Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de método

Las tendencias y perspectivas de la investigación sobre Caenorhabditis elegans en el área del envejecimiento: un análisis bibliométrico y de visualización

252 visualizaciones

⸱

DOI:

10.3791/70364

⸱

22 de mayo de 2026

 ,  ,  ,  ,  ,  ,  , 
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

En este artículo

Resumen

Aquí presentamos un protocolo para recuperar, validar y analizar los registros de la Web of Science Core Collection sobre Caenorhabditis elegans y envejecimiento utilizando CiteSpace, VOSviewer, Bibliometrix y Scimago Graphica para el mapeo bibliométrico reproducible.

Resumen

El envejecimiento es un fenómeno biológico complejo caracterizado por el deterioro progresivo de las funciones fisiológicas y una mayor vulnerabilidad a enfermedades asociadas a la edad. A nivel celular, este proceso se ejemplifica con la senescencia, en la que las células experimentan una detención irreversible en la división y entran en un estado de detención permanente del crecimiento, sin avanzar hacia la apoptosis. Sin embargo, los mecanismos subyacentes siguen siendo incompletamente comprendidos. El nematodo Caenorhabditis elegans (C. elegans), con una vida corta y una genética bien definida, es un modelo potente para descifrar la base molecular del envejecimiento. No obstante, aún falta un mapeo bibliométrico exhaustivo de la investigación en la intersección de C. elegans y el envejecimiento. Aquí presentamos un protocolo para recuperar registros de la Web of Science Core Collection, realizar procesamiento de datos y realizar visualización bibliométrica reproducible utilizando CiteSpace, Bibliometrix (R), VOSviewer y Pajek, con el objetivo de mapear la estructura del conocimiento e identificar tendencias emergentes en la investigación sobre el envejecimiento de C. elegans . Utilizando 6.117 artículos publicados entre 1970 y el 5 de junio de 2025, analizamos las contribuciones nacionales e institucionales, la autoría, el impacto de las revistas, los patrones de citas y la evolución temática. El conjunto de datos comprendía 6.117 registros de 19.864 autores de 3.798 institutos en 91 países. Las publicaciones anuales aumentaron de 312 en 2020 a 341 en 2021 y se mantuvieron altas a partir de entonces. Estados Unidos lideró la producción global, seguido por China, Alemania y el Reino Unido, con redes de colaboración concentradas entre estos países. El sistema de la Universidad de California ocupó el primer puesto en productividad, mientras que la Academia China de Ciencias ocupó el tercer puesto. La evolución del tema indicó un cambio de los estudios fundamentales sobre las vías de señalización de la insulina y del factor de crecimiento similar a la insulina (IIS) y las respuestas al estrés hacia temas emergentes como el control térmico y la mitofagia en modelos de envejecimiento de C. elegans . En conjunto, este protocolo permite análisis bibliométricos transparentes y actualizables y apoya futuros estudios de direcciones clave, incluyendo la restricción calórica y la mitofagia.

Introducción

El envejecimiento es un proceso biológico multifacético que se refiere a la pérdida de la capacidad proliferativa de las células somáticas normales tras un número limitado de divisiones. Durante el proceso de envejecimiento, las funciones fisiológicas del organismo disminuyen gradualmente y la susceptibilidad a enfermedades relacionadas con la edadaumenta 1. A nivel celular, este proceso se manifiesta como daño al ADN, como la acumulación de fracturas de doble cadena y daños oxidativos, y estos daños superan la capacidad de manejo de los mecanismos de reparación. Estos cambios a nivel celular se reflejan a nivel del organismo como el deterioro gradual de las funciones fisiológicas. Además, algunos estudios han demostrado que las células envejecidas impulsan procesos patológicos relacionados con la edad al secretar el fenotipo secretor asociado a la senescencia (SASP). Estos factores pueden alterar el microambiente tisular y promover la fibrosis, lo que puede provocar inflamación crónica e incluso progresión del cáncer2. Con el avance de la investigación sobre el envejecimiento, se ha reconocido que el envejecimiento desempeña un papel significativo en la aparición y desarrollo de diversas enfermedades, incluyendo enfermedades cardiovasculares, diabetes tipo 2, enfermedad de Alzheimer y cáncer, entreotras 3. Con la aceleración del envejecimiento global, comprender los mecanismos del envejecimiento es crucial para prolongar una vida saludable.

En las últimas décadas, los organismos modelo han desempeñado un papel indispensable en la revelación de los determinantes genéticos, moleculares y ambientales del envejecimiento. Los organismos modelo presentan ventajas claras, incluyendo tiempos de generación cortos, fondos genéticos bien caracterizados y alta manejabilidad experimental. Los organismos modelo comunes incluyen levaduras, moscas de la fruta yratones 4. En la década de 1960, Caenorhabditis elegans (C. elegans) se estableció por primera vez como un organismo modelo novedoso. Sus principales ventajas para la selección incluyen un ciclo de vida corto y facilidad de cultivo, complementados por un conjunto de herramientas genéticas maduras. Además, debido a su tamaño diminuto, puede cultivarse y manipularse a gran escala de manera estandarizada, como losmicroorganismos 5. Lo más importante es que cubre efectivamente una laguna significativa en investigaciones previas, ya que los organismos unicelulares, a pesar de ser simples y fáciles de operar, son difíciles de utilizar para la investigación genética sobre mecanismos complejos de vida. Además, los animales modelo tradicionales tienen limitaciones en la eficiencia del cribado a gran escala debido a su compleja operación. La aplicación de C. elegans resuelve precisamente los problemasanteriores 6.

El uso de C. elegans en la investigación sobre envejecimiento se remonta a la década de1980. No fue hasta 1993 cuando el campo de C. elegans en la investigación sobre envejecimiento dio un salto transformador. Los cribados de mutagénesis dirigidos por Thomas Johnson y sus colegas identificaron el primer mutante longevo, el gen de edad1 8,9. Este hallazgo cambió la visión predominante de que el envejecimiento era un proceso estocástico y no regulado, implicando en cambio vías genéticas específicas en la determinación de la duración de la vida. Estudios posteriores se basaron en esta base, revelando una red conservada de vías de señalización que coordinan el envejecimiento. La vía IIS ha surgido como un regulador central. La mutación en daf-2, que codifica el ortólogo C. elegans del receptor de la insulina/factor de crecimiento similar a la insulina (IIGF-1), podría reducir la actividad del IIS, activando el factor de transcripción FOXO DAF-16, haciendo que se transloque del citoplasma al núcleo, promoviendo así la expresión de genes de respuesta al estrés, chaperonas moleculares y enzimas de desintoxicación, retrasando así el proceso de envejecimiento y prolongando una vida saludable10. DAF-16 transloca del citoplasma al núcleo, promoviendo la expresión de genes de resistencia al estrés, chaperonas moleculares y enzimas de desintoxicación, extendiendo así la duración de la salud del organismo y retrasando la progresión del envejecimiento y la extensión de la saluddel organismo 11. Además, C. elegans ha iluminado otros mecanismos conservados del envejecimiento. Por ejemplo, se demostró que el objetivo de la vía de la rapamicina (TOR), un eje clave de detección de nutrientes, modula la esperanza de vida mediante interacciones con IIS12.

En los últimos años, los métodos bibliométricos se han aplicado ampliamente a muchos campos. El análisis de redes bibliométricas emplea métodos estadísticos para descubrir patrones de desarrollo, estructuras disciplinares, puntos críticos de investigación y tendencias en un campo examinando la cantidad, estructura, distribución y relaciones de citación de la literatura13. A pesar de la extensa investigación sobre C. elegans en el envejecimiento, ningún estudio ha proporcionado un análisis bibliométrico exhaustivo de este campo interdisciplinar. En este estudio, presentamos un análisis integral, multimétodoco y reproducible que esclarece el marco colaborativo, la base intelectual y los desarrollos temáticos dinámicos dentro del campo, identificando así trayectorias emergentes para futuros proyectos de investigación. Este artículo revisa el panorama de los logros recientes en investigación sobre envejecimiento en el campo de C. elegans . Además, este estudio tiene como objetivo: (1) analizar las tendencias de publicación y citas en la investigación sobre el envejecimiento de C. elegans desde 1970 hasta el 5 de junio de 2025; (2) evaluar las contribuciones de países e instituciones y explorar redes de colaboración; (3) identificar a los principales autores y revistas clave por productividad e impacto en las citas; (4) descubrir la base intelectual del campo mediante análisis de co-citación y fragmentación de citas; y (5) rastrear los principales temas de investigación y tendencias emergentes utilizando co-ocurrencia de palabras clave y análisis temporal. En última instancia, estos conocimientos facilitarán una comprensión más profunda de la trayectoria evolutiva del campo.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

Este estudio no se refiere a la aprobación ética ni al consentimiento para participar. Los datos utilizados en este estudio se obtuvieron de la Web of Science Core Collection (WoSCC).

1. Selección de bases de datos

  1. Accede a la base de datos Web of Science Core Collection (WoSCC) a través de https://webofscience. clarivate.cn/wos/author/author-search.
  2. Elabora una estrategia de búsqueda utilizando palabras clave específicas, específicamente "C. elegans" y "aging", para identificar literatura relevante.
  3. Cribado de relevancia y validación de datos
    1. Revisa cada registro recuperado para comprobar su relevancia actual revisando el título. Incluir registros que utilicen C. elegans como organismo principal de estudio y abordar conceptos o resultados relacionados con el envejecimiento.
    2. Si no se puede determinar la relevancia solo con el título, revisa el Resumen para confirmar la elegibilidad.
    3. Excluye los registros que no se centren en C. elegans y/o que no aborden los resultados o mecanismos relacionados con el envejecimiento.
    4. Para registros límite, documentar la razón de la incertidumbre y resolver la inclusión mediante una verificación secundaria por parte de un segundo autor o por consenso entre dos revisores.
    5. Excluye cualquier registro etiquetado como Retraído en los metadatos de la base de datos.
    6. Registrar el número de registros excluidos y el motivo de la exclusión y reportar el tamaño final del conjunto de datos utilizado para el análisis bibliométrico.
      NOTA: Consulte el Material Suplementario 1 para una lista completa de palabras clave empleadas en la estrategia de búsqueda para mejorar la precisión y la inclusión.

2. Parámetros de búsqueda

  1. Defina el periodo de publicación desde 1970 hasta el 5 de junio de 2025 para capturar las tendencias de investigación más recientes y completas.
  2. Limitar los resultados de búsqueda a solo artículos y artículos de revisión publicados en inglés para garantizar la coherencia de los datos y facilitar el análisis comparativo.

3. Recuperación de datos y formato

  1. Compilar publicaciones seleccionadas en formato de "Registro completo y referencias citadas" para preservar metadatos detallados.
  2. Guarda los datos recogidos como archivos de "texto plano" para su análisis posterior utilizando herramientas bibliométricas.
  3. Verifica que cada registro contenga metadatos completos, incluyendo información de citas y coautoría, para permitir un análisis bibliométrico exhaustivo.

4. Preprocesamiento de datos

  1. Recogida e importación de datos
    1. Abrir R (versión 4.5.2) y cargar bibliometrix (versión 4.5.2). Ejecuta los siguientes comandos para lanzar Biblioshiny:
      1. Biblioteca (bibliometrix)
      2. packageVersion("bibliometrix")
      3. biblioshiny()
    2. Abre el panel de importación.
      1. En la interfaz biblioshiny, haz clic en "Datos" en la barra lateral izquierda.
      2. En Datos, haz clic en "Importar o cargar".
    3. Configura la configuración de importación.
      1. Por favor, elige qué hacer, selecciona "Importar archivo(s) en bruto".
      2. En la base de datos, selecciona "Web of Science (WoS/WoK)".
      3. En el formato de nombre del autor, selecciona "Apellido e iniciales".
    4. Selecciona el archivo WoSCC e importa.
      1. En Elegir un archivo, haz clic en "Explorar"... y seleccionar el archivo de texto plano WoSCC fusionado exportado con Registros Completos y Referencias Citadas.
      2. Haz clic en "Iniciar" para importar el conjunto de datos.
      3. En la barra lateral izquierda, haz clic en "Resumen" y luego selecciona el módulo requerido (por ejemplo, Producción Científica Anual o Citas Medias por Año) para mostrar los resultados.
      4. Para exportar figuras, haz clic en Exportar Gráfico como PNG. Para exportar tablas, haz clic en "Excel" y guarda el archivo descargado para su análisis posterior.
  2. Tendencia anual de crecimiento de publicaciones y citas
    1. Tendencia anual de crecimiento de publicaciones y análisis de citas en CiteSpace.
      1. Abre CiteSpace, selecciona "Fecha" y luego "importar/exportar".
      2. Navega por el directorio de entrada y el directorio de salida.
      3. Haz clic en "Eliminar duplicados", selecciona "Artículo" y "Revisión", y finalmente haz clic en "Iniciar". Entonces podrás obtener las estadísticas específicas de publicación anual y citaciones.
      4. Utiliza el software Word para convertir los resultados exportados en formato gráfico.
  3. Análisis nacional de publicaciones y colaboración
    1. Publicación Nacional y Análisis de Colaboración en Vosview.
      1. Abre VOSviewer, selecciona "Crear" y luego "Crea un mapa basado en datos bibliográficos".
      2. Importa los archivos de texto plano relevantes utilizando la opción "Leer datos de archivos de bases de datos bibliográficas".
      3. Establece el tipo de análisis en "Coautoría", usando el método de "Conteo completo", con "Países" como unidad de análisis.
      4. Aplica un número de fuentes para seleccionar, 50, y haz clic en "Análisis". Configura el número de fuentes seleccionadas a 20 y haz clic en "Exportar fuentes seleccionadas" para exportarlas como archivo CSV para verlas.
      5. Ejecuta el análisis haciendo clic en "GO" para generar un mapa de co-citación de referencias, ajustando la fuente y la configuración de color para mejorar la legibilidad.
    2. Distribución geográfica de publicaciones nacionales: Análisis en Scimago Graphica.
      1. Abre Scimago Graphica, haz clic en "LOAD DATE FILE" y luego importa los archivos de texto plano correspondientes.
      2. Crea una nueva vista, selecciona "documentos" para tamaño, "link_strength" para color, "etiqueta" para etiqueta, "discos" para marcas y "mapa" para diseño.
      3. País con el mayor número medio de citas Análisis
        1. Inicia la interfaz Biblioshiny del paquete Bibliometrix en R.
        2. Accede a la base de datos WoSCC y selecciona un archivo de texto plano fusionado que contenga datos bibliométricos.
        3. Importa los datos y expórtalos en formato txt para análisis posteriores.
        4. Selecciona "Autor" y luego haz clic en "Países más citados"
          NOTA: El código específico se proporciona de la siguiente manera:
          1. Biblioteca (bibliometrix)
          2. packageVersion("bibliometrix")
          3. biblioshiny()
  4. Análisis de la distribución de universidades e instituciones
    1. Análisis de coautoría
      1. Configuración de análisis en VOSviewer: Inicia VOSviewer, elige "Crear" y luego "Crea un mapa basado en datos bibliográficos". Seleccione "Leer datos de archivos de base de datos bibliográficas" e importe los archivos de texto plano que contienen información institucional.
      2. Configuración y parámetros: Establece el tipo de análisis en "Coautoría", elige "Recuento completo" y utiliza "Organizaciones" como unidad de análisis. Configurar los parámetros para permitir hasta 3.798 organizaciones por documento y establecer un umbral mínimo de inclusión para que las primeras 50 instituciones construyan una red de colaboración representativa.
      3. Visualización e interpretación: Haz clic en "Terminar" para generar el mapa de colaboración institucional. Examinar los clústeres y conexiones para identificar las instituciones centrales, la intensidad de la colaboración y los principales patrones de cooperación entre universidades y organizaciones de investigación.
    2. Análisis de las instituciones con más publicaciones
      1. Inicia la interfaz Biblioshiny del paquete Bibliometrix en R.
      2. Accede a la base de datos WoSCC y selecciona un archivo de texto plano fusionado que contenga datos bibliométricos.
      3. Importa los datos y expórtalos en formato txt para análisis posteriores.
      4. Selecciona "Autor" y luego haz clic en "Producción de Afiliaciones a lo largo del tiempo"
        NOTA: El código específico se proporciona de la siguiente manera:
        Biblioteca (bibliometrix)
        packageVersion("bibliometrix")
        biblioshiny()
    3. Las universidades con los estallidos de citas más fuertes Análisis
      1. Abre CiteSpace, navega al menú "Datos" y selecciona "Importar/Exportar".
      2. Importar datos de la base de datos WoSCC en el formato adecuado, configurando el segmento de tiempo de análisis desde enero de 1972 hasta el 5 de junio de 2025, con un intervalo de un año para el detalle temporal.
      3. Configura el tipo de nodo en "Referencia" y aplica la poda usando las opciones "Pathfinder" y "Poda de redes segmentadas" para agilizar la red, centrándote en las referencias co-citadas más influyentes.
      4. Ejecuta el análisis haciendo clic en "GO" para generar un mapa de co-citación de referencias, ajustando la fuente y la configuración de color para mejorar la legibilidad.
      5. Selecciona la opción "Burstness" y establece el parámetro γ en [0, 1].
      6. Actualizar los datos para generar las 25 principales instituciones con el aumento más significativo en el número de citas, destacar aquellas con un aumento sustancial en citas e indicar que su influencia en el campo está creciendo continuamente.
  5. Redes de colaboración con autores
    1. Abre CiteSpace, selecciona el menú "Datos" y haz clic en "Importar/Exportar" para importar datos de WoSCC en el formato requerido.
      1. Defina el intervalo de tiempo desde enero de 1970 hasta el 5 de junio de 2025, con un paso de un año para capturar la evolución temporal de las colaboraciones.
    2. Configuración y poda de la red
      1. Establece el tipo de nodo en "Author" y aplica "Pathfinder" y "Poding Sliced Networks" para reducir enlaces redundantes mientras se preservan las estructuras clave.
      2. Haz clic en "GO" para ejecutar el análisis y generar el mapa de co-citas/coautoría, que revela el desarrollo, la estructura y la dinámica de crecimiento de las redes de colaboración de autores a lo largo del tiempo.
  6. Análisis de referencias co-citadas y red de agrupamiento
    1. Importación y configuración de datos en CiteSpace
      1. Abre CiteSpace, ve a "Datos" y selecciona "Importar/Exportar" para cargar los datos de WoSCC.
      2. Establece el periodo de análisis desde enero de 1970 hasta el 5 de junio de 2025, utilizando un intervalo de un año para obtener información temporal detallada.
    2. Configuración y poda de la red
      1. Elige "Referencia" como tipo de nodo y usa "Pathfinder" junto con "Podando redes segmentadas" para conservar los enlaces principales de co-citación y eliminar conexiones menores o redundantes.
      2. Haz clic en "GO" para ejecutar el análisis y generar la red de co-citación de referencias, luego refinar fuentes, colores y diseño para mejorar la claridad visual.
    3. Identificación de referencias de alto impacto
      1. Activa la opción "Burstness" y establece γ en el intervalo [0, 1].
      2. Actualiza los datos para obtener las 25 principales referencias con los ráfagas de citas más fuertes, destacando aquellas obras que han experimentado un rápido crecimiento en citas y se han vuelto altamente influyentes en el área de investigación.
  7. Análisis de revistas y revistas co-citadas
    1. Análisis de revistas en Vosview
      1. Abre VOSviewer, selecciona "Crear" y luego "Crea un mapa basado en datos bibliográficos".
      2. Importa los archivos de texto plano relevantes a través de la opción "Leer datos de archivos de bases de datos bibliográficas".
      3. Configura el tipo de análisis en "Citación", elige el método "Conteo completo" y especifica "Fuentes" como unidad de análisis.
      4. Establece el número mínimo de fuentes en 20, ejecuta el análisis y utiliza "Exportar fuentes seleccionadas" para guardar las revistas seleccionadas como archivo CSV para un examen posterior.
    2. Análisis de revistas co-citadas en Vosview.
      1. Abre de nuevo VOSviewer, selecciona "Crear" y luego "Crear un mapa basado en datos bibliográficos".
      2. Importa los mismos archivos de texto plano con "Leer datos de archivos de bases de datos bibliográficas".
      3. Configura el tipo de análisis en "Co-citación", elige "Conteo completo" y usa "Fuentes citadas" como unidad de análisis.
      4. Establece el número mínimo de fuentes citadas en 20, ejecuta el análisis y haz clic en "Exportar fuentes seleccionadas" para generar un archivo CSV y un análisis detallado de revistas co-citadas.
  8. Análisis de la coocurrencia de palabras clave
    1. Análisis de redes de coocurrencia por palabras clave en VOSviewer.
      1. Abre VOSviewer, selecciona "Crear" y luego "Crea un mapa basado en datos bibliográficos".
      2. Importa los archivos de texto plano relevantes utilizando la opción "Leer datos de archivos de bases de datos bibliográficas".
      3. Configura el tipo de análisis en "co-ocurrencia", usando el método de "Conteo completo", con "todas las palabras clave" como unidad de análisis.
      4. Aplica un número de palabras clave para seleccionar 100 y haz clic en "Finalizar" para completar el análisis, creando una red de co-ocurrencia que visualiza las relaciones de palabras clave dentro del campo.
      5. Haz clic en "Visualización superpuesta" para generar una representación analítica visual de los clústeres de co-ocurrencia de palabras clave en evolución.
      6. Haz clic en "Visualización de densidad" y se generará la tabla de distribución de palabras clave.
    2. Análisis de estallido de palabras clave en CiteSpace.
      1. Utiliza CiteSpace para realizar un análisis de ráfagas de palabras clave seleccionando la opción "Burstness" y estableciendo el parámetro γ en [0, 1].
      2. Tras actualizar los datos, selecciona "Ver" para generar una lista de las 25 palabras clave con los estallidos de citas más fuertes, indicando palabras clave que han atraído atención notable a lo largo del tiempo.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

Visión general de las tendencias y evolución de C. elegans en la zona de envejecimiento
El análisis bibliométrico incluyó 6.117 registros de publicaciones de 1.123 fuentes, seleccionados de 6.205 publicaciones iniciales de WOSCC que cumplían los criterios de elegibilidad. Esto incluyó 45 revisiones en acceso anticipado y 145 artículos en actas. Tras excluir 87 publicaciones irrelevantes y una retractada, los datos se analizaron para determinar la distribución...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

Para garantizar la reproducibilidad e interpretabilidad, los pasos clave de este flujo de trabajo incluyen: informar exhaustivamente de la estrategia de recuperación (fuente de base de datos, consulta, tipos de documentos, límites de lenguaje, fecha de recuperación), realizar un filtro de relevancia y validación de datos para minimizar registros fuera de tema, informar de forma consistente de parámetros de la herramienta (segmentación temporal, tipos de nodos, poda, umbrales, agrupamient...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Los autores no tienen nada que revelar.

Agradecimientos

Los autores desean expresar su agradecimiento a todos los participantes e investigadores que contribuyeron a este trabajo. Además, agradecen las herramientas analíticas proporcionadas por CiteSpace, VOSviewer, Scimago Graphica y R, que fueron fundamentales en la realización de esta investigación.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Portátil LEGION Savior Y7000 2019 (Número de serie PF1CGZJU)Lenovohttps://pcsupport.lenovo.com/us/en/products/laptops-and-netbooks/legion-series/legion-y7000-2019Ordenador utilizado para análisis
R (versión 4.5.2)Fundación R para Computación Estadística / Equipo Central de Rhttps://www.r-project.org/Entorno de computación estadística
CiteSpace (versión 6.3.R3)CiteSpace / Chaomei Chen (Universidad Drexel)https://citespace.podia.com/Software de visualización y análisis bibliométrico
VOSviewer (versión 1.6.20)CWTS de la Universidad de Leiden (Nees Jan van Eck, Ludo Waltman)https://www.vosviewer.com/Software de mapeo bibliométrico
Pajek (versión 64.6.01)Universidad de Liubliana (Vladimir Batagelj, Andrej Mrvar)http://mrvar.fdv.uni-lj.si/pajek/Software de análisis y visualización de redes

Referencias

  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).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Explorar más artículos

Investigación sobre el envejecimientoAnálisis bibliométricoSeñalización de la insulinaRespuesta al estrésRestricción calóricaMitofagiaMapeo del conocimientoOrganismo modelo
Contáctenos
Recomendar a la biblioteca

Privacidad

Términos de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos los derechos reservados.