糖尿病肾病中线粒体研究的文献计量与可视化分析

摘要

这项文献计量分析描绘了糖尿病肾病（DN）中线粒体研究的现状，并总结了主要的主题演变及新兴研究方向。

摘要

本项文献计量学研究系统描绘了2016年至2025年期间糖尿病肾病（DN）中线粒体研究的全球格局。为保持与研究标题和检索重点的一致性，全文使用DN作为主要术语，而糖尿病肾病（diabetic kidney disease, DKD）仅在描述检索词、筛选标准或原始作者关键词时保留。本研究从Web of Science核心合集（WoSCC）中的科学引文索引扩展版（SCI-EXPANDED）和社会科学引文索引（SSCI）共检索到1,342篇文献，并利用CiteSpace、VOSviewer和Scimago Graphica进行分析。年度发表量从2016年的63篇增长至2025年的239篇，增长近四倍，数据集层面的引用可见性也同步上升。中国在论文发表数量上居首，而澳大利亚和美国的篇均被引频次更高，表明产出数量与基于引用的可见性之间存在差异。在所列机构中，中南大学在机构发文量和总被引频次方面均位列第一，但其合作连接性低于上海交通大学和浙江大学。关键词与参考文献分析显示，研究主题随时间从高糖诱导的氧化应激和细胞凋亡，逐步扩展至线粒体自噬、铁死亡、线粒体动力学、线粒体相关内质网膜（MAMs）以及NLRP3炎症小体。研究还识别出与干预和方法学相关的主题，包括SGLT2抑制剂、MitoQ、热量限制、孟德尔随机化和代谢组学。总体而言，DN中的线粒体研究已拓展至线粒体质量控制、调控性细胞死亡、多组学方法及干预相关领域。这些文献计量学特征反映的是主题的突出性和引用可见性，而非直接的机制或临床证据，或可为需进一步验证的研究方向提供参考。

引言

糖尿病肾病（DN）是糖尿病最严重的微血管并发症之一，也是全球终末期肾病的主要病因^1,2。尽管在血糖控制、血压管理以及肾素-血管紧张素系统阻断方面已取得显著进展，DN的发病率仍持续上升，仍有相当比例的患者进展为不可逆的肾功能衰竭³。这一未被满足的临床需求推动了对新型病理生理机制和治疗靶点的深入探索。线粒体作为细胞能量代谢、氧化还原稳态和细胞凋亡的核心枢纽，在DN发病机制中发挥着关键作用^4,5。过去二十年的研究已证实，高血糖诱导的线粒体功能障碍直接导致足细胞损伤、肾小管上皮细胞损害、系膜区扩张以及间质纤维化^6,7。这种功能障碍表现为活性氧（ROS）过度产生、氧化磷酸化受损、线粒体断裂、线粒体自噬缺陷以及线粒体生物发生失调^8,9。因此，涉及SIRT3、PGC1α、Drp1、PINK1、Parkin以及NLRP3炎症小体的线粒体相关信号通路已成为研究重点^10,11。近年来，铁死亡（ferroptosis）、线粒体相关内质网膜（MAMs）以及线粒体代谢重编程等新兴概念进一步拓展了DN的机制研究范畴^12,13,14。关于DN中线粒体研究的出版物数量大幅增加，形成了丰富但日益复杂且碎片化的知识体系。

鉴于文献数量的快速增长，传统的叙述性综述已不足以系统地捕捉该领域不断演变的知识图景、合作网络以及新兴前沿。¹⁵ 文献计量分析是一种基于定量和可视化的方法，能够客观地描绘科学产出，识别具有影响力的论文、作者、机构和国家，并揭示研究主题随时间推移的动态变化。^{16,17,18,19,20} 已有若干项文献计量学研究探讨了糖尿病肾病、DKD、线粒体相关的肾脏研究或氧化应激相关主题。^21,22,23,24 然而，针对糖尿病肾病中线粒体研究的最新、主题聚焦的文献计量综合分析，仍有助于厘清该特定领域近期的研究活跃度、合作模式、主题演变趋势及新兴研究方向。本研究从WoSCC中的SCI-EXPANDED和SSCI数据库检索了2016年至2025年期间发表的所有相关文献，并利用CiteSpace、VOSviewer和Scimago Graphica进行系统的文献计量与可视化分析。本研究描绘了当前的研究格局，总结了主要研究主题的发展脉络，包括线粒体自噬、铁死亡、线粒体动力学及干预相关研究，从而为确定需要进一步开展实验和临床验证的研究方向提供了文献计量学依据。

方案

数据采集与检索策略

所有文献计量数据均于2026年4月30日从Web of Science核心合集（WoSCC）中的SCI-EXPANDED和SSCI数据库中检索获得。SCI-EXPANDED用于获取生物医学和生命科学领域的文献，而SSCI则用于纳入可能相关的跨学科研究记录。检索策略参考医学主题词（MeSH）数据库构建。在MeSH中分别检索“Diabetic Nephropathies”和“Mitochondria”，并查阅相应的MeSH主题词、入口词及相关副主题词，以指导关键词选择和同义词扩展。由于Web of Science不直接使用MeSH索引，因此将源自MeSH的术语转换为期刊主题字段的检索词。最终检索采用以下布尔表达式：TS=((“diabetic nephropathy” OR “diabetic nephropathies” OR “diabetic kidney disease” OR “diabetic kidney diseases” OR “diabetic kidney” OR “diabetic renal”) AND (mitochondria* OR mitochondrial* OR mitophagy OR “mitochondrial dysfunction” OR “mitochondrial dynamics” OR “mitochondrial fission” OR “mitochondrial fusion” OR “mitochondrial biogenesis” OR “mitochondrial quality control”))。文献类型限定为研究论文和综述文章，发表时间范围设定为2016年1月1日至2025年12月31日。选择该时间段是因为其代表了检索时可获得的最近一个完整的十年区间，可使分析聚焦于糖尿病肾病（DN）中线粒体研究的最新进展，同时避免因2026年数据不完整而可能引入的偏倚。

所有记录均以纯文本格式导出，并选择“完整记录和被引参考文献”选项。为减少通过Keywords Plus可能检索到的无关记录，对所有检索结果的标题、摘要和作者关键词进行了人工筛选。仅保留与糖尿病肾病（DN）或糖尿病肾病（DKD）中线粒体研究实质性相关的记录。若文献中仅将DN或DKD作为多种糖尿病并发症之一或背景信息提及，且未涉及肾脏相关结局、肾细胞模型、肾组织证据、肾病特异性机制，或未以DKD为主要研究重点，则予以排除。根据预先设定的纳入与排除标准，去除重复文献并完成人工筛选后，最终共有1,342篇合格文献纳入分析。

分析工具与制图工作流程

基础统计分析和常规图表，包括柱状图、折线图、饼图和气泡图，使用 WPS Excel 2023 和 GraphPad Prism 10.1 生成。年度发表数量按出版年份进行汇总。数据集层面的年度被引频次来自 WoSCC 引文报告，定义为所有纳入的 1,342 条记录在每个日历年中收到的被引次数，而非针对年度发表论文组的同年被引次数或领域整体的年度总被引次数。在国家/地区层面的分析中，每篇论文的平均被引次数通过将每个国家/地区的总被引次数除以该国家/地区的论文数量计算得出。该指标被解读为检索数据集中引文可见性的未经调整的描述性指标。由于被引次数可能受到出版年份、引证时间窗口、期刊平台、文章类型、研究设计以及学科特异性引文习惯的影响，因此该指标不被视为国家科研质量或学术影响力的直接衡量标准。

使用 VOSviewer 1.6.19、CiteSpace 6.4.R1 和 Scimago Graphica 1.0.25 进行知识图谱绘制。用于文献检索、文献计量分析、可视化及期刊指标获取的数据库、软件和在线资源列于材料表中。网络分析采用全计数法进行。将 WoSCC 纯文本文件导入 VOSviewer，以构建国家/地区、机构和作者层面的共著网络，以及关键词共现和期刊共被引网络。为实现地理可视化，将在 VOSviewer 中生成的国家/地区共著网络导出为 Graph Modeling Language（GML）文件，并导入 Scimago Graphica，在其上应用地理布局并以世界地图作为背景。在此地图中，节点大小表示发文量，连线粗细表示合作强度。同一 WoSCC 数据集被导入 CiteSpace，用于关键词时间线聚类、参考文献共被引聚类以及突现文献检测，以刻画该领域的时间演化特征和知识结构。

CiteSpace 与 VOSviewer 中的参数配置

在 CiteSpace 中，时间跨度设置为从 2016 年到 2025 年，每段时间切片为 1 年，共生成 10 个时间切片。节点类型根据分析目的进行选择，关键词（Keyword）用于关键词时间线和突现分析，参考文献（Reference）用于参考文献共被引和突现分析。节点选择标准采用 g 指数，并设置缩放因子 k = 10，而非固定的 Top N 或 Top N% 阈值，以便节点选择能够适应每年的引用或出现频次分布，同时保持网络规模的可解释性^25,26。对时间切片网络和合并后的网络均应用了路径寻径（Pathfinder）剪枝，但未使用最小生成树（Minimum Spanning Tree）算法。在突现检测中，衰减因子 γ 设置为 0.5。在参考文献共被引聚类分析中，计算了模块度 Q 值和加权平均轮廓值，以描述剪枝后网络的整体结构和聚类一致性。

在 VOSviewer 1.6.19 中，通过选择“基于书目数据创建图谱”和“从书目数据库文件读取数据”，并指定文件类型为 Web of Science，导入了所有 WoSCC 纯文本文件。采用完整计数法。对于合作作者网络，国家/地区和机构的最低发表阈值设为 5，作者的最低发表阈值设为 3。

在机构层面分析中，根据Web of Science核心合集（WoSCC）的机构地址记录，对机构名称进行人工核对与标准化处理，然后构建网络。每个机构的被引频次定义为该机构在检索数据集中所有文献的WoSCC总被引次数。在VOSviewer中生成的缩写节点标签进一步与对应的完整机构名称进行核对，以避免歧义。对于国家/地区层面的分析，采用WoSCC中的国家/地区地址字段。国家/地区名称的人为拼写变体和缩写形式已进行人工统一处理。英格兰、苏格兰、威尔士和北爱尔兰合并为英国，中华人民共和国简称为中国。中国大陆地区报告为“中国”，而香港特别行政区（Hong Kong SAR）、澳门特别行政区（Macao SAR）和中国台湾在WoSCC中若被单独索引，则作为独立区域保留；在国家/地区层级的网络分析中未进行事后合并。在关键词共现分析中，分析单元设定为从WoSCC记录中提取的作者关键词，最低出现频次阈值设为5；在此阈值下，共有89个关键词满足条件。在网络生成前，对作者关键词列表中识别出的同义词和缩写进行人工标准化处理；例如，DN和活性氧（reactive oxygen species）的缩写均转换为其完整术语。在期刊共被引分析中，以被引文献来源作为分析单元，并设定引用阈值，以保留一个包含53种期刊的可解释性网络。网络布局采用LinLog/modularity算法，吸引力设为2，排斥力设为-1。节点大小根据具体分析类型，分别以发文量、被引频次、关键词出现频次或共被引强度进行加权。所有网络生成过程由第一作者和第二作者使用相同数据集和参数设置独立重复执行两次，以验证结果的稳定性。若出现显著差异，则重新核对原始数据和参数设置后进行再分析。

结果

年度发表趋势与数据集层级的引用可见性

从2016年到2025年，关于糖尿病肾病中线粒体研究的年度发表论文数量从63篇增加到239篇。固定数据集层面的年度被引频次从2016年的49次上升至2025年的12,516次。该指标表示所有纳入文献在每个日历年中获得的总引用次数，而非针对每年发表论文的当年引用次数或整个领域的总引用量。由于该引用指标是针对整个固定数据集计算得出的，年度引用次数受到论文发表年限、累积曝光时间以及纳入文献之间引用时间窗口不一致的影响。因此，图1 中上升的引用曲线应被解读为数据集层面的引用可见度，而非随时间推移研究影响力持续提升的直接证据。从2022年到2025年，共记录了754篇论文，占图1所示总论文数量的56.2%。

国家/地区合作网络与引用可见性的区域模式

本研究对糖尿病肾病线粒体研究领域的出版物产出、基于引用的指标以及合作模式进行了国家/地区层面的分析。中国以775篇出版物位居第一，美国以235篇紧随其后；这两个国家共同贡献了该领域超过70%的总文献产出（表1）。在每篇论文的平均引用次数方面，澳大利亚以每篇98次引用位居第一，其次是美国（每篇69次）和中国（每篇30次）。这些数值被解释为描述性引用可见度指标，而非研究质量的直接衡量标准。澳大利亚在总出版数量上排名第八，但表现出相对较高的未经调整的引用可见度，并与欧洲和美国的研究团队建立了多项合作关系。其合作网络与英国、德国和美国存在联系（图2A）。在合作强度方面，美国的总连接强度最高，达140，中国以82位居第二。图2B 展示了一个整合了出版数量、引用次数和总连接强度三个维度的气泡图。在该图中，中国显示出最高的出版数量和较高的总引用次数，而美国则表现出较高的引用次数和最强的合作强度。当考虑每篇论文的平均引用次数时，澳大利亚和意大利在本数据集中排名较高。

对国家/地区合作网络的进一步分析揭示了五个主要的合作集群（图2A）。弦图进一步展示了各国家/地区之间的合作联系（图2C）。最大的集群包括中国、美国、日本和韩国，这些国家之间存在多方面的合作关系。在欧洲内部，形成了以意大利、西班牙、荷兰和丹麦为中心的子网络，同时出现了连接德国、法国和瑞典的另一合作轴线。中东和南亚国家，如埃及、印度、以色列和沙特阿拉伯，组成了一个相对独立的集群，与欧洲和美洲的联系较弱。此外，还观察到澳大利亚、英国和德国之间的跨区域联系。

机构科研产出与合作网络特征

由 VOSviewer 构建的机构合作网络包含 51 个机构，形成九个聚类（图 3A）。图 3A 中的缩写节点标签“China Med Univ”指代中国医科大学。在所有机构中，中南大学的论文发表数量最多，总被引频次也最高，但其合作连接强度并非最强。总体而言，大多数机构主要与国内或东亚地区的机构合作，同时也观察到少量与美国和澳大利亚机构之间的跨区域合作联系。在论文发表数量方面，排名前十的机构均来自中国（图 3B）。中南大学以 56 篇论文位居第一，武汉大学以 35 篇位列第二，郑州大学和上海交通大学各有 30 篇论文并列第三（表 2）。然而，中南大学的总链接强度为 20，低于上海交通大学和浙江大学，表明高发文量并不一定对应最强的机构合作连接性。在总被引频次方面，中南大学以 2,999 次总被引频次位居榜首，莫纳什大学以 1,713 次紧随其后。此外，来自中国、美国和澳大利亚的其他机构也在总被引频次排名前十之列（图 3C）。

期刊共被引网络与出版特征

期刊共被引网络包含53种选定期刊，形成五个聚类（图 4A）。簇群1包含14种期刊，以Redox Biology、Cell Death代表 & 疾病与代谢——临床与实验，以及与氧化应激、线粒体自噬和代谢重编程相关的期刊。聚类2包括肾脏病学和多学科期刊，如Kidney International、JCI Insight、Nature Reviews Nephrology、Diabetes和Nature Communications。聚类3和聚类4涵盖Antioxidants、Frontiers in Pharmacology、Biomedicine等期刊 & 药理学前沿、国际分子科学杂志和科学报告。第5组包括自由基生物学与医学、肾功能衰竭和植物医学等期刊。从发文量来看，药理学前沿以54篇文章位居第一，国际分子科学杂志（45篇文章）和科学报告（29篇文章）紧随其后。图4B，表3）。《药理学前沿》的影响因子为4.8，被引频次为1,379次；《国际分子科学杂志》的影响因子为4.9，被引频次为1,885次；《自由基生物学与医学》的影响因子为8.2，被引频次为1,362次。在总被引频次方面，《自然综述：肾脏病学》位居第一，总被引频次达2,455次，随后依次为《国际分子科学杂志》（1,885次）、《氧化还原生物学》（1,452次）、《药理学前沿》（1,379次）、《自由基生物学与医学》（1,362次）、《肾脏国际》（1,338次）和《细胞死亡》 & 疾病，被引用1,268次图4C).

作者合著网络及出版/引用指标

在作者合作网络中，24位高产作者被划分为五个聚类（图5A）。该网络显示出若干相对独立的作者团队，其中孙林、杨明、肖莉、韩雅春、刘福友、陈伟、高鹏、Danesh Farhad R.、Galvan Daniel L. 和李莉在这些合作群体中表现为关键节点。Danesh Farhad R. 和 Galvan Daniel L. 同时也位列总被引频次排名前10的作者之中。在发文数量方面，孙林以24篇论文位居第一，杨明以20篇论文紧随其后，李莉以17篇论文位列第三。在发文量排名前10的作者中，有8位来自中国，2位来自美国（图5B）。

从总被引频次来看，孙林以1,775次被引频次位居第一，随后是肖莉（1,341次）、杨明（1,288次）和刘富友（1,236次）（图5C）。来自美国的作者，包括Danesh Farhad R.（1,097次被引）、Galvan Daniel L.（1,081次被引）和Sharma Kumar（852次被引），以及来自澳大利亚的Cooper Mark E.（1,091次被引），也均位列总被引频次排名前10位。李萍按发文量排名第三，但未进入总被引频次排名前10位。在检索到的数据集中，孙林在发文量和总被引频次两个指标上均排名第一。

关键词共现与研究热点演化

作者关键词共现分析总结了糖尿病肾病线粒体研究中关键词的频次和中介中心性。在高频关键词中，“diabetic nephropathy”出现频次最高，达573次，其次为“oxidative stress”（449次）、“diabetic kidney disease”（292次）和“mitochondrial dysfunction”（235次）（表4）。由于“diabetic nephropathy”及线粒体相关术语是检索策略和研究范围的核心组成部分，其高频率属预期之中，主要被视为研究主题一致性的证据，而非独立的新兴热点。其他高频关键词包括“activation”（197次）、“injury”（194次）和“apoptosis”（140次）。在关键词共现网络中，高葡萄糖、活性氧、葡萄糖、糖尿病肾病、线粒体功能障碍和线粒体稳态表现为显著的互连节点，表明氧化应激、代谢紊乱和线粒体损伤构成了该领域的核心共现结构（图6A）。尽管“mitophagy”未进入表4中的前10位高频关键词，但在关键词共现网络及时间线可视化图中仍表现为一个显著主题，提示其与糖尿病肾病中线粒体研究的主题演变相关。在中介中心性方面，“kidney”（0.35）和“mesangial cells”（0.33）的中心性值最高，随后依次为“pathway”（0.30）、“reactive oxygen species”（0.27）、“NF-κB”（0.25）、“endoplasmic reticulum stress”（0.22）、“acute kidney injury”（0.22）、“glucose”（0.21）、“mitochondria”（0.19）和“cardiovascular disease”（0.19）（表4）。需注意的是，表4按频次和中介中心性对关键词进行了排序，而图6B和图6C展示的是算法生成的聚类及其时间活动情况；因此，图6中的聚类标签并不预期与表4中的排序关键词列表完全一致。

关键词时间线映射可视化展示了2016年至2025年间关键词聚类的时间动态（图6C）。早期活跃的主题主要涉及高血糖、活性氧、慢性肾病、急性肾损伤、胰岛素抵抗、葡萄糖以及线粒体功能。在后期年份中，分裂（fission）、线粒体自噬（mitophagy）、线粒体稳态、脂肪酸氧化和2型糖尿病成为持续活跃或新兴的时间线主题。关键词聚类共生成13个主题聚类（图6B），包括慢性肾病、保护（protects）、骨骼肌、心血管疾病、糖尿病肾病、脂质过氧化、糖尿病（diabetes mellitus）、糖尿病肾病（DKD）、分裂（fission）、中药（traditional Chinese medicine）、内质网应激、小鼠（mice）和脂肪酸氧化。这些聚类标签由算法生成，应被理解为关键词共现模式的描述性标签，而非高频关键词的排序列表。与肾脏相关的聚类主要包括糖尿病肾病、DKD、慢性肾病、脂质过氧化、分裂、内质网应激、中药、小鼠以及脂肪酸氧化。值得注意的是，某些由算法生成的标签，如骨骼肌和心血管疾病，似乎反映的是外周或系统性糖尿病相关术语，而非核心的糖尿病肾病（DN）特异性线粒体机制。因此，在本研究中，这些外周聚类未被解读为主要的研究热点。时间线可视化显示，自2019年后，与分裂、线粒体自噬及脂肪酸氧化相关的话题仍保持活跃（图6C）。

参考文献共被引聚类与突现引文分析

参考文献共引分析在Pathfinder剪枝网络中生成了18个聚类，模块度Q值为0.867，加权平均轮廓值为0.9587（图7A，B）。然而，由于Pathfinder剪枝可能会削弱聚类间的弱连接，因此这些聚类被解释为检索文献中的主题集中趋势，而非表明各主题彼此完全独立。主要的参考文献聚类包括铁死亡（ferroptosis）、NLRP3炎症小体、PINK1、线粒体相关膜结构（MAMs）、SGLT2抑制剂、MitoQ、热量限制、孟德尔随机化以及代谢组学。最早出现的强引文突现包括Dugan等（强度24.52，2016年至2018年）、Sharma等（强度20.58，2016年至2018年）、Kang等（强度18.91，2016年至2020年）以及Zhan等（强度16.91，2016年至2020年）。

具有代表性的近期爆发性引用文献包括 Coughlan 等人（强度 12.02，2017 年至 2021 年）、Ayanga 等人（强度 10.71，2017 年至 2021 年）、Qi 等人（强度 14.31，2018 年至 2022 年）、Xiao 等人（强度 12.43，2018 年至 2022 年）、Bhargava 等人（强度 20.52，2019 年至 2022 年）、Galvan 等人（强度 13.07，2019 年至 2022 年）、Forbes 等人（强度 20.53，2020 年至 2023 年）以及 Wei 等人（强度 10.75，2021 年至 2023 年）（图 7C）。这些爆发性引用文献与共被引聚类共同刻画了检索数据集中被引文献的时间分布与主题构成。

数据可用性：

支持本研究发现的原始数据已存入公共存储库科学数据银行（Science Data Bank，ScienceDB），数据集标题为“A Bibliometric and Visualized Analysis of Mitochondrial Research in Diabetic Nephropathy”。该数据集可通过以下链接访问：https://www.scidb.cn/s/2aiiYj。所提交的数据包括2026年4月30日根据“实验方案”部分所述检索策略从WoSCC检索获得的全部书目记录，以及用于文献计量和可视化分析的中间数据文件。该数据集依据CC BY‑NC 4.0许可提供，以进一步支持本研究的可重复性。

图 1：2016 年至 2025 年糖尿病肾病中线粒体研究的年度出版物数量及 Web of Science 核心合集（WoSCC）数据集层级引用可见性。 橙色柱状图表示每年的出版物数量，对应左侧 y 轴。红色折线表示 WoSCC 数据集层级的年度被引频次，对应右侧 y 轴。这些数值表示所有纳入的 1,342 条记录在每个日历年中获得的引用次数，应解释为数据集层级的引用可见性，而非随时间推移研究影响力直接提升的证据。缩写：WoSCC = Web of Science Core Collection。 请点击此处查看此图的高清版本。

图 2：国家/地区合作网络与文献计量指标。（A）叠加于世界地图上的全球合作网络，其中节点大小表示出版物数量，连线粗细表示合作强度。（B）气泡图，显示排名前十的国家/地区的出版物数量、被引频次和总连接强度。（C）弦图，展示国家/地区之间的合作联系。缩写：USA = 美国；UK = 英国，包含英格兰、苏格兰、威尔士和北爱尔兰。请点击此处查看此图的高清版本。

图 3：机构合作网络与科研产出。（A）由51个机构组成的九个聚类的共同作者网络。（B）按发表论文数量排序的前10名机构的柱状图。（C）按总被引次数排序的前10名机构的柱状图。图A中节点缩写“China Med Univ”指中国医药大学。缩写说明：Univ = University（大学）；Med = Medical（医学）；Coll = College（学院）；Sch = School（学校）；Mt = Mount（山）；USA = United States of America（美国）。请点击此处查看此图的高清版本。

图 4：期刊共被引网络与发表特征。（A）由53种选定期刊构成的共被引网络，形成五个聚类。（B）按发文量排名前十的期刊的发文数量与影响因子。（C）按总被引频次排名前十的期刊的被引频次与《期刊引证报告》（JCR）分区。缩写：IF = 影响因子；JCR = Journal Citation Reports；Q1 = 第一区（Q1区）。请点击此处查看此图的高清版本。

图 5：作者合著网络及发表/引用指标。（A）由24位高产作者构成的五个聚类的合著网络。（B）按发表数量排名的前10位作者。（C）按总被引次数排名的前10位作者。缩写：USA = 美国。请点击此处查看该图的高清版本。

图6：作者关键词共现及研究热点的演变。（A）关键词共现网络。（B）关键词聚类图，显示13个主题聚类。（C）关键词时间线可视化图，展示2016年至2025年期间各聚类的时间活动情况。聚类标签由算法自动生成，应被理解为对关键词共现模式的描述性标签，而非所有聚类均代表糖尿病肾病特异性核心研究主题的直接证据。关键词频次排名与中介中心性结果分别在表4中总结，而图6则重点展示关键词共现结构、主题聚类及时间动态。缩写：ER = endoplasmic reticulum；NLRP3 = NOD-like receptor family pyrin domain-containing 3；NF-κB = nuclear factor kappa B；PPAR α = peroxisome proliferator-activated receptor alpha。请点击此处查看该图的放大版本。

图 7：参考文献共被引与知识演化。（A）参考文献共被引网络。（B）显示18个知识聚类的参考文献聚类图谱。（C）具有最强引用突增的前20篇参考文献，包括突增强度与突增持续时间。缩写：NLRP3 = NOD样受体家族含吡啶结构域3；PINK1 = PTEN诱导的激酶1；SGLT2 = 钠-葡萄糖协同转运蛋白2；MitoQ = 线粒体靶向辅酶Q；SIRT3 = 去乙酰化酶3；AMPK = AMP活化蛋白激酶；DOI = 数字对象标识符。请点击此处查看该图的高清版本。

排名	国家	文献数	被引频次	篇均被引频次	总链接强度
1	中国	775	23034	30	82
2	美国	235	16320	69	140
3	日本	80	3129	39	43
4	韩国	47	1606	34	15
5	意大利	36	2185	61	21
6	德国	34	1512	44	39
7	印度	34	1279	38	11
8	澳大利亚	33	3246	98	35
9	西班牙	32	1768	55	24
10	英国	28	1667	60	32

表1：按发表论文数量排名前10的国家/地区，包含被引频次、篇均被引频次和总链接强度。 该表总结了在糖尿病肾病线粒体研究领域中论文产出量最高的十个国家/地区的发表情况、基于引用的指标以及合作强度。缩写：UK = United Kingdom；USA = United States of America。

排名	机构	文献数	被引频次	总链接强度	国家
1	Cent South Univ	56	2999	20	中国
2	Wuhan Univ	35	934	3	中国
3	Zhengzhou Univ	30	1006	11	中国
4	Shanghai Jiao Tong Univ	30	963	26	中国
5	Hebei Med Univ	28	893	6	中国
6	Southern Med Univ	27	732	19	中国
7	Shandong Univ	25	792	16	中国
8	Zhejiang Univ	25	728	23	中国
9	Beijing Univ Chinese Med	25	385	19	中国
10	Nanjing Med Univ	22	638	17	中国

表2：按发表论文数量排名的前10所机构，及其在Web of Science核心合集中的总被引频次、总链接强度和所属国家。 该表列出了按论文发表数量排名领先的机构，并展示了其被引情况、合作强度及所属国家。机构名称以标准化的缩写形式呈现，以便表格简洁明了，并已根据Web of Science核心合集中 affiliation 记录中的完整机构名称进行核对。缩写说明：WoSCC = Web of Science核心合集；Univ = 大学；Med = 医学。

排名	来源	文件	引用	总连接强度	免疫荧光	JCR
1	药理学前沿	54	1379	338	4.8	Q1
2	国际分子科学杂志	45	1885	253	4.9	Q1
3	科学报告	29	1132	129	3.9	Q1
4	美国生理学杂志—肾脏生理学	25	1078	196	3.4	Q1
5	抗氧化剂	21	1223	141	6.6	Q1
6	生物化学与生物物理研究通讯	21	766	155	2.2	Q1
7	生物医学 & 药物治疗	21	581	96	7.5	Q3
8	内分泌学前沿	21	379	161	4.6	Q1
9	细胞死亡 & 疾病	17	1268	104	9.6	Q1
10	自由基生物学与医学	17	1362	197	8.2	Q1

表3：按发文量排名的前10种期刊，包含被引频次、总链接强度、影响因子及期刊引证报告分区。 该表总结了检索数据集中发文量最高的十种期刊的出版特征、引用表现及期刊影响力指标。被引频次指各期刊所发表文献在Web of Science核心合集（WoSCC）中的总被引次数。影响因子（IF）和期刊引证报告（JCR）分区数据来源于《期刊引证报告》。缩写：IF = 影响因子；JCR = 期刊引证报告；Q1 = 第一区；Q3 = 第三区；WoSCC = Web of Science核心合集。

排名	关键词	频次	关键词	中心性
1	diabetic nephropathy	573	kidney	0.35
2	oxidative stress	449	mesangial cells	0.33
3	diabetic kidney disease	292	pathway	0.30
4	mitochondrial dysfunction	235	reactive oxygen species	0.27
5	activation	197	NF-κB	0.25
6	injury	194	endoplasmic reticulum stress	0.22
7	nephropathy	189	acute kidney injury	0.22
8	dysfunction	187	glucose	0.21
9	expression	152	mitochondria	0.19
10	apoptosis	140	cardiovascular disease	0.19

表4：按频率和中介中心性排序的前10个关键词。 该表列出了出现频率最高的关键词以及中介中心性最高的关键词，突显了糖尿病肾病线粒体研究中的主要研究主题和具有影响力的研究方向。缩写：NF-κB = 核因子κB。

讨论

这项文献计量学研究系统综述了2016年至2025年糖尿病肾病中线粒体研究的全球科研格局及主题演变。结果显示，该领域的研究活动在过去十年中持续增长，尤其是2021年之后增长更为显著。在此期间，研究重点逐步从氧化应激和线粒体功能障碍，拓展至线粒体质量控制、代谢适应、程序性细胞死亡、细胞器相互作用以及面向转化的治疗探索。这些趋势表明，糖尿病肾病中的线粒体研究已从对线粒体损伤的描述性表征，转向更具机制导向和整合性的深入探究。

在不同国家/地区和机构之间，论文发表数量与基于引用的可见度之间存在明显差异，但这种模式不应简单地解读为研究数量与研究质量之间的对比。中国发表论文数量的快速增长可能与多种背景因素有关，包括糖尿病和慢性肾病日益加重的国家疾病负担、对生物医学研究的持续投入、研究生培养体系及大学科研平台的扩展，以及肾脏病学研究中公共转录组学和实验数据集的日益广泛应用。这些因素可能推动了广泛且快速扩张的研究基础。然而，中国在该领域的许多论文发表时间相对较晚，导致引用窗口较短，单篇论文的平均引用次数可能因此偏低。相比之下，美国、澳大利亚、意大利和英国等国家尽管论文发表数量较低，但基于引用的可见度更高，这可能部分反映了这些国家在糖尿病肾病（DKD）、线粒体生物学、氧化还原生物学和转化肾脏病学领域更悠久的学术传承。这些国家的高被引研究通常涉及具有重要概念性或方法学影响的主题，包括线粒体自噬（mitophagy）、线粒体动力学以及靶向线粒体的干预措施。因此，所观察到的地理分布模式更应被理解为研究成熟度、主题定位、发表时机、合作结构和知识传播方面的差异，而非国家间研究水平优劣的直接证据。在机构层面，中南大学在检索所得数据集所涵盖的机构中，既是发文量最高、也是被引次数最多的机构，但其合作特征表明其网络更集中于国内，而非主要的国际协作中心。相比之下，莫纳什大学、哈佛医学院和密歇根大学等机构在与线粒体质量控制、SIRT3介导的抗氧化保护、靶向线粒体递送以及线粒体动力学成像相关的主题上表现出较高的引用可见度。这些发现表明，机构在该领域的引用可见度和网络角色不仅取决于论文发表数量，还取决于其是否参与了具有国际联系、概念影响力或转化导向的研究方向。因此，对国家和机构的分析应被理解为描绘知识的分布与扩散格局，而非对科学质量的排序。

期刊和作者分析进一步揭示了该研究领域在出版平台和贡献者网络中的组织结构。期刊分布表明，糖尿病肾病（DN）中的线粒体研究本质上具有跨学科性质，涉及肾脏病学、氧化还原生物学、代谢、药理学、细胞死亡以及纳米医学等领域。以综述为主或影响力较高的期刊之所以具有较高的被引频次，可能反映了其在整合概念和塑造研究议程方面的作用；而发表量较高的期刊则可能更多地作为积累实验和药理学证据的平台。因此，期刊层面的发文量与被引频次之间的差异应结合期刊的范围、文章类型、读者群体以及所发表主题的发展成熟度进行解读。诸如《Kidney International》《Redox Biology》《Cell Death & Disease》和《Free Radical Biology and Medicine》等期刊似乎将氧化应激、线粒体功能障碍、线粒体自噬和肾损伤的机制研究与新兴的转化科学问题联系起来。与此同时，《Frontiers in Pharmacology》和《Antioxidants》则反映出线粒体生物学、氧化还原调控与药理干预之间日益增强的交叉性。在作者层面，产出数量与被引可见性也并非完全重合。发文数量多的作者可能代表了对不断扩展的研究基础持续活跃的贡献者，而发文较少但被引频次高的作者则可能在具有影响力的理论框架、疾病模型或干预相关研究中发挥了重要作用。例如，Sun Lin 在发文数量和被引可见性方面均表现突出，而 Danesh Farhad R.、Galvan Daniel L.、Sharma Kumar 和 Cooper Mark E. 尽管发文数量相对较低，但仍位列高被引作者之中。这一模式表明，作者层面的文献计量指标受到合作网络、发表时间、文章类型以及研究主题核心程度的影响。因此，这些指标应被理解为衡量在检索数据集中可见度和知识关联性的指标，而非对个体科研质量或临床重要性的直接评估。

关键词与参考文献分析有助于揭示该领域知识结构的时间演变。早期突现参考文献主要涉及氧化应激、线粒体活性氧、线粒体功能障碍和代谢应激，表明早期文献计量学可见性主要集中在糖尿病肾病中的氧化损伤与代谢损伤^8,27。随后的参考文献及关键词聚类逐渐转向线粒体质量控制，包括自噬、线粒体自噬、线粒体生物合成以及参与维持线粒体稳态的调控通路^9,28,29 。近期突现参考文献和共被引聚类越来越多地涉及程序性细胞死亡、细胞器相互作用、干预相关主题以及因果推断或组学导向的研究方法，代表性主题包括铁死亡、NLRP3炎症小体、MAMs、SGLT2抑制剂、MitoQ以及孟德尔随机化相关方法^{30,31,32,33,34,35,36,37}。近期的机制性研究和干预相关研究也提供了对应这些活跃主题的实例，包括二甲双胍通过HIF-1α/MIOX轴调控线粒体自噬和铁死亡、P110介导的Drp1依赖性线粒体分裂抑制，以及保肾通络方或达格列净对PINK1/Parkin相关线粒体自噬的调控作用^38,39,40,41。这一转变表明，该领域已从描述线粒体损伤转向探究线粒体质量控制网络、程序性细胞死亡通路、细胞器相互作用、干预相关主题以及因果关系或组学导向的研究方法。这些趋势表明，在检索到的文献中，铁死亡、NLRP3炎症小体、MAMs、SGLT2抑制剂、MitoQ以及孟德尔随机化相关方法已成为日益突出的研究主题。

然而，对于算法生成的关键词聚类标签的解读需要谨慎。诸如骨骼肌和心血管疾病等标签似乎反映了与糖尿病相关的外周或系统性术语，或更广泛的共病相关背景，而非核心的糖尿病肾病特异性线粒体机制。因此，这些外围标签在本研究中未被视为主要的新兴热点。相反，热点的解读主要基于关键词频次、突现词、时间线活动以及参考文献共被引模式的一致性证据。据此，铁死亡、NLRP3炎症小体激活和线粒体相关内质网膜（MAMs）等机制性术语被讨论为通过关键词和共被引模式识别出的新兴研究前沿，而非作为独立的微型综述进行详述。未来的研究应通过临床样本的实验验证、单细胞分析、空间转录组学以及前瞻性转化研究，确定这些在文献计量学上具有高可见度的主题是否对应于人类糖尿病肾病（DKD）中可重复的生物学机制。通过计算方法识别出的靶点，例如与HDAC9相关的线粒体功能障碍和衰老相关性炎症，也需在被解释为治疗靶点之前进行功能验证⁴²。鉴于本研究采用了已建立的文献计量学框架，其贡献应主要被理解为对糖尿病肾病中线粒体研究的更新、主题聚焦的综合梳理，而非方法学上的创新。

这些发现也指出了未来研究的几个重点方向。首先，尽管线粒体自噬、线粒体动力学、铁死亡、线粒体相关膜结构域（MAMs）以及炎症小体活化在文献中的关注度日益增加，但在人类糖尿病肾病组织中的证据仍然有限。许多近期的机制性或计算模型研究仍主要基于实验模型或生物信息学分析，包括与线粒体自噬和铁死亡、Drp1依赖性线粒体分裂、PINK1/Parkin介导的线粒体自噬以及HDAC9相关的线粒体功能障碍的研究^{38,39,40,41,42}。因此，这些发现需要在人类样本及肾脏细胞类型特异的背景下进一步验证。其次，靶向线粒体的干预措施和代谢相关策略，包括MitoQ、SGLT2抑制剂、抗氧化剂以及细胞器靶向或通路定向的策略，需要更严格的转化评估，特别是在生物利用度、肾脏靶向效率、长期安全性和临床疗效方面^{30,31,32,33,34,35,36,37}。未来整合人类糖尿病肾组织、单细胞或空间技术、多组学分析以及前瞻性转化研究设计的研究，可能有助于明确哪些与线粒体相关的通路在糖尿病肾病中具有可重复性和临床相关性。

本研究存在若干局限性，需予以说明。首先，所有文献记录均来自 Web of Science 核心合集（WoSCC）。尽管该数据库提供了标准化的引文元数据，且在文献计量学研究中被广泛使用，但其选择性收录策略可能导致仅被其他数据库收录的文献、地区性期刊、非英文文献或近期更新的记录被遗漏。尽管本研究采用了基于医学主题词（MeSH）的检索术语并结合人工筛选以优化检索策略，但仍无法完全避免相关研究的检索不全。其次，本研究中基于引文的指标为未经调整的描述性指标。引文数量可能受到论文发表时间、引文时间窗口、期刊可见度、文章类型、数据库覆盖范围、自引行为以及学科特异性引文习惯的影响。因此，高被引论文应被理解为在所检索的数据集中具有更高的引文可见度或更广泛的知识传播，而非直接证明其研究质量更优、原创性更高、方法学更严谨或临床相关性更强。此外，图1 中展示的 WoSCC 数据集层面的“被引频次”数据，反映的是 2026 年 4 月 30 日数据检索时的静态快照；这些引文数据具有动态性，若在之后的时间重复相同分析，结果可能有所不同。更重要的是，图1 中引文数量的上升趋势受到论文发表时间、累积曝光时长以及所纳入文献之间不均衡的引文时间窗口的影响。因此，该趋势不应被解读为研究影响力、科学质量、方法学严谨性或临床相关性在逐年直接提升。相应地，与引文相关的结果应被视为一种回溯性快照，而非固定的绝对数值。第三，关键词分析与网络分析对数据处理方法和参数设置较为敏感。尽管本研究已对手动整合了同义词和缩写，但作者提供的非标准化关键词以及算法生成的聚类标签仍可能引入歧义。此外，包括 g 指数标准、Pathfinder 剪枝算法以及 VOSviewer 阈值在内的阈值选择与剪枝算法，可能削弱弱关联或边缘连接，从而影响聚类结构的呈现、节点间的连通性以及合作模式的识别。具体而言，参考文献共被引网络较高的模块度 Q 值（0.867）和加权平均轮廓系数（0.9587）可能部分反映了 Pathfinder 剪枝算法的影响；因此，所生成的聚类主要用于识别主题集中趋势，不应被解释为各研究主题之间完全相互独立的证据。因此，所生成的网络应被视为对检索数据集的分析性简化，而非对该领域所有关系的完整呈现。最后，2016 至 2025 年的时间窗口突出了近期发展，但可能低估了早期基础性研究的贡献，也无法充分涵盖检索日期之后新收录的新兴文献。未来若能结合多个数据库、更广泛的语言覆盖与文献类型、更新的检索时间以及对网络参数的敏感性分析，将有助于更全面地描绘该领域的整体图景。

过去十年中，糖尿病肾病（DN）的线粒体研究已从对氧化应激的描述性探索，发展为一个涵盖质量控制机制、代谢适应以及因果推断方法的复杂多维领域。尽管中国在总发表量上处于领先地位，但论文的引用可见度在不同国家、研究机构和研究主题之间存在差异。铁死亡、线粒体相关膜结构（MAMs）、孟德尔随机化以及多组学方法的兴起，表明了检索数据集中活跃的研究方向。这些文献计量学特征提示，未来实验与临床研究有望进一步阐明特定肾细胞类型、疾病阶段及治疗背景下，哪些线粒体相关通路具有可重复性。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
Web of Science Core Collection	Clarivate	https://www.webofscience.com/	Not applicable
VOSviewer	Leiden University	https://www.vosviewer.com/	1.6.19
CiteSpace	Drexel University	https://citespace.podia.com/	6.4.R1
Scimago Graphica	Scimago Laboratory	https://www.scimagographica.org/	1.0.25
WPS Excel	Kingsoft Corporation	https://www.wps.com/	2023
GraphPad Prism	GraphPad Software	https://www.graphpad.com/	10.1
Journal Citation Reports	Clarivate	https://jcr.clarivate.com/	Not applicable
Medical Subject Headings database	National Library of Medicine	https://www.ncbi.nlm.nih.gov/mesh/	Not applicable