Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

Die Trends und Aussichten der Forschung zu Caenorhabditis elegans im Alterungsbereich: eine bibliometrische und visualisierende Analyse

242 Aufrufe

⸱

DOI:

10.3791/70364

⸱

22. Mai 2026

* These authors contributed equally

In diesem Artikel

Zusammenfassung

Hier präsentieren wir ein Protokoll zum Abrufen, Validieren und Analysieren von Web of Science Core Collection-Datensätzen zu Caenorhabditis elegans und dem Altern mithilfe von CiteSpace, VOSviewer, Bibliometrix und Scimago Graphica für reproduzierbare bibliometrische Kartierung.

Zusammenfassung

Altern ist ein komplexes biologisches Phänomen, das durch den fortschreitenden Verfall physiologischer Funktionen und eine erhöhte Anfälligkeit für altersbedingte Krankheiten gekennzeichnet ist. Auf zellulärer Ebene wird dieser Prozess durch die Seneszenz veranschaulicht, bei der die Zellen einen irreversiblen Teilungsstopp erleben und in einen Zustand dauerhaften Wachstumsstopps verfallen, ohne in Apoptose voranzuschreiten. Die zugrundeliegenden Mechanismen sind jedoch weiterhin unvollständig verstanden. Der Nematode Caenorhabditis elegans (C. elegans), mit einer kurzen Lebensspanne und gut charakterisierter Genetik, ist ein kraftvolles Modell zur Entschlüsselung der molekularen Grundlage des Alterns. Dennoch fehlt weiterhin eine umfassende bibliometrische Kartierung der Forschung an der Schnittstelle von C. elegans und dem Altern. Hier stellen wir ein Protokoll vor, um Datensätze aus der Web of Science Core Collection abzurufen, Datenverarbeitung durchzuführen und reproduzierbare bibliometrische Visualisierungen mit CiteSpace, Bibliometrix (R), VOSviewer und Pajek durchzuführen, mit dem Ziel, die Wissensstruktur zu kartieren und aufkommende Trends in der Alterungsforschung von C. elegans zu identifizieren. Anhand von 6.117 Artikeln, die von 1970 bis zum 5. Juni 2025 veröffentlicht wurden, analysierten wir Beiträge von Ländern und Institutionen, Autorenschaft, Zeitschriftenwirkung, Zitationsmuster und thematische Entwicklung. Der Datensatz umfasste 6.117 Datensätze von 19.864 Autoren aus 3.798 Instituten in 91 Ländern. Die jährlichen Veröffentlichungen stiegen von 312 im Jahr 2020 auf 341 im Jahr 2021 und blieben danach hoch. Die Vereinigten Staaten führten die globale Produktion an, gefolgt von China, Deutschland und dem Vereinigten Königreich, mit Kooperationsnetzwerken, die sich auf diese Länder konzentrieren. Das System der University of California belegte den ersten Platz bei der Produktivität, während die Chinese Academy of Sciences den dritten Platz belegte. Die Themenentwicklung zeigte eine Verschiebung von grundlegenden Studien zu insulin-/insulinähnlichen Wachstumsfaktor-1-Signalwegen (IIS) und Stressreaktionen hin zu aufkommenden Themen wie Wärmekontrolle und Mitophagie in C. elegans-Alterungsmodellen . Insgesamt ermöglicht dieses Protokoll transparente, aktualisierbare bibliometrische Analysen und unterstützt zukünftige Studien zu Schlüsselrichtungen, einschließlich Kalorienrestriktion und Mitophagie.

Einleitung

Altern ist ein vielschichtiger biologischer Prozess, der sich auf den Verlust der Proliferationskapazität normaler somatischer Zellen nach einer begrenzten Anzahl von Teilungen bezieht. Während des Alterungsprozesses nehmen die physiologischen Funktionen des Organismus allmählich ab, und die Anfälligkeit für altersbedingteKrankheiten nimmt zu. Auf zellulärer Ebene äußert sich dieser Prozess als DNA-Schäden, wie die Ansammlung von Doppelsträngbrüchen und oxidativen Schäden, und diese Schäden übersteigen die Handhabungskapazität der Reparaturmechanismen. Diese Veränderungen auf zellulärer Ebene spiegeln sich auf Organismusebene als allmählicher Verfall physiologischer Funktionen wider. Darüber hinaus haben einige Studien weiter gezeigt, dass gealterte Zellen altersbedingte pathologische Prozesse antreiben, indem sie den senezenzassoziierten sekretorischen Phänotyp (SASP) sekretieren. Diese Faktoren können das Gewebemikroumfeld stören und eine Fibrose fördern, was zu chronischer Entzündung und sogarzum Fortschreiten von Krebs führt. Mit der Vertiefung der Forschung zum Altern wurde erkannt, dass das Altern eine bedeutende Rolle beim Auftreten und der Entwicklung verschiedener Krankheiten spielt, darunter Herz-Kreislauf-Erkrankungen, Typ-2-Diabetes, Alzheimer und Krebs, um nur einigezu nennen. Mit der Beschleunigung des globalen Alterns ist das Verständnis der Mechanismen des Alterns entscheidend, um die gesunde Lebensspanne zu verlängern.

In den letzten Jahrzehnten haben Modellorganismen eine unverzichtbare Rolle bei der Aufdeckung der genetischen, molekularen und Umweltfaktoren des Alterns gespielt. Modellorganismen zeigen deutliche Vorteile, darunter kurze Generationszeiten, gut charakterisierte genetische Hintergründe und hohe experimentelle Bewältigbarkeit. Häufige Modellorganismen sind Hefe, Fruchtfliegen und Mäuse4. In den 1960er Jahren wurde Caenorhabditis elegans (C. elegans) erstmals als neuartiges Modellorganismus etabliert. Seine zentralen Vorteile für die Selektion sind ein kurzer Lebenszyklus und eine einfache Kultivierung, ergänzt durch eine Reihe ausgereifter genetischer Werkzeuge. Außerdem kann sie aufgrund ihrer geringen Größe in großem Maßstab standardisiert kultiviert und manipuliert werden,ähnlich wie Mikroorganismen. Am wichtigsten ist, dass sie effektiv eine bedeutende Lücke in früheren Forschungen füllt, da einzellige Organismen trotz ihrer einfachen und einfachen Bedienung schwierig für die genetische Forschung zu komplexen Lebensmechanismen zu nutzen sind. Außerdem sind traditionelle Modelltiere aufgrund ihrer komplexen Funktionsweise in der Effizienz großflächiger Screenings eingeschränkt. Die Anwendung von C. elegans löst die oben genannten Problemepräzise 6.

Die Verwendung von C. elegans in der Alterungsforschung reicht bis in die 1980er Jahrezurück. Erst 1993 machte das Feld der C. elegans-Forschung in der Alterungsforschung einen transformativen Sprung. Mutagenese-Screens unter der Leitung von Thomas Johnson und Kollegen identifizierten den ersten langlebigen Mutanten, das Age-1-Gen 8,9. Diese Erkenntnis änderte die vorherrschende Ansicht, dass das Altern ein stochastischer, unregulierter Prozess sei, und bezog stattdessen bestimmte genetische Signalwege in die Bestimmung der Lebensspanne ein. Nachfolgende Studien bauten auf dieser Grundlage auf und zeigten ein erhaltenes Netzwerk von Signalwegen, die das Altern koordinieren. Der IIS-Pfad hat sich als zentraler Regulator etabliert. Die Mutation in daf-2, die den C. elegans-Ortholog des Insulin-/insulinähnlichen Wachstumsfaktorrezeptors (IIGF-1) codiert, könnte die IIS-Aktivität reduzieren, indem sie den FOSO-Transkriptionsfaktor DAF-16 aktiviert, wodurch dieser vom Zytoplasma in den Kern translokiert wird und so die Expression von Stressreaktionsgenen, molekularen Chaperonen und Entgiftungsenzymen gefördert wird, wodurch der Alterungsprozess verzögert und eine gesunde Lebensdauerverlängert wird.. DAF-16 translokiert vom Zytoplasma in den Zellkern, fördert die Expression von Stressresistenzgenen, molekularen Chaperonen und Entgiftungsenzymen, verlängert so die Gesundheitsspanne des Organismus und verzögert das Fortschreiten der Alterung sowie die Verlängerung der Lebensdauer des Organismus11. Darüber hinaus hat C. elegans weitere konservierte Mechanismen des Alterns aufgeklärt. So wurde beispielsweise gezeigt, dass das Ziel des Rapamycin-(TOR)-Weges, einer wichtigen Nährstoff-Sensorachse, die Lebensdauer durch Wechselwirkungen mit IIS12 moduliert.

In den letzten Jahren wurden bibliometrische Methoden in vielen Bereichen weit verbreitet angewandt. Die bibliometrische Netzwerkanalyse verwendet statistische Methoden, um Entwicklungsmuster, Disziplinstrukturen, Forschungs-Hotspots und Trends in einem Fachgebiet aufzudecken, indem sie die Menge, Struktur, Verteilung und Zitationsbeziehungen der Literatur untersucht13. Trotz umfangreicher Forschung zu C. elegans im Altern hat keine Studie eine umfassende bibliometrische Analyse dieses interdisziplinären Fachgebiets geliefert. In dieser Studie präsentieren wir eine umfassende, multimethodische und reproduzierbare Analyse, die den kollaborativen Rahmen, die intellektuelle Grundlage und die dynamischen thematischen Entwicklungen innerhalb des Fachgebiets erläutert und somit aufkommende Entwicklungen für zukünftige Forschungsprojekte identifiziert. Dieser Artikel überblickt die Landschaft der jüngsten Forschungsergebnisse zur Alterung im Bereich C. elegans . Darüber hinaus zielt diese Studie darauf ab: (1) Publikations- und Zitationstrends in der Alterungsforschung von C. elegans von 1970 bis zum 5. Juni 2025 zu analysieren; (2) Beiträge von Ländern und Institutionen bewerten und Kooperationsnetzwerke erforschen; (3) Spitzenautoren und Schlüsselzeitschriften anhand von Produktivität und Zitationswirkung zu identifizieren; (4) die intellektuelle Grundlage des Fachgebiets durch Co-Citation und Citation-Burst-Analyse zu enthüllen; und (5) die Nachverfolgung wichtiger Forschungsthemen und aufkommender Trends mittels Keyword-Co-Occurrence und zeitlicher Analyse. Letztlich werden diese Erkenntnisse ein tieferes Verständnis der sich entwickelnden Entwicklung des Fachgebiets ermöglichen.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Diese Studie bezieht sich nicht auf ethische Zustimmung und Zustimmung zur Teilnahme. Die in dieser Studie verwendeten Daten stammen aus der Web of Science Core Collection (WoSCC).

1. Datenbankauswahl

  1. Greifen Sie über https://webofscience auf die Web of Science Core Collection (WoSCC)-Datenbank zu. clarivate.cn/wos/author/author-search.
  2. Entwickeln Sie eine Suchstrategie mit gezielten Schlüsselwörtern, insbesondere "C. elegans" und "aging", um relevante Literatur zu identifizieren.
  3. Relevanz-Screening und Datenvalidierung
    1. Überprüfen Sie jeden abgerufenen Datensatz auf aktuelle Relevanz, indem Sie den Titel überprüfen. Fügen Sie Unterlagen hinzu, die C. elegans als primäres Studienorganismus verwenden und alternsbezogene Konzepte oder Ergebnisse behandeln.
    2. Wenn die Relevanz nicht allein anhand des Titels bestimmt werden kann, prüfen Sie das Abstract, um die Berechtigung zu bestätigen.
    3. Schließen Sie Unterlagen aus, die sich nicht auf C. elegans konzentrieren und/oder keine altersbedingten Ergebnisse oder Mechanismen behandeln.
    4. Für Grenzunterlagen dokumentieren Sie den Grund für die Unsicherheit und lösen Sie die Einbeziehung durch eine Sekundärüberprüfung durch einen Zweitautor oder durch Konsens zwischen zwei Gutachtern.
    5. Schließen Sie jeden Datensatz mit dem Titel "Zurückgezogen" in den Metadaten der Datenbank aus.
    6. Erfassen Sie die Anzahl der ausgeschlossenen Datensätze und den Ausschlussgrund und geben Sie die endgültige Datensatzgröße an, die für die bibliometrische Analyse verwendet wird.
      HINWEIS: Siehe Zusatzmaterial 1 für eine vollständige Liste der in der Suchstrategie verwendeten Schlüsselwörter zur Verbesserung der Genauigkeit und Inklusivität.

2. Suchparameter

  1. Definieren Sie den Veröffentlichungszeitraum von 1970 bis zum 5. Juni 2025, um die neuesten und umfassendsten Forschungstrends zu erfassen.
  2. Beschränken Sie die Suchergebnisse auf ausschließlich Artikel und Übersichtsartikel, die auf Englisch veröffentlicht wurden, um Datenkonsistenz zu gewährleisten und vergleichende Analysen zu erleichtern.

3. Datenabruf und -format

  1. Stellen Sie ausgewählte Publikationen im Format "Full Record and Cited References" zusammen, um detaillierte Metadaten zu erhalten.
  2. Speichere die gesammelten Daten als "Klartext"-Dateien für die spätere Analyse mit bibliometrischen Werkzeugen.
  3. Überprüfen Sie, dass jeder Datensatz vollständige Metadaten enthält, einschließlich Zitations- und Mitautoreninformationen, um eine gründliche bibliometrische Analyse zu ermöglichen.

4. Datenvorverarbeitung

  1. Datenerhebung und -import
    1. Open R (Version 4.5.2) und Load Bibliometrix (Version 4.5.2). Führe folgende Befehle aus, um Biblioshiny zu starten:
      1. Bibliothek (Bibliometrix)
      2. packageVersion("bibliometrix")
      3. Biblioshiny()
    2. Öffne das Importpanel.
      1. In der biblioshinischen Benutzeroberfläche klicken Sie in der linken Seitenleiste auf "Daten".
      2. Klicken Sie unter Daten auf "Importieren oder Laden".
    3. Importeinstellungen konfigurieren.
      1. Bitte wählen Sie, was zu tun ist, und wählen Sie "Rohdatei(n) importieren".
      2. Wählen Sie in der Datenbank "Web of Science (WoS/WoK)".
      3. Im Autorennamen-Format wählen Sie "Nachname und Initialen".
    4. Wählen Sie die WoSCC-Datei aus und importieren Sie.
      1. Unter Datei auswählen klickst du auf "Durchsuchen"... und wähle die zusammengeführte WoSCC Plain Text-Datei aus, die mit Full Record and Cited References exportiert wurde.
      2. Klicken Sie auf "Start", um den Datensatz zu importieren.
      3. Klicken Sie in der linken Seitenleiste auf "Übersicht" und wählen Sie dann das erforderliche Modul (z. B. jährliche wissenschaftliche Produktion oder durchschnittliche Zitationen pro Jahr), um die Ergebnisse anzuzeigen.
      4. Um Figuren zu exportieren, klicken Sie auf Diagramm als PNG exportieren. Um Tabellen zu exportieren, klicken Sie auf "Excel" und speichern Sie die heruntergeladene Datei für eine weitere Analyse.
  2. Jährlicher Wachstumstrend bei Veröffentlichungen und Zitationen
    1. Jährlicher Wachstumstrend bei Publikationen und Zitationsanalysen in CiteSpace.
      1. Öffnen Sie CiteSpace, wählen Sie "Datum" und dann "Import/Export".
      2. Durchsuchen Sie das Eingabeverzeichnis und das Ausgabeverzeichnis.
      3. Klicken Sie auf "Duplikate entfernen", wählen Sie "Artikel" und "Review" und klicken Sie schließlich auf "Start". Dann können Sie die spezifischen Jahrespublikationen und Zitationsstatistiken erhalten.
      4. Verwenden Sie die Word-Software, um die exportierten Ergebnisse in ein Diagrammformat umzuwandeln.
  3. Nationale Publikation und Kollaborationsanalyse
    1. Nationale Publikation und Kollaborationsanalyse in Vosview.
      1. Öffnen Sie VOSviewer, wählen Sie "Erstellen" und dann "Erstellen Sie eine Karte basierend auf bibliografischen Daten".
      2. Importiere die entsprechenden Klartextdateien über die Option "Daten aus bibliographischen Datenbankdateien lesen".
      3. Setze den Analysetyp auf "Co-authorship" mit der "Full Counting"-Methode, wobei "Länder" die Analyseeinheit ist.
      4. Wenden Sie eine Anzahl von Quellen an, die ausgewählt werden, 50, und klicken Sie auf "Analyse". Stellen Sie die Anzahl der auszuwählenden Quellen auf 20 ein und klicken Sie auf "Ausgewählte Quellen exportieren", um als CSV-Datei zum Ansehen zu exportieren.
      5. Führen Sie die Analyse durch, indem Sie auf "GO" klicken, um eine Referenz-Zitationskarte zu erstellen, wobei Schrift- und Farbeinstellungen für bessere Lesbarkeit angepasst werden.
    2. Geographische Verteilung nationaler Publikationen: Analyse in Scimago Graphica.
      1. Öffnen Sie Scimago Graphica, klicken Sie auf "DATE-DATEI LADEN" und importieren Sie dann die entsprechenden Klartextdateien.
      2. Erstellen Sie eine neue Ansicht, wählen Sie "Dokumente" für die Größe, "link_strength" für Farbe, "Label" für Label, "Disks" für Markierungen und "Map" für das Layout.
      3. Land mit der höchsten durchschnittlichen Zitationszahl Analyse
        1. Starten Sie die Biblioshiny-Oberfläche des Bibliometrix-Pakets in R.
        2. Greifen Sie auf die WoSCC-Datenbank auf und wählen Sie eine zusammengeführte Klartextdatei mit bibliometrischen Daten aus.
        3. Importiere die Daten und exportiere sie im txt-Format zur späteren Analyse.
        4. Wählen Sie "Autor" und klicken Sie dann auf "Meistzitierte Länder"
          HINWEIS: Der spezifische Code wird wie folgt bereitgestellt:
          1. Bibliothek (Bibliometrix)
          2. packageVersion("bibliometrix")
          3. Biblioshiny()
  4. Analyse der Verteilung von Universitäten und Institutionen
    1. Co-Autoren-Analyse
      1. Analyse-Einrichtung in VOSviewer: Starten Sie VOSviewer, wählen Sie "Erstellen" und dann "Erstellen Sie eine Karte basierend auf bibliografischen Daten". Wählen Sie "Daten aus bibliographischen Datenbankdateien lesen" und importieren Sie die Klartextdateien mit institutionellen Informationen.
      2. Konfiguration und Parameter: Setzen Sie den Analysetyp auf "Co-authorship", wählen Sie "Full counting" und verwenden Sie "Organisationen" als Analyseeinheit. Konfigurieren Sie die Parameter so, dass bis zu 3.798 Organisationen pro Dokument zugelassen werden, und legen Sie eine Mindesteinschlussgrenze für die ersten 50 Institutionen fest, um ein repräsentatives Kollaborationsnetzwerk aufzubauen.
      3. Visualisierung und Interpretation: Klicken Sie auf "Beenden", um die institutionelle Kollaborationskarte zu erstellen. Untersuchen Sie die Cluster und Verbindungen, um Kerninstitutionen, die Intensität der Zusammenarbeit und die wichtigsten Kooperationsmuster zwischen Universitäten und Forschungseinrichtungen zu identifizieren.
    2. Analyse der Institutionen mit den meisten Veröffentlichungen
      1. Starten Sie die Biblioshiny-Oberfläche des Bibliometrix-Pakets in R.
      2. Greifen Sie auf die WoSCC-Datenbank auf und wählen Sie eine zusammengeführte Klartextdatei mit bibliometrischen Daten aus.
      3. Importiere die Daten und exportiere sie im txt-Format zur späteren Analyse.
      4. Wählen Sie "Autor" und klicken Sie dann auf "Affiliations' Production over Time"
        HINWEIS: Der spezifische Code wird wie folgt bereitgestellt:
        Bibliothek (Bibliometrix)
        packageVersion("bibliometrix")
        Biblioshiny()
    3. Die Universitäten mit den stärksten Zitationsbursts Analyse
      1. Öffnen Sie CiteSpace, gehen Sie zum Menü "Daten" und wählen Sie "Import/Export" aus.
      2. Importiere Daten aus der WoSCC-Datenbank im entsprechenden Format, wobei der Analysezeitabschnitt von Januar 1972 bis 5. Juni 2025 konfiguriert wird, mit einem Einjahresintervall für zeitliche Details.
      3. Setzen Sie den Knotentyp auf "Referenz" und wenden Sie das Pruning mit den Optionen "Pathfinder" und "Pruning Sliced Networks" an, um das Netzwerk zu optimieren, wobei Sie sich auf die einflussreichsten gemeinsam genannten Referenzen konzentrieren.
      4. Führen Sie die Analyse durch, indem Sie auf "GO" klicken, um eine Referenz-Zitationskarte zu erstellen, wobei Schrift- und Farbeinstellungen für bessere Lesbarkeit angepasst werden.
      5. Wählen Sie die Option "Burstness" und setzen Sie den Parameter γ auf [0, 1].
      6. Aktualisieren Sie die Daten, um die 25 Institutionen mit dem größten Anstieg der Zitationszahlen zu ermitteln, heben Sie diejenigen mit einem deutlichen Anstieg der Zitationen hervor und zeigen Sie an, dass ihr Einfluss in diesem Bereich kontinuierlich wächst.
  5. Autoren-Kollaborationsnetzwerke
    1. Öffnen Sie CiteSpace, wählen Sie das Menü "Daten" und klicken Sie auf "Import/Export", um Daten aus WoSCC im gewünschten Format zu importieren.
      1. Definieren Sie den Zeitabschnitt von Januar 1970 bis 5. Juni 2025 mit einem einjährigen Schritt, um die zeitliche Entwicklung von Kollaborationen einzufangen.
    2. Netzwerkkonfiguration und Beschneidung
      1. Setzen Sie den Knotentyp auf "Author" und wenden Sie "Pathfinder" sowie "Pruning Sliced Networks" an, um redundante Verbindungen zu reduzieren und gleichzeitig wichtige Strukturen zu erhalten.
      2. Klicken Sie auf "GO", um die Analyse durchzuführen und die Co-Citation/Co-Autorship-Karte zu erstellen, die die Entwicklung, Struktur und Wachstumsdynamik von Autoren-Kollaborationsnetzwerken im Laufe der Zeit zeigt.
  6. Analyse der mitzitierten Referenzen und des Clustering-Netzwerks
    1. Datenimport und -einrichtung in CiteSpace
      1. Öffnen Sie CiteSpace, gehen Sie zu "Daten" und wählen Sie "Import/Export" aus, um die WoSCC-Daten zu laden.
      2. Setzen Sie den Analysezeitraum von Januar 1970 bis 5. Juni 2025 an, wobei ein Intervall von einem Jahr verwendet wird, um detaillierte zeitliche Informationen zu erhalten.
    2. Netzwerkkonfiguration und Beschneidung
      1. Wählen Sie "Referenz" als Knotentyp und verwenden Sie "Pathfinder" zusammen mit "Pruning Sliced Networks", um die Kern-Kozitationslinks zu behalten und kleinere oder redundante Verbindungen zu entfernen.
      2. Klicken Sie auf "GO", um die Analyse durchzuführen und das Referenz-Zitationsnetzwerk zu generieren, dann verfeinern Sie Schriftarten, Farben und Layout, um die visuelle Klarheit zu verbessern.
    3. Identifizierung von wirkungsvollen Referenzen
      1. Aktiviere die Option "Burstness" und setze γ im Intervall [0, 1].
      2. Aktualisieren Sie die Daten, um die Top 25 Referenzen mit den stärksten Zitationsausbrüchen zu erhalten, wobei Sie jene Werke hervorheben, die ein rasches Wachstum bei den Zitationen erfahren und im Forschungsbereich sehr einflussreich geworden sind.
  7. Analyse von Zeitschriften und mitzitierten Zeitschriften
    1. Zeitschriftenanalyse in Vosview
      1. Öffnen Sie VOSviewer, wählen Sie "Erstellen" und dann "Erstellen Sie eine Karte basierend auf bibliografischen Daten".
      2. Importiere die entsprechenden Klartextdateien über die Option "Daten aus bibliographischen Datenbankdateien lesen".
      3. Stellen Sie den Analysetyp auf "Zitation" ein, wählen Sie die Methode "Full Counting" und geben Sie "Quellen" als Analyseeinheit an.
      4. Setzen Sie die Mindestanzahl der Quellen auf 20, führen Sie die Analyse durch und verwenden Sie "Export ausgewählte Quellen", um die ausgewählten Zeitschriften als CSV-Datei für weitere Prüfungen zu speichern.
    2. Analyse von kozitierten Fachzeitschriften in Vosview.
      1. Öffnen Sie erneut VOSviewer, wählen Sie "Erstellen" und dann "Erstellen Sie eine Karte basierend auf bibliografischen Daten".
      2. Importiere dieselben Klartextdateien mit "Daten aus bibliographischen Datenbankdateien lesen".
      3. Stellen Sie den Analysetyp auf "Co-citation" ein, wählen Sie "Full counting" und verwenden Sie "Zitierte Quellen" als Analyseeinheit.
      4. Stellen Sie die Mindestanzahl zitierter Quellen auf 20 ein, führen Sie die Analyse durch und klicken Sie auf "Exportiere ausgewählte Quellen", um eine CSV-Datei für eine detaillierte, gemeinsam zitierte Zeitschriftenanalyse auszugeben.
  8. Analyse des Schlüsselwort-Koauftritts
    1. Keyword Co-Occurrence Netzwerkanalyse in VOSviewer.
      1. Öffnen Sie VOSviewer, wählen Sie "Erstellen" und dann "Erstellen Sie eine Karte basierend auf bibliografischen Daten".
      2. Importiere die entsprechenden Klartextdateien über die Option "Daten aus bibliographischen Datenbankdateien lesen".
      3. Setzen Sie den Analysetyp auf "Co-Occurrence" mit der "Full Counting"-Methode, wobei "alle Schlüsselwörter" als Analyseeinheit dienen.
      4. Wenden Sie eine Anzahl von Schlüsselwörtern an, um ausgewählt zu werden, 100 , und klicken Sie auf "Beenden", um die Analyse abzuschließen, wodurch ein Ko-Vorkommanden-Netzwerk erstellt wird, das die Schlüsselwortbeziehungen im Feld visualisiert.
      5. Klicken Sie auf "Overlay Visualization", um eine visuelle Analysedarstellung der sich entwickelnden Keyword-Co-Occurrence-Cluster zu erstellen.
      6. Klicken Sie auf "Dichte-Visualisierung" und das Keyword-Verteilungsdiagramm wird generiert.
    2. Keyword-Burst-Analyse in CiteSpace.
      1. Verwenden Sie CiteSpace, um Keyword-Burst-Analyse durchzuführen, indem Sie die Option "Burstness" auswählen und den Parameter γ auf [0, 1] setzen.
      2. Nach dem Aktualisieren der Daten wählen Sie "Ansicht" aus, um eine Liste der 25 wichtigsten Schlüsselwörter mit den stärksten Zitationsbursts zu erstellen, die Schlüsselwörter anzeigt, die im Laufe der Zeit bemerkenswerte Aufmerksamkeit erregt haben.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Überblick über Trends und Entwicklungen von C. elegans im Alterungsgebiet
Die bibliometrische Analyse umfasste 6.117 Publikationsdaten aus 1.123 Quellen, ausgewählt aus anfänglichen 6.205 Veröffentlichungen von WOSCC, die die Zulassungskriterien erfüllten. Dazu gehörten 45 Early-Access-Reviews und 145 Proceedings-Papers. Nach Ausschluss von 87 irrelevanten und einer zurückgezogenen Veröffentlichung wurden die Daten hinsichtlich zeitlicher Verteilung und Dokum...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Um Reproduzierbarkeit und Interpretierbarkeit sicherzustellen, umfassen die wichtigsten Schritte in diesem Workflow: eine gründliche Berichterstattung der Abrufstrategie (Datenbankquelle, Abfrage, Dokumenttypen, Sprachbeschränkungen, Abrufdatum), Durchführung von Relevanzscreening und Datenvalidierung zur Minimierung von Off-Topic-Datensätzen, konsistente Berichterstattung von Werkzeugparametern (Zeitslicing, Knotentypen, Pruning, Schwellenwerte, Clustering) sowie das Exportieren von Aus...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren haben nichts offenzulegen.

Danksagungen

Die Autoren möchten allen Teilnehmern und Forschern, die zu dieser Arbeit beigetragen haben, ihre Wertschätzung ausdrücken. Darüber hinaus sind sie dankbar für die analytischen Werkzeuge von CiteSpace, VOSviewer, Scimago Graphica und R, die maßgeblich an dieser Forschung beteiligt waren.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
LEGION Savior Y7000 2019 Laptop (Seriennummer PF1CGZJU)Lenovohttps://pcsupport.lenovo.com/us/en/products/laptops-and-netbooks/legion-series/legion-y7000-2019Computer für Analysen verwendet
R (Version 4.5.2)R Foundation for Statistical Computing / R Core Teamhttps://www.r-project.org/Statistische Rechenumgebung
CiteSpace (Version 6.3.R3)CiteSpace / Chaomei Chen (Drexel Universität)https://citespace.podia.com/Software zur bibliometrischen Visualisierung und Analyse
VOSviewer (Version 1.6.20)Universität Leiden CWTS (geb. Jan van Eck, Ludo Waltman)https://www.vosviewer.com/Software für bibliometrische Kartierungen
Pajek (Version 64.6.01)Universität Ljubljana (Vladimir Batagelj, Andrej Mrvar)http://mrvar.fdv.uni-lj.si/pajek/Netzwerkanalyse- und Visualisierungssoftware

Referenzen

  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).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Tags

Alternsforschungbibliometrische AnalyseInsulin-SignalisierungStressantwortKalorienrestriktionMitophagieKnowledge MappingModellorganismus