议论文、编辑材料、书籍章节和撤回出版物后,仅保留了文章和综述文章,最终发表了1,274篇论文。对英语出版物的进一步限制最终产生了1,249篇文献,包括895篇文章和354篇综述文章。年度发表量和引用频率如 图...

访问受限。请登录或开始试用以查看此内容。

讨论

文献计量分析显示该领域研究重点呈现明显的分阶段演变:早期研究主要聚焦于关节炎症机制的基础探索,但重点逐渐转向综合性研究方向,包括建立临床评估系统、阐明分子通路以及制定针对系统性共病的靶向干预策略 26,2728岁。这一转变强调了该领域的内在逻辑和进化轨迹。年度出版物产出呈现...

访问受限。请登录或开始试用以查看此内容。

披露

作者无需声明利益冲突。

致谢

本研究得到了中国国家自然科学基金(资助号81704050)的支持。

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
CiteSpace德雷塞尔大学https://citespace.podia.com关键词聚类、突发检测与参考共引分析
clusterProfilerR 封装 / 生物导体https://bioconductor.org/packages/clusterProfilerKEGG通路富集分析
细胞景象国家普通医学科学研究院(NIGMS)https://cytoscape.orgPPI网络和KEGG通路相互作用网络的可视化
ExcelMicrosoft公司https://www.microsoft.com/excel数据组织、统计图表及年度出版趋势分析
基因卡魏茨曼科学研究所https://www.genecards.org类风湿关节炎和肌炎的目标基因检索
R 软件R基金会https://www.r-project.org统计计算、数据分析与富集图生成
Scimago GraphicaScimago 实验室https://www.graphica.app国家协作网络的可视化与美学优化
瑞士生物信息学研究所(SIB)等。https://string-db.org蛋白质间相互作用(PPI)网络构建
VOSviewer莱顿大学https://www.vosviewer.com协作网络(作者、机构、国家)的构建及期刊共同引用分析

参考文献

  1. Brown, P., Pratt, A. G., Hyrich, K. L. Therapeutic advances in rheumatoid arthritis. BMJ. 384, e070856 (2024).
  2. Finckh, A., et al. Global epidemiology of rheumatoid arthritis. Nat Rev Rheumatol. 18 (10), 591-602 (2022).
  3. Weyand, C. M., Goronzy, J. J. The immunology of rheumatoid arthritis. Nat Immunol. 22 (1), 10-18 (2021).
  4. Di Matteo, A., Bathon, J. M., Emery, P. Rheumatoid arthritis. Lancet. 402 (10416), 2019-2033 (2023).
  5. Gravallese, E. M., Firestein, G. S. Rheumatoid arthritis—common origins, divergent mechanisms. N Engl J Med. 388 (6), 529-542 (2023).
  6. England, B. R., Thiele, G. M., Anderson, D. R., Mikuls, T. R. Increased cardiovascular risk in rheumatoid arthritis: mechanisms and implications. BMJ. 361, k1036 (2018).
  7. Minisola, S., Pepe, J., Cipriani, C. Rheumatoid arthritis, bone and drugs: a dangerous interweave. Ann Rheum Dis. 80 (4), 409-410 (2021).
  8. Bennett, J. L., et al. Rheumatoid sarcopenia: loss of skeletal muscle strength and mass in rheumatoid arthritis. Nat Rev Rheumatol. 19 (4), 239-251 (2023).
  9. Zhao, Y., Chen, G. Y., Fang, M. Research trends of rheumatoid arthritis and depression from 2019 to 2023: a bibliometric analysis. J Multidiscip Healthc. 17, 4465-4474 (2024).
  10. Farrow, M., et al. Muscle deterioration due to rheumatoid arthritis: assessment by quantitative MRI and strength testing. Rheumatology (Oxford). 60 (3), 1216-1225 (2021).
  11. Qu, Y., et al. Development and validation of a predictive model assessing the risk of sarcopenia in rheumatoid arthritis patients. Front Immunol. 15, 1437980 (2024).
  12. Cano-García, L., et al. Sarcopenia and nutrition in elderly rheumatoid arthritis patients: a cross-sectional study. Nutrients. 15 (11), 2440 (2023).
  13. Chen, G. Y., et al. Mechanisms of total glucosides of paeony in alleviating methotrexate-induced liver injury. Drug Des Devel Ther. 19, 3407-3423 (2025).
  14. Ding, Q., et al. Signaling pathways in rheumatoid arthritis: implications for targeted therapy. Signal Transduct Target Ther. 8 (1), 68 (2023).
  15. Aletaha, D., Smolen, J. S. Diagnosis and management of rheumatoid arthritis: a review. JAMA. 320 (13), 1360-1372 (2018).
  16. Chen, G. Y., et al. Network pharmacology analysis and experimental validation of total flavonoids of Rhizoma Drynariae in rheumatoid arthritis. Drug Des Devel Ther. 16, 1743-1766 (2022).
  17. Pavlov-Dolijanovic, S., et al. Elderly-Onset Rheumatoid Arthritis: Characteristics and Treatment Options. Medicina (Kaunas). 59 (10), 1878 (2023).
  18. Ninkov, A., Frank, J. R., Maggio, L. A. Bibliometrics: methods for studying academic publishing. Perspect Med Educ. 11 (3), 173-176 (2022).
  19. Li, K., Rollins, J., Yan, E. Web of Science use in published research and review papers 1997–2017. Scientometrics. 115 (1), 1-20 (2018).
  20. Chen, H., Chen, F., Luo, J., Chen, S. Research trends in emergency department overcrowding: a bibliometric study. Technol Health Care. 33 (3), 1159-1168 (2025).
  21. Du, Q., et al. Protocol for conducting bibliometric analysis using CiteSpace and VOSviewer. STAR Protoc. 5 (3), 103269 (2024).
  22. Stelzer, G., et al. The GeneCards Suite: from gene data mining to disease genome sequence analyses. Curr Protoc Bioinformatics. 54, 1.30.1-1.30.33 (2016).
  23. Szklarczyk, D., et al. The STRING database in 2023: protein–protein association networks. Nucleic Acids Res. 51 (D1), D638-D646 (2023).
  24. Dessau, R. B., Pipper, C. B. R—project for statistical computing. Ugeskr Laeger. 170 (5), 328-330 (2008).
  25. Shannon, P., et al. Cytoscape: a software environment for biomolecular interaction networks. Genome Res. 13 (11), 2498-2504 (2003).
  26. Su, C. M., et al. Melatonin regulates rheumatoid synovial fibroblast inflammation. J Pineal Res. 76 (6), e13009 (2024).
  27. Nygaard, G., Firestein, G. S. Restoring synovial homeostasis in rheumatoid arthritis. Nat Rev Rheumatol. 16 (6), 316-333 (2020).
  28. Xiao, Z. X., Miller, J. S., Zheng, S. G. Advances in autoantibodies in autoimmune diseases. Autoimmun Rev. 20 (2), 102743 (2021).
  29. Wu, D., et al. Systemic complications of rheumatoid arthritis. Front Immunol. 13, 1051082 (2022).
  30. Deane, K. D., Holers, V. M. Rheumatoid arthritis pathogenesis, prediction, and prevention. Arthritis Rheumatol. 73 (2), 181-193 (2021).
  31. Lekieffre, M., et al. Joint and muscle inflammatory disease: a scoping review. Semin Arthritis Rheum. 61, 152227 (2023).
  32. Tian, J., et al. Methotrexate-loaded nanomedicine in rheumatoid arthritis. Acta Biomater. 157, 367-380 (2023).
  33. Hysa, E., et al. Vitamin D and muscle status in autoimmune rheumatic diseases. Nutrients. 16 (14), 2329 (2024).
  34. Xu, L., et al. Metabolomics in rheumatoid arthritis: advances and review. Front Immunol. 13, 961708 (2022).
  35. Østergaard, M., Boesen, M. Imaging in rheumatoid arthritis. Radiol Med. 124 (11), 1128-1141 (2019).
  36. Chen, Z., Bozec, A., Ramming, A., Schett, G. Anti-inflammatory cytokines in rheumatoid arthritis. Nat Rev Rheumatol. 15 (1), 9-17 (2019).
  37. Liu, W., et al. Sinomenine inhibits rheumatoid arthritis progression. Front Immunol. 9, 2228 (2018).
  38. Miyabe, Y., Miyabe, C., Luster, A. D. LTB4 and BLT1 in inflammatory arthritis. Semin Immunol. 33, 52-57 (2017).
  39. Konzett, V., Aletaha, D. Management strategies in rheumatoid arthritis. Nat Rev Rheumatol. 20 (12), 760-769 (2024).
  40. Yang, D., et al. Research trends in heart failure and anxiety comorbidity. J Multidiscip Healthc. 18, 7175-7191 (2025).
  41. Colina, M., Campana, G. Precision medicine in rheumatology. J Clin Med. 14 (5), 1735 (2025).
  42. Peilin, Z., et al. Inflammatory cytokines and rheumatoid arthritis. Postgrad Med J. 101 (1194), 313-320 (2025).
  43. Zamri, F., de Vries, T. J. TNF inhibitors in rheumatoid arthritis. Front Immunol. 11, 591365 (2020).
  44. Pandolfi, F., et al. Interleukin-6 in rheumatoid arthritis. Int J Mol Sci. 21 (15), 5238 (2020).
  45. Rong, H., et al. IL1B polymorphisms and rheumatoid arthritis risk. Int Immunopharmacol. 83, 106401 (2020).
  46. Navarro-Compán, V., et al. IL-17 pathways in inflammatory diseases. Front Immunol. 14, 1191782 (2023).
  47. Chen, G., Yan, Z., Wang, Y., Tao, Q. Rheumatoid arthritis and fibromyalgia: bibliometric study. J Multidiscip Healthc. 18, 6811-6827 (2025).
  48. Liu, X. R., et al. Isorhamnetin inhibits rheumatoid arthritis progression. Chin J Integr Med. 30 (4), 299-310 (2024).
  49. Niu, X., et al. Tectoridin suppresses inflammatory signaling in RA. Tissue Cell. 77, 101826 (2022).
  50. Li, W., et al. Mangiferin and cinnamic acid alleviate rheumatoid arthritis. Front Immunol. 13, 912933 (2022).
  51. Wang, Y., et al. Research trends in JAK inhibitors for ulcerative colitis. J Multidiscip Healthc. 18, 6755-6771 (2025).
  52. Bertrand, D., et al. Methotrexate and etanercept in early RA: CareRA2020 trial. RMD Open. 10 (3), e004535 (2024).
  53. Simon, L. S., et al. The JAK/STAT pathway in rheumatoid arthritis. Semin Arthritis Rheum. 51 (1), 278-284 (2021).
  54. Hodge, J. A., et al. Mechanism of action of tofacitinib. Clin Exp Rheumatol. 34 (2), 318-328 (2016).
  55. Yang, Y. J., et al. Tubson-2 decoction in rheumatoid arthritis. Phytomedicine. 116, 154875 (2023).
  56. Mao, D., et al. HDAC2 in rheumatoid arthritis progression. Environ Toxicol. 38 (7), 1743-1755 (2023).
  57. Kurowska-Stolarska, M., Alivernini, S. Synovial macrophages in rheumatoid arthritis. Nat Rev Rheumatol. 18 (7), 384-397 (2022).
  58. Day, J., et al. Periarticular myositis in inflammatory arthritis. JCI Insight. 10 (7), e179928 (2025).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

230

相关文章