2016-2025年T淋巴细胞代谢重编程的文献计量学分析揭示研究趋势与新兴热点

摘要

本项文献计量分析采用 CiteSpace、VOSviewer 和 Scimago Graphica，对 2016 年至 2025 年间 T 淋巴细胞代谢重编程研究领域的发表趋势、合作网络以及新兴研究热点进行了评估。

摘要

T淋巴细胞是免疫反应的核心调节者，近期研究表明，在癌症和自身免疫性疾病中，代谢过程影响T淋巴细胞的活化、分化及效应功能。本研究对2016年1月1日至2025年12月31日期间从Web of Science核心合集检索到的文献进行了文献计量分析。使用CiteSpace对参考文献和关键词进行共现、共引和聚类分析；应用VOSviewer分析期刊、作者、参考文献、国家和机构，Scimago Graphica用于可视化国家合作网络，Excel用于评估年度发表趋势。共纳入1,882篇文献。年度发表数量稳步增长，2021年和2025年增长尤为显著。中国贡献的文献数量最多，而美国的引用影响力更强。《Frontiers in Immunology》是最多产的期刊，而《Nature》具有最高的引用影响力。关键词聚类和引文分析揭示了不断演变的研究热点，聚焦于T淋巴细胞代谢重编程、葡萄糖和氨基酸代谢，以及对免疫细胞间代谢相互作用的新兴关注。总体而言，本项文献计量分析表明T淋巴细胞免疫代谢领域的研究持续扩展，并凸显了新兴的主题方向，包括细胞间代谢调控和脂质代谢。

引言

初始T淋巴细胞主要依赖线粒体氧化磷酸化（OXPHOS）来维持其静息状态和低能量代谢水平¹。然而，在抗原刺激下，活化的T淋巴细胞会发生代谢转变，转向有氧糖酵解，以支持其快速增殖和效应功能²。效应T淋巴细胞，尤其是细胞毒性亚群，依赖糖酵解来满足细胞因子产生和细胞扩增相关的更高生物能量和生物合成需求³。尽管与OXPHOS相比，糖酵解每分子葡萄糖产生的三磷酸腺苷（ATP）较少，但其较快的代谢速率能够满足活化免疫细胞的功能需求⁴。过度的糖酵解活性也可能对免疫微环境产生不利影响。乳酸积累可损害葡萄糖来源的丝氨酸合成，并改变细胞内氧化还原平衡，从而抑制T淋巴细胞的增殖和功能⁵。此外，升高的乳酸水平会破坏依赖糖酵解的迁移通路，并降低CD4⁺和CD8⁺ T淋巴细胞的运动能力^6,7。

细胞代谢通过一种称为代谢重编程的过程，动态适应环境和生理刺激^8,9。越来越多的证据表明，代谢重编程在调控T淋巴细胞的活化、分化及功能可塑性中发挥核心作用^10,11。这些代谢改变在癌症和自身免疫性疾病中尤为重要，因为免疫微环境的变化会影响T淋巴细胞的功能和免疫调控^12,13。尽管已有若干文献计量学研究在更广泛的背景下评估了免疫代谢，包括肿瘤免疫代谢和疾病相关的免疫代谢，但这些分析主要关注的是广义的免疫-代谢相互作用，而非T淋巴细胞特异性的代谢重编程^14,15。目前仍缺乏针对T淋巴细胞免疫代谢领域的系统性文献计量分析，尤其是在该领域的研究趋势、合作网络以及不断演变的主题热点方面。

为弥补这一空白，本研究对2016年1月1日至2025年12月31日期间收录于Web of Science核心合集（WOScc）的文献进行了文献计量学分析。采用CiteSpace、VOSviewer和Scimago Graphica对T淋巴细胞代谢重编程研究领域的论文产出量、合作模式、共被引关系及主题演变进行定量分析。与传统的叙述性综述不同，文献计量学分析通过引文分析、聚类分析和关键词分析，提供对科学图景的结构化和数据驱动的总体概览。本研究旨在系统刻画T淋巴细胞免疫代谢领域的全球研究趋势与新兴热点，并对该快速发展的领域当前的知识体系提供系统性的综述。

方案

本研究仅分析了从公开可访问的数据库中获取的文献数据，未涉及人类受试者、动物或可识别的个人数据；因此，无需机构伦理审批和知情同意。

数据收集与检索策略
数据于2026年1月27日从Web of Science核心合集（WoSCC，https://www.webofscience.com/wos/woscc/）中提取。所选数据库版本为WoSCC中的科学引文索引扩展版（SCI-EXPANDED）和社会科学引文索引。检索通过高级检索界面进行，检索策略应用于“主题（TS）”字段，完整的检索式及检索结果见表1。检索时间范围限定为2016年1月1日至2025年12月31日之间被WoSCC收录的文献，使用“Timespan”筛选功能实现。仅纳入原始研究论文和综述文章，通过“Document Types”筛选器完成。语言限定为英文，未对国家、机构或研究领域设置任何限制。所有记录以纯文本格式导出，导出时选择“完整记录和被引参考文献”。当检索结果数量超过500条时，分批次下载记录，并在分析前合并为单一数据集。检索完成后，所有记录导入CiteSpace进行预处理和文献计量分析。利用CiteSpace内置的去重功能，基于题名、作者、出版年份和来源期刊等书目元数据识别并删除重复记录。当发现潜在的不一致或书目信息不完整的记录时，额外进行人工核对，以确保分析前数据的准确性和一致性。

设置	结果	搜索查询
#1	252,461	TS=("T细胞*" OR "T-细胞*" OR "T淋巴细胞*" OR "T-淋巴细胞*" OR "T-淋巴*" OR "CD4+ T细胞*" OR "CD8+ T细胞*" OR "细胞毒性T细胞*" OR "调节性T细胞*" OR "Treg*" OR "辅助性T细胞*" OR "Th细胞*" OR "初始T细胞*" OR "记忆T细胞*" OR "效应T细胞*")
#2	13,799	TS=("代谢重编程" OR "代谢重塑" OR "代谢重构")
#3	1,882	#1 和 #2

表1：用于文献计量数据检索的Web of Science核心合集检索策略。 该表格总结了从WoSCC中收集文献所使用的详细检索策略、关键词组合、布尔运算符以及最终的检索结果数量。检索通过高级检索界面中的“主题（TS）”字段进行。使用了通配符（*）以检索多个词尾变化及相关术语。最终数据集包含在应用语言和文献类型筛选条件后，2016年1月1日至2025年12月31日期间索引的出版物。

分析方法
系统地采用多种文献计量学方法进行数据分析。分析在 Windows 10 操作系统环境中进行。使用 CiteSpace（v.5.7.R2）对从 WoSCC 导出的 TXT 格式数据进行参考文献和关键词分析。CiteSpace 参数设置如下：（1）时间切片设定为从 2016 年至 2025 年，每年为一个时间片；（2）选择标准采用 g 指数（k = 25）；（3）剪枝方法包括 Pathfinder、剪枝切片网络（Pruning Sliced Networks）和剪枝合并网络（Pruning the Merged Network），以简化网络结构同时保留关键关系；（4）聚类分析采用对数似然比算法¹⁶。该分析生成了参考文献和关键词的共被引网络、聚类图谱、时间线图谱以及突现检测图谱。在可视化图谱中，节点大小表示频次，连线粗细表示共现强度，紫色环表示高中介中心性。突现节点反映了随时间推移引用频次或关键词频次的突然增加。

随后，使用 Windows 记事本将导出的文件重新以 UTF-8 编码保存，并导入 VOSviewer（版本 1.6.20）进行文献计量绘图分析，包括作者、期刊、机构和国家层面的共著、共被引和共现分析¹⁷。采用全计数法，并使用关联强度法进行归一化处理。根据数据集规模设定最低出现频次阈值（作者 ≥ 5 篇文献；关键词 ≥ 5 次出现；机构 ≥ 3 篇文献）。网络可视化基于项目权重和总连接强度。在国家层面合作分析中，将 VOSviewer 导出的 GML 文件导入 Scimago Graphica（版本 1.0.53），其中节点代表国家。采用默认的力导向布局算法生成网络可视化图和聚类结果，以展示国家之间的空间关系与合作模式。使用 WPS Excel 对年度发表趋势和基本数据进行描述性统计分析。结果通过条形图、柱状图和折线图进行可视化呈现。

采用上述相同的检索策略，进行了一项补充性的时间分段分析，检索范围限定在2025年1月1日至2025年12月31日期间收录的文献。在相同的WoSCC查询框架和分析环境下，获取了近期发表的文献及与会议相关的成果，用于背景描述和说明性目的。该过程完全在WoSCC内置的分析界面中完成。未创建独立的数据集，所获取的信息也未整合至主要的文献计量数据集，亦未用于定量分析。整体研究设计和文献计量分析流程已在流程图中总结（图1）。

图1．T淋巴细胞代谢重编程研究的文献计量分析工作流程。本研究设计及分析流程的示意图。通过预定义的检索策略和纳入标准，从Web of Science核心合集（WoSCC）中检索相关出版物。将检索到的记录以纯文本格式导出，并进行预处理，包括去除重复文献和文献数据标准化。使用CiteSpace进行共被引分析、关键词共现分析、聚类分析及突现词检测，使用VOSviewer分析作者、机构、国家和期刊之间的合作网络。采用Scimago Graphica可视化国际合作关系网络，使用WPS Excel分析年度发表趋势和描述性统计结果。请点击此处查看该图的高清版本。

结果

出版产出与时间趋势
为表征该领域研究活动的时间演变特征，采用Web of Science核心合集（WoSCC）收录的文献进行了文献计量分析。最初检索到过去十年间共1,991条记录。剔除重复及非英文文献后，最终纳入并分析1,882篇出版物，其中包括1,046篇原创研究论文和836篇综述文章。2016年至2025年的年度发表与引用趋势见图2，显示研究活动随时间持续增长。2020年，发表文章数量较2019年增加40篇，引用次数增加1,989次。2021年至2024年期间，引用次数继续逐年上升，而发表数量年度间变化相对较小，仅2021年增加55篇。2025年，发表文章数量从252篇增至629篇，引用次数从13,045次增至21,103次。这些结果表明，在研究期间，T淋巴细胞代谢重编程领域的科学关注度和学术影响力持续增长。

图 2．2016 年至 2025 年 T 淋巴细胞代谢重编程研究领域的年度出版物与引用趋势。 2016 年至 2025 年间从 WoSCC 数据库中检索到的关于 T 淋巴细胞代谢重编程的年度出版物数量及总引用次数。蓝色柱状图表示每年的出版物数量，反映年度研究产出；橙色曲线表示总引用次数，体现各年度收录出版物的学术影响力与引用情况。请点击此处查看该图的高清版本。

国家层面的贡献与合作
国家层面的分析表明，中国的发文量最高，共发表997篇，而美国贡献了510篇文献（图3A）。两国随时间推移的发表趋势有所不同。在整个研究期间，中国的发文量持续稳步增长，而美国则出现了两次局部发表高峰，随后在2025年之前年度发文量呈下降趋势（图3B）。2025年，两国的发文量均显著增加，其中中国较前一年增加了296篇，美国增加了42篇。合作网络分析揭示了多个国家之间广泛存在的互动关系（图4A），并根据共同作者模式划分出五个主要的国家集群（图4B）。美国、中国和韩国构成了一个联系紧密的合作集群，其他集群则包括来自欧洲、亚洲和美洲的国家。大多数国家均与美国存在合作关系，表明美国在国际科研合作网络中处于核心地位。

图3．2016年至2025年T淋巴细胞代谢重编程研究领域的国际论文发表趋势。（A）2016年至2025年间T淋巴细胞代谢重编程研究领域论文发表数量排名前10位国家的年度发表数量。不同颜色的线条代表不同国家，展示各国发表产出随时间的变化趋势。（B）中国与美国年度论文发表趋势的比较，显示两国研究产出随时间的变化情况。请点击此处查看该图的高清版本。

图 4. 2016 年至 2025 年间 T 淋巴细胞代谢重编程研究中的国际合作网络。（A）基于文献计量网络分析生成的贡献量排名前 20 位国家之间的国际合作网络。节点大小表示出版物数量，连接线粗细表示国家间合作强度，不同颜色代表不同的合作集群。（B）展示国家间合作互动关系的弦图。每条连接弦的宽度对应成对国家之间合作的强度。请点击此处查看该图的高清版本。

机构科研产出与合作
机构科研产出分析显示，全球发表论文数量最多的10个机构中有9个来自中国，其余1个机构位于美国（图5A）。其中，上海交通大学以74篇论文位居第一，复旦大学以66篇论文位列第二，中南大学以51篇论文排名第三。大多数高产的中国机构为大学，且主要集中在华南地区。基于引用次数的排名分布与论文产出排名存在差异（图5B）。哈佛大学以2,997次引用位居榜首，随后是马克斯·普朗克免疫生物学与表观遗传学研究所，引用次数为2,682次。在中国机构中，中南大学的引用次数最高，达2,288次。机构合作网络显示各机构之间存在广泛互联（图5C）。上海交通大学的总连接强度最高（62），表明其与其他机构之间存在频繁的合作关系，尤其在中国国内的合作尤为密切。

图 5：2016 年至 2025 年 T 淋巴细胞代谢重编程研究中的机构产出与合作分析。（A）根据发表文献数量排名的前 10 个机构的水平柱状图。（B）根据总被引频次排名的前 10 个机构的水平柱状图。（C）使用 VOSviewer 生成的机构合作网络。节点大小表示机构的发表产出，连线粗细反映合作强度，不同颜色表示不同的合作集群。请点击此处查看该图的高清版本。

作者生产力与影响力
在按发表数量排名的前10位作者中，Ping-Chih Ho 的发文数量最多（18篇文献），其次是 Li, Hui，发表14篇，另有数位作者发表10至12篇文献（图6A）。引文分析显示，Erika L. Pearce 的被引频次最高（2,384次），其次是 Ping-Chih Ho（1,641次）和 Romero Pedro（1,352次）（图6B）。Ping-Chih Ho 发表了18篇论文，获得1,641次引用，总连接强度为23，表明其在作者合作网络中处于核心地位。共被引分析进一步展示了被引作者之间引用频率的分布情况。其中，Chang C.H. 的被引次数最高（561次），而在前10位作者中排名最低者被引278次（图7A）。网络分析表明，高被引作者通常具有更高的总连接强度值，提示其存在更强的共被引关系，并在研究网络中具有更广泛的整合性（图7B）。

图6．2016年至2025年T淋巴细胞代谢重编程研究领域作者产出力与引用影响力分析。（A）根据发表论文数量对作者进行排名的水平柱状图。（B）根据总引用次数对作者进行排名的水平柱状图。柱条长度代表每位作者相关的论文数量或引用次数。请点击此处查看该图的高清版本。

图 7：2016 年至 2025 年 T 淋巴细胞代谢重编程研究中被引作者分析。（A）按总被引频次排序的被引作者梯度式柱状图。（B）展示共被引网络中被引作者间总链接强度的梯度式柱状图。柱长表示被引频次或总链接强度，颜色越深表示被引频次越高或共被引关系越强。请点击此处查看该图的高清版本。

期刊在出版物与引用中的表现
表2汇总了在T淋巴细胞代谢重编程研究领域发表论文数量最多的前10种期刊，包括其被引频次和总连接强度值。其中，《Frontiers in Immunology》的发文量最高，达203篇；而《Cell Metabolism》在高产期刊中影响因子最高，为30.9（图8A）。大多数期刊被归类于《期刊引证报告》（Journal Citation Reports, JCR）的Q1分区（图8B）。在期刊合作网络中，有五种期刊的总连接强度超过100，其中《Frontiers in Immunology》的总连接强度最高，达549，表明其在期刊合作网络中具有较强的连通性（图8C）。对被引期刊的引文分析显示，《Nature》的被引频次最高，为6,331次，其次为《Immunity》，被引6,061次（表3和图9A）。尽管《Frontiers in Immunology》的影响因子低于其他一些高被引期刊，但其被引频次仍位居第三，达5,685次。共被引网络分析显示，被引期刊之间存在紧密的合作关系，整个网络呈现出较高的总连接强度（图9B）。这些结果表明，该领域内具有高度影响力的期刊通常兼具显著的引文影响力和广泛的期刊间连通性。

排名	期刊	频率	引用	总连接强度
1	免疫学前沿	203	3993	549
2	肿瘤学前沿	55	1366	113
3	国际分子科学杂志	49	1112	128
4	自然通讯	33	2511	96
5	癌症	31	659	54
6	先进科学	27	1476	136
7	细胞报告	27	329	56
8	细胞代谢	25	3076	184
9	国际免疫药理学	23	243	45
10	科学报告	22	197	16

表2：2016年至2025年T淋巴细胞代谢重编程研究领域发文量排名前10的期刊。 该表格总结了从WoSCC数据库中检索出的在T淋巴细胞代谢重编程研究领域发文量最高的10种期刊。频次表示数据库中收录的各期刊的论文数量。引文数指各期刊相关论文获得的总引用次数。总链接强度表示使用VOSviewer构建的期刊共现网络中各期刊之间的关联程度与合作紧密度。

图8。T淋巴细胞代谢重编程研究中的期刊绩效指标与合作网络分析。（A）发表论文数量最多的前10种期刊的影响因子分布。（B）发表论文数量最多的前10种期刊的被引频次。（C）基于文献计量学方法生成的期刊合作与共被引网络。柱状图长度表示期刊的发文量、影响因子、被引频次或期刊网络中的总链接强度。影响因子与分区排名数据来源于《期刊引证报告》（Journal Citation Reports, JCR）。请点击此处查看该图的高清版本。

排名	被引期刊	频率	免疫荧光	JCR 分区
1	自然	6331	48.5	Q1
2	免疫	6061	26.3	Q1
3	免疫学前沿	5685	5.9	Q1
4	细胞	5539	42.5	Q1
5	免疫学杂志	5275	3.4	Q2
6	细胞代谢	4974	30.9	Q1
7	自然通讯	4515	15.7	Q1
8	自然免疫学	4345	27.6	Q1
9	美国国家科学院院刊	3838	9.1	Q1
10	癌症研究	3818	16.6	Q1

表3：2016年至2025年T淋巴细胞代谢重编程研究领域被引频次排名前10的期刊。 该表格总结了从WoSCC数据库中检索到的T淋巴细胞代谢重编程研究共被引分析中排名前10的期刊。频次表示各期刊在数据集中的总被引频次。IF为期刊影响因子，JCR为期刊引证报告的分区（四分位）分类。期刊计量指标用于评估在文献计量网络中被引期刊的引用影响力与学术地位。

图 9．T 淋巴细胞代谢重编程研究中的被引期刊绩效指标与合作网络分析。（A）被引频次排名前 10 位的期刊的 JCR 分区分布。（B）共被引网络分析，展示被引期刊之间的合作关系。条形长度表示期刊共被引网络中的被引频次或总连接强度。期刊指标数据来源于 JCR。请点击此处查看该图的高清版本。

参考文献分析
参考文献聚类分析识别出多个相互关联的主题聚类，其中前10个聚类如图10A所示。其中，聚类#0（巨噬细胞极化）和聚类#2（T淋巴细胞）与免疫细胞功能调控相关。聚类#4（肿瘤微环境）和聚类#7（T细胞耗竭）表现出紧密的网络连接性，反映了它们相关联的研究主题。还识别出与代谢通路相关的其他聚类，包括聚类#3（乳酸化）、聚类#9（谷氨酰胺代谢）、聚类#1（脂质代谢）和聚类#10（氨基酸代谢）。此外，“预后”（聚类#6）在共引网络中被识别为一个独立的主题聚类。参考文献共引分析识别出该研究领域内具有高度影响力的文献（图10B）。根据被引频次（表4）和中介中心性（表5），对前10篇参考文献进行了排序。早期高被引研究，尤其是2016年之后发表的研究，主要聚焦于免疫-代谢调控机制以及肿瘤微环境中的代谢相互作用，包括调节性T细胞的代谢适应。2019年至2022年间发表的研究 increasingly 探讨了以代谢为靶点的治疗策略，包括谷氨酰胺阻断和乳酸–PD-1信号轴。具有高中介中心性的参考文献主要涉及细胞代谢与免疫细胞功能之间的相互作用，包括免疫极化、T细胞耗竭和表观遗传调控。一篇2018年发表的高被引研究报道，肿瘤微环境内的代谢重编程与过继性T细胞治疗疗效降低相关。

图 10。T 淋巴细胞代谢重编程研究中的参考文献聚类与共被引分析。（A）参考文献的聚类分析，显示使用 CiteSpace 识别出的前 10 个参考文献聚类。不同颜色代表不同的主题聚类。（B）通过文献计量分析生成的参考文献共被引网络。节点大小表示被引频次，连接线表示参考文献之间的共被引关系。请点击此处查看该图的高清版本。

排名	参考文献信息	文章标题	期刊名称	被引次数
1	Watson, M. J. (2021)	乳酸对肿瘤浸润性调节性T细胞的代谢支持作用	Nature	133
2	Kumagai, S. (2022)	在高度糖酵解的肿瘤微环境中乳酸促进调节性T细胞中PD-1的表达	Cancer Cell	105
3	Xia, L. (2021)	癌症代谢重编程与免疫应答	Molecular Cancer	102
4	Leone, R. D. (2019)	谷氨酰胺阻断诱导不同的代谢程序以克服肿瘤免疫逃逸	Science	100
5	Faubert, B. (2020)	代谢重编程与癌症进展	Science	89
6	Sung, H. (2021)	2020年癌症统计：GLOBOCAN对全球185个国家36种癌症的发病率和死亡率估计	CA: A Cancer Journal for Clinicians	85
7	Leone, R. D. (2020)	癌症中免疫细胞的代谢	Cancer	83
8	Angelin, A. (2017)	Foxp3重编程T细胞代谢以在低葡萄糖、高乳酸环境中发挥作用	Cell Metabolism	83
9	Chang, C. H. (2015)	肿瘤微环境中的代谢竞争是癌症进展的驱动因素	Cell	74
10	Wang, H. (2020)	CD36介导的代谢适应支持调节性T细胞在肿瘤中的存活与功能	Nature Immunology	74

表4：2016年至2025年T淋巴细胞代谢重编程研究中被引频次最高的10篇参考文献。 本表总结了通过共被引分析识别出的T淋巴细胞代谢重编程研究领域中被引频次最高的10篇参考文献。被引频次表示在从WoSCC检索的文献计量数据集中每篇文献获得的总被引次数。该表包括各参考文献的第一作者、发表年份、文章标题、期刊名称以及对应的总被引次数。

排名	参考文献信息	文章标题	期刊名称	中心性
1	Leone, R. D. (2019)	谷氨酰胺阻断诱导不同的代谢程序以克服肿瘤免疫逃逸	Science	0.55
2	Huang, S. C. (2016)	mTORC2-IRF4信号轴介导的代谢重编程对巨噬细胞替代性活化至关重要	Immunity	0.52
3	Brand, A. (2016)	LDHA相关的乳酸生成通过T细胞和NK细胞削弱肿瘤免疫监视	Cell Metabolism	0.5
4	Nakaya, M. (2014)	炎症性T细胞反应依赖于氨基酸转运蛋白ASCT2促进谷氨酰胺摄取及mTORC1激酶活化	Immunity	0.48
5	Cascone, T. (2018)	肿瘤糖酵解增加是过继性T细胞治疗免疫抵抗的特征	Cell Metabolism	0.44
6	Ma, X. Z. (2019)	胆固醇诱导肿瘤微环境中CD8+ T细胞耗竭	Cell Metabolism	0.41
7	Yang, W. (2016)	通过调节胆固醇代谢增强CD8(+) T细胞的抗肿瘤反应	Nature	0.39
8	Geiger, R. (2014)	L-精氨酸调节T细胞代谢并增强其存活及抗肿瘤活性	Cell	0.37
9	Freemerman, A. J. (2014)	巨噬细胞的代谢重编程：葡萄糖转运蛋白1（GLUT1）介导的葡萄糖代谢驱动促炎表型	The Journal of Biological Chemistry	0.31
10	Bian, Y. (2020)	癌症相关SLC43A2改变T细胞甲硫氨酸代谢及组蛋白甲基化	Nature	0.29

表5：2016年至2025年T淋巴细胞代谢重编程研究中按中介中心性排名的前10篇参考文献。 该表格总结了通过CiteSpace进行共被引网络分析所识别出的中介中心性最高的前10篇参考文献。中介中心性反映了某篇参考文献在文献计量网络中连接不同研究聚类的相对重要性。中心性值越高，表明其在主题领域之间起到更强的桥梁作用，并对知识网络结构具有更大的影响。

关键词分析与时间趋势
关键词聚类分析将高频术语归入多个主题类别（图11A）。在这些关键词中，“metabolic reprogramming”和“tumor microenvironment”经常共同出现，表明该研究领域内存在强烈主题关联。“T cells”和“dendritic cells”等关键词也表现出密切关联，反映出学术界对免疫细胞在肿瘤进展及免疫治疗相关调控中作用的持续关注。时间趋势分析（图11B和11C）显示了研究重点在研究期间的演变。2016年至2018年发表的早期研究主要聚焦于免疫细胞活化和葡萄糖代谢。2018年至2020年发表的研究 increasingly 强调T细胞分化和免疫功能的代谢调控。自2021年以来，“DNA methylation”、“oxidative phosphorylation”和“IDO”等关键词出现频率更高，表明在T淋巴细胞研究中，表观遗传调控、线粒体代谢以及免疫-代谢信号通路正受到越来越多的关注。

图11。T淋巴细胞代谢重编程研究中的关键词聚类、突现词检测与时间趋势分析。（A）通过文献计量分析识别出的前15个关键词聚类的聚类分析结果，不同颜色代表不同的主题领域。（B）前10个关键词聚类的时间线可视化图，展示主要研究主题随时间的演变过程。（C）突现词检测分析识别出的前20个突现关键词，红色条形表示关键词出现频率在特定时间段内显著上升。请点击此处查看该图的高清版本。

本项文献计量分析基于从WoSCC检索到的出版物，系统描绘了T淋巴细胞代谢重编程研究的全球科研格局。在研究期间，科学产出和引用影响力稳步增长，中国和美国被确定为在出版物产出和引用影响力方面的主要贡献者。合作网络分析表明，国际间及机构间的科研合作关系日益紧密，同时也揭示了各贡献者在出版物数量与引用影响力之间存在差异。该领域的知识结构主要围绕肿瘤微环境中的免疫细胞调控和代谢重编程展开，随着时间推移，研究主题从聚焦基础免疫激活逐步演变为表观遗传调控、氧化磷酸化以及免疫-代谢相互作用的探索。总体而言，本研究为T淋巴细胞代谢重编程领域的研究发展、主要贡献者、合作模式及新兴主题方向提供了系统性的综述。

数据可用性：
本研究中分析的数据集来自 Web of Science 核心合集（WoSCC）。本研究生成的原始文献计量数据集及相关分析文件已作为补充材料提供，并通过 Zenodo 仓储库公开获取，网址为：https://doi.org/10.5281/zenodo.20270392。本研究未使用任何受限、机密或可识别个人身份的数据。

讨论

我们对T细胞代谢重编程的文献计量分析显示，该领域的研究成果数量随时间持续增长。2020年发表论文数和被引频次显著上升，与2019年相比，新增论文40篇，新增被引1,989次。这一增长在时间上与几篇高被引论文的发表相吻合，包括 谷氨酰胺阻断诱导不同的代谢程序以克服肿瘤免疫逃逸 （2019年11月22日发表）¹⁸，该研究在数据集中位列被引频次最高且中心性最强的参考文献之一。该研究在领域内频繁被共同引用，与免疫代谢及肿瘤免疫逃逸领域的概念性进展密切相关，可能促成了此期间学术界对其关注度的提升。此后，发文量趋于平稳，但2021年出现显著增长，新增55篇文章，恰逢多篇高被引研究的发表。其中该年度一项关键研究成果， 乳酸对肿瘤浸润性调节性T细胞的代谢支持 （发表于2021年3月），强调了细胞内代谢因素如何影响T细胞的抗肿瘤功能¹⁹另一篇出版物， 癌症代谢重编程与免疫应答 （发表于2021年2月5日），全面综述了代谢物、代谢酶、代谢通路以及免疫细胞代谢编程对肿瘤免疫的影响²⁰.

2025年出现显著增长，当年的论文发表量和被引频次均约为前一年的两倍。利用WoSCC内置的分析界面进一步分析了2025年的增长趋势及新兴研究热点。2025年举办的主要国际会议包括：美国基因与细胞治疗学会第28届年会、美国癌症研究协会年会、美国免疫学家协会年会、美国血液学会第67届年会、 investigative皮肤病学会年会以及美国胸科学会国际会议。这些会议占过去十年间所识别的主要会议的14.6%（6/41）。这些观察结果可能反映了该领域在此期间学术活动和可见度的提升。2025年排名最高的文章题为tRNA m1A modification regulates cholesterol biosynthesis to promote antitumor immunity of CD8⁺ T cells（于2025年3月发表于The Journal of Experimental Medicine）。该研究将tRNA m1A修饰确定为胆固醇生物合成中的代谢检查点，并证明其在支持CD8⁺ T细胞功能方面的重要性。该发现与文献计量学结果一致，表明T细胞免疫代谢领域对脂质代谢的研究关注度正日益增加²¹。

过去十年中，按发表论文数量排名前十的国家依次为中国、美国、德国、英国、意大利、瑞士、法国、印度、西班牙和日本，共发表论文1,062篇，占总产出的56.43%。2016年，美国以25篇论文位居首位，而大多数其他国家每年发表论文数量均少于10篇。美国在2020年至2022年期间进入相对高产阶段，随后趋于稳定，并在2025年回升至99篇。中国自2021年起持续增长，自2022年起每年发表论文数量超过100篇。到2025年，中国的论文发表量较2016年增长了64.9倍，达到同年美国发表量的358.6%。在欧洲国家中，德国的论文发表量最高，达133篇。瑞士和荷兰也表现出较高的科研产出，其中瑞士的Ping-Chih Ho和荷兰的Mihai G. Netea分别发表了18篇和12篇论文。德国的Erika L. Pearce在高产作者中排名第10位（9篇论文），在高被引作者中排名第9位（281次引用），总链接强度为179。这些结果表明，T细胞免疫代谢研究领域的国际合作模式日益全球化，国际参与度不断扩大。

该领域发文量排名前十的期刊为 免疫学前沿, 细胞代谢, 自然通讯, 先进科学, 肿瘤学前沿, 国际分子科学杂志, 癌症, 细胞报告, 国际免疫药理学，以及 科学报告其中七种期刊的影响因子在3到7之间，而其余三种期刊的影响因子均超过10。 细胞代谢 影响因子最高（30.9），但发表文章数量排名第8，共发表25篇，而 免疫学前沿 发表论文数量最多，共发表203篇，年均约20篇。值得注意的是，该研究 Foxp3 重编程 T 细胞代谢以在低葡萄糖、高乳酸环境中发挥功能 发表于 细胞代谢²² 在被引用次数最多的十大参考文献中排名第八。然而，尚无来自 免疫学前沿 出现在被引频次最高的参考文献列表中。在被引频次排名前十的参考文献中，有四篇发表于 细胞, 自然，以及 科学. 免疫性 在引用频率中排名第二，并在高中心性参考文献中表现出较强的代表性。在按中心性排名的前10篇参考文献中，有两篇发表于 免疫，尽管其中有一篇发表于2016年之前^23,24相比之下， 细胞代谢 在2016–2025年的研究期间内保持了较强的引用影响力^25,26在本分析纳入的1,882篇出版物中，1,046篇为原创研究论文，836篇为综述文章，综述文章所占比例显著高于该领域通常水平。值得注意的是，被引频次排名前十的参考文献中，有三篇为综述文章。这一趋势可能反映了T细胞免疫代谢研究领域的快速进展，该领域不断涌现出新的研究成果和概念演进，从而催生了对整合性综述日益增长的需求。

迄今为止，该领域的研究主要集中在T细胞亚群的代谢调控上，包括效应T细胞、记忆T细胞和调节性T细胞，其中雷帕霉素靶蛋白（mammalian target of rapamycin）是研究最为广泛的信号通路之一。除了T细胞外，树突状细胞也日益受到关注，因其在T细胞活化和免疫调节中发挥着关键作用。文献计量分析还显示，不同代谢通路之间的研究关注度存在不均衡现象。尽管氨基酸代谢和葡萄糖代谢已被广泛研究，脂质代谢尽管近年来兴趣渐增，但仍相对缺乏深入探索。这些发现提示，未来的研究可能将 increasingly聚焦于脂质介导的免疫调控、肿瘤微环境中的代谢交互作用以及表观遗传-代谢之间的相互作用。这一文献计量框架还可帮助研究人员识别免疫代谢领域 emerging 的研究主题、具有影响力的合作关系以及尚未充分探索的治疗方向，从而推动癌症免疫治疗和免疫调控研究的发展。

本研究存在若干局限性。首先，数据仅从Web of Science核心合集（WoSCC）中获取，可能导致遗漏其他数据库（如Scopus或PubMed）收录的相关研究，尽管WoSCC的索引质量较高，但仍可能引入潜在的选择偏倚。其次，仅纳入了英文发表的文献，可能带来语言偏倚。第三，基于引文的指标可能受论文发表时间、期刊可见度及引用习惯的影响，因此未必能充分反映研究的科学质量或临床相关性。最后，尽管应用了多种文献计量学指标，但未包含H指数、篇均被引次数等更为标准化的指标。未来的研究若能整合多个数据库、补充更多文献计量学指标，并采用纵向验证方法，将有助于更全面地理解T细胞免疫代谢研究领域的发展动态。

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	v.5.7.R2	SCR_025121
Microsoft Excel	微软公司	v.2604 构建版本 16.0.19929.20136	SCR_016137（Microsoft Excel）
WPS Excel	金山办公软件	v.12.1.0.26375
Scimago Graphica	Scimago 实验室	v.1.0.53	暂无内容
VOSviewer	莱顿大学	v.1.6.20	SCR_023516
Web of Science 核心合集	科睿唯安	访问于2026年1月27日；版本不适用	暂无内容
Windows 操作系统	微软公司	Windows 10	暂无内容