Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Les tendances et perspectives de la recherche sur Caenorhabditis elegans dans la zone du vieillissement : une analyse bibliométrique et de visualisation

248 vues

⸱

DOI :

10.3791/70364

⸱

22 mai 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

Dans cet article

Résumé

Ici, nous présentons un protocole pour récupérer, valider et analyser les archives de la collection centrale Web of Science sur Caenorhabditis elegans et le vieillissement en utilisant CiteSpace, VOSviewer, Bibliometrix et Scimago Graphica pour une cartographie bibliométrique reproductible.

Résumé

Le vieillissement est un phénomène biologique complexe caractérisé par la détérioration progressive des fonctions physiologiques et une vulnérabilité accrue aux maladies associées à l’âge. Au niveau cellulaire, ce processus est illustré par la sénescence, durant laquelle les cellules subissent un arrêt irréversible de leur division et entrent dans un état d’arrêt permanent de la croissance, sans progresser vers l’apoptose. Cependant, les mécanismes sous-jacents restent incomplètement compris. Le nématode Caenorhabditis elegans (C. elegans), à la courte durée de vie et à la génétique bien caractérisée, constitue un modèle puissant pour déchiffrer la base moléculaire du vieillissement. Néanmoins, une cartographie bibliométrique complète de la recherche à l’intersection de C. elegans et du vieillissement fait encore défaut. Ici, nous présentons un protocole pour récupérer les enregistrements de la Web of Science Core Collection, effectuer le traitement des données et réaliser une visualisation bibliométrique reproductible à l’aide de CiteSpace, Bibliometrix (R), VOSviewer et Pajek, visant à cartographier la structure des connaissances et à identifier les tendances émergentes dans la recherche sur le vieillissement de C. elegans . À partir de 6 117 articles publiés entre 1970 et le 5 juin 2025, nous avons analysé les contributions nationales et institutionnelles, l’auteur, l’impact des revues, les schémas de citation et l’évolution thématique. L’ensemble de données comprenait 6 117 enregistrements provenant de 19 864 auteurs répartis dans 3 798 instituts dans 91 pays. Le nombre de publications annuelles est passé de 312 en 2020 à 341 en 2021 et est resté élevé par la suite. Les États-Unis ont mené la production mondiale, suivis par la Chine, l’Allemagne et le Royaume-Uni, avec des réseaux de collaboration concentrés entre ces pays. Le système de l’Université de Californie s’est classé premier en productivité, tandis que l’Académie chinoise des sciences s’est classée troisième. L’évolution du sujet a montré un passage des études fondamentales sur les voies de signalisation insulino/facteur de croissance type insuline (IIS) et les réponses au stress vers des thèmes émergents tels que le contrôle thermique et la mitophagie dans les modèles de vieillissement de C. elegans . Dans l’ensemble, ce protocole permet des analyses bibliométriques transparentes et actualisables et soutient les études futures sur les principales directions, notamment la restriction calorique et la mitophagie.

Introduction

Le vieillissement est un processus biologique multifacette qui fait référence à la perte de la capacité proliflective des cellules somatiques normales après un nombre limité de divisions. Au cours du vieillissement, les fonctions physiologiques de l’organisme déclinent progressivement, et la susceptibilité aux maladies liées à l’âgeaugmente 1. Au niveau cellulaire, ce processus se manifeste par des dommages à l’ADN, tels que l’accumulation de ruptures de double brin et de dommages oxydatifs, et ces dommages dépassent la capacité de manipulation des mécanismes de réparation. Ces changements au niveau cellulaire se reflètent au niveau de l’organisme par la détérioration progressive des fonctions physiologiques. De plus, certaines études ont également démontré que les cellules vieillies entraînent des processus pathologiques liés à l’âge en sécrétant le phénotype sécrétoire associé à la sénescence (SASP). Ces facteurs peuvent perturber le microenvironnement tissulaire et favoriser la fibrose, entraînant une inflammation chronique et même une progression du cancer2. Avec l’approfondissement de la recherche sur le vieillissement, il a été reconnu que le vieillissement joue un rôle important dans l’apparition et le développement de diverses maladies, notamment les maladies cardiovasculaires, le diabète de type 2, la maladie d’Alzheimer et le cancer, entreautres 3. Avec l’accélération du vieillissement mondial, comprendre les mécanismes du vieillissement est crucial pour prolonger une vie saine.

Au cours des dernières décennies, les organismes modèles ont joué un rôle indispensable dans la révélation des déterminants génétiques, moléculaires et environnementaux du vieillissement. Les organismes modèles présentent des avantages distincts, notamment des temps de génération courts, des bases génétiques bien caractérisées et une grande facilité expérimentale. Les organismes modèles courants incluent la levure, les mouches des fruits et lessouris 4. Dans les années 1960, Caenorhabditis elegans (C. elegans) a été établi pour la première fois comme un organisme modèle nouveau. Ses principaux avantages pour la sélection incluent un cycle de vie court et une facilité de cultivation, complétés par un ensemble d’outils génétiques matures. De plus, en raison de sa taille minuscule, il peut être cultivé et manipulé à grande échelle de manière standardisée, comme lesmicro-organismes 5. Surtout, elle comble effectivement un vide important dans les recherches précédentes, car les organismes unicellulaires, bien que simples et faciles à exploiter, sont difficiles à utiliser pour la recherche génétique sur des mécanismes de vie complexes. De plus, les animaux modèles traditionnels sont limités dans l’efficacité du criblage à grande échelle en raison de leur fonctionnement complexe. L’application de C. elegans résout précisément les problèmesci-dessus 6.

L’utilisation de C. elegans dans la recherche sur le vieillissement remonte aux années1980. Ce n’est qu’en 1993 que le domaine de la recherche sur le vieillissement de C. elegans a connu un saut transformateur. Les criblages de mutagenèse menés par Thomas Johnson et ses collègues ont identifié le premier mutant à longue durée de vie, le gène d’âge1 8,9. Cette découverte a modifié la vision dominante selon laquelle le vieillissement était un processus stochastique et non régulé, impliquant au contraire des voies génétiques spécifiques dans la détermination de la durée de vie. Des études ultérieures s’appuyèrent sur cette base, révélant un réseau conservé de voies de signalisation qui coordonnent le vieillissement. La voie de l’IIS est devenue un régulateur central. La mutation de DAF-2, qui code pour l’orthologue C. elegans du récepteur insuline/facteur de croissance de type insuline (IIGF-1), pourrait réduire l’activité IIS, activant le facteur de transcription FOXO DAF-16, ce qui le fait translocer du cytoplasme vers le noyau, favorisant ainsi l’expression des gènes de réponse au stress, des chaperones moléculaires et des enzymes de détoxification, retardant ainsi le processus de vieillissement et prolongeant une vie saine10. DAF-16 transloce du cytoplasme vers le noyau, favorisant l’expression de gènes de résistance au stress, de chaperones moléculaires et d’enzymes de détoxification, prolongeant ainsi la durée de santé de l’organisme et retardant la progression du vieillissement ainsi que la santé del’organisme 11. De plus, C. elegans a mis en lumière d’autres mécanismes conservés du vieillissement. Par exemple, la cible de la voie de la rapamycine (TOR), un axe clé de détection des nutriments, a montré qu’elle modulait la durée de vie grâce à des interactions avec l’IIS12.

Ces dernières années, les méthodes bibliométriques ont été largement appliquées à de nombreux domaines. L’analyse des réseaux bibliométriques utilise des méthodes statistiques pour découvrir les schémas de développement, les structures disciplinaires, les points chauds de recherche et les tendances dans un domaine en examinant la quantité, la structure, la distribution et les relations de citation de lalittérature 13. Malgré des recherches approfondies sur C. elegans dans le vieillissement, aucune étude n’a fourni d’analyse bibliométrique complète de ce domaine interdisciplinaire. Dans cette étude, nous présentons une analyse exhaustive, multiméthodique et reproductible qui éclaire le cadre collaboratif, la fondation intellectuelle et les développements thématiques dynamiques du domaine, identifiant ainsi les trajectoires émergentes pour les futures recherches. Cet article passe en revue le paysage des récentes réalisations de recherche sur le vieillissement dans le domaine de C. elegans . De plus, cette étude vise à : (1) analyser les tendances de publication et de citation dans la recherche sur le vieillissement de C. elegans de 1970 au 5 juin 2025 ; (2) évaluer les contributions des pays et des institutions et explorer des réseaux de collaboration ; (3) identifier les principaux auteurs et revues clés selon la productivité et l’impact sur les citations ; (4) découvrir les fondements intellectuels du domaine par l’analyse de co-citation et de l’analyse de citation-burst ; et (5) suivre les principaux thèmes de recherche et les tendances émergentes en utilisant la cooccurrence de mots-clés et l’analyse temporelle. En fin de compte, ces connaissances faciliteront une compréhension plus profonde de la trajectoire évolutive du domaine.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Cette étude ne fait pas référence à l’approbation éthique ni au consentement à la participation. Les données utilisées dans cette étude ont été obtenues à partir de la Web of Science Core Collection (WoSCC).

1. Sélection de la base de données

  1. Accédez à la base de données Web of Science Core Collection (WoSCC) via https://webofscience. clarivate.cn/wos/author/author-search.
  2. Élaborez une stratégie de recherche en utilisant des mots-clés ciblés, en particulier « C. elegans » et « vieillissement », afin d’identifier la littérature pertinente.
  3. Dépistage de pertinence et validation des données
    1. Examinez chaque enregistrement récupéré pour vérifier leur pertinence en examinant le titre. Incluez des archives utilisant C. elegans comme organisme principal d’étude et traitez des concepts ou résultats liés au vieillissement.
    2. Si la pertinence ne peut être déterminée uniquement à partir du titre, consultez le résumé pour confirmer l’éligibilité.
    3. Excluez les dossiers qui ne se concentrent pas sur C. elegans et/ou qui ne traitent pas des issues ou mécanismes liés au vieillissement.
    4. Pour les dossiers limites, documentez la raison de l’incertitude et résolvez l’inclusion par une vérification secondaire par un second auteur ou par consensus entre deux évaluateurs.
    5. Excluez tout enregistrement identifié Rétracté dans les métadonnées de la base de données.
    6. Notez le nombre d’enregistrements exclus et la raison de l’exclusion, puis déclarez la taille finale du jeu de données utilisée pour l’analyse bibliométrique.
      REMARQUE : Consultez le Matériel supplémentaire 1 pour une liste complète des mots-clés utilisés dans la stratégie de recherche afin d’améliorer la précision et l’inclusivité.

2. Paramètres de recherche

  1. Définissez la période de publication de 1970 au 5 juin 2025 afin de recueillir les tendances de recherche les plus récentes et complètes.
  2. Limiter les résultats de recherche aux seuls articles et articles de synthèse publiés en anglais afin d’assurer la cohérence des données et de faciliter l’analyse comparative.

3. Recherche des données et format

  1. Compiler certaines publications au format « Registre complet et références citées » afin de préserver les métadonnées détaillées.
  2. Sauvegardez les données collectées sous forme de fichiers « texte brut » pour une analyse ultérieure à l’aide d’outils bibliométriques.
  3. Vérifiez que chaque enregistrement contient des métadonnées complètes, y compris les informations de citation et de co-auteur, afin de permettre une analyse bibliométrique approfondie.

4. Prétraitement des données

  1. Collecte et importation des données
    1. Ouvrir R (version 4.5.2) et charger bibliometrix (version 4.5.2). Exécutez les commandes suivantes pour lancer Biblioshiny :
      1. bibliothèque (bibliométrix)
      2. packageVersion (« bibliometrix »)
      3. biblioshiny()
    2. Ouvre le panneau d’importation.
      1. Dans l’interface biblioshiny, cliquez sur « Données » dans la barre latérale gauche.
      2. Dans la section Données, cliquez sur « Importer ou charger ».
    3. Configurez les paramètres d’importation.
      1. Veuillez choisir quoi faire, sélectionnez « Importer le ou les fichiers bruts ».
      2. Dans la base de données, sélectionnez « Web of Science (WoS/WoK) ».
      3. Dans le format Nom de l’auteur, sélectionnez « Nom de famille et initiales ».
    4. Sélectionnez le fichier WoSCC et importez.
      1. Sous Choisir un fichier, cliquez sur « Parcourir »... et sélectionnez le fichier WoSCC Plain Text fusionné exporté avec Enregistrement complet et références citées.
      2. Cliquez sur « Démarrer » pour importer le jeu de données.
      3. Dans la barre latérale gauche, cliquez sur « Aperçu », puis sélectionnez le module requis (par exemple, Production scientifique annuelle ou Citations moyennes par an) pour afficher les résultats.
      4. Pour exporter des figurines, cliquez sur Exporter le graphique en PNG. Pour exporter les tableaux, cliquez sur « Excel » et enregistrez le fichier téléchargé pour une analyse ultérieure.
  2. Tendance annuelle de croissance des publications et citations
    1. Évolution annuelle de la croissance des publications et de l’analyse des citations sur CiteSpace.
      1. Ouvre CiteSpace, sélectionne « Date », puis « importer/exporter ».
      2. Parcourez le répertoire d’entrée et le répertoire de sortie.
      3. Cliquez sur « Supprimer les doublons », sélectionnez « Article » et « Réviser », puis enfin cliquez sur « Démarrer ». Vous pourrez alors obtenir les statistiques annuelles spécifiques de publication et de citations.
      4. Utilisez le logiciel Word pour convertir les résultats exportés en format graphique.
  3. Analyse des publications et collaborations nationales
    1. Publication nationale et analyse de collaboration à Vosview.
      1. Ouvrez VOSviewer, sélectionnez « Créer », puis « Créer une carte basée sur des données bibliographiques ».
      2. Importez les fichiers de texte clair pertinents en utilisant l’option « Lire les données à partir de fichiers de bases de données bibliographiques ».
      3. Définir le type d’analyse sur « Co-autorie », en utilisant la méthode du « comptage complet », avec « Pays » comme unité d’analyse.
      4. Appliquer un certain nombre de sources à sélectionner, 50, puis cliquez sur « Analyse ». Réglez le nombre de sources à sélectionner à 20 et cliquez sur « Exporter les sources sélectionnées » pour exporter en fichier CSV à visionner.
      5. Effectuez l’analyse en cliquant sur « GO » pour générer une carte de co-citation de référence, en ajustant les paramètres de police et de couleur pour améliorer la lisibilité.
    2. Répartition géographique des publications nationales : Analyse dans Scimago Graphica.
      1. Ouvrez Scimago Graphica, cliquez sur « LOAD DATE FILE », puis importez les fichiers en texte brut correspondants.
      2. Créez une nouvelle vue, sélectionnez « documents » pour la taille, « link_strength » pour la couleur, « label » pour l’étiquette, « disquettes » pour les marques, et « map » pour la mise en page.
      3. Pays ayant le plus haut nombre moyen de citations Analyse
        1. Lance l’interface Biblioshiny du paquet Bibliometrix dans R.
        2. Accédez à la base de données WoSCC et sélectionnez un fichier de texte simple fusionné contenant des données bibliométriques.
        3. Importez les données et exportez-les en format txt pour une analyse ultérieure.
        4. Sélectionnez « Auteur », puis cliquez sur « Pays les plus cités »
          REMARQUE : Le code spécifique est fourni comme suit :
          1. bibliothèque (bibliométrix)
          2. packageVersion (« bibliometrix »)
          3. biblioshiny()
  4. Analyse de la répartition des universités et institutions
    1. Analyse de la co-paternité
      1. Configuration de l’analyse dans VOSviewer : Lancez VOSviewer, choisissez « Créer », puis « Créer une carte basée sur des données bibliographiques ». Sélectionnez « Lire les données à partir de fichiers de base de données bibliographiques » et importez les fichiers en texte clair contenant des informations institutionnelles.
      2. Configuration et paramètres : Définissez le type d’analyse sur « Co-authorship », choisissez « Comptage complet » et utilisez « Organisations » comme unité d’analyse. Configurez les paramètres pour permettre jusqu’à 3 798 organisations par document et fixez un seuil d’inclusion minimum pour que les 50 premières institutions puissent construire un réseau de collaboration représentatif.
      3. Visualisation et interprétation : Cliquez sur « Terminer » pour générer la carte de collaboration institutionnelle. Examinez les clusters et les connexions afin d’identifier les institutions centrales, l’intensité de la collaboration et les principaux schémas de coopération entre universités et organisations de recherche.
    2. Analyse des institutions ayant le plus de publications
      1. Lance l’interface Biblioshiny du paquet Bibliometrix dans R.
      2. Accédez à la base de données WoSCC et sélectionnez un fichier de texte simple fusionné contenant des données bibliométriques.
      3. Importez les données et exportez-les en format txt pour une analyse ultérieure.
      4. Sélectionnez « Auteur », puis cliquez sur « Affiliations' Production through time »
        REMARQUE : Le code spécifique est fourni comme suit :
        bibliothèque (bibliométrix)
        packageVersion (« bibliometrix »)
        biblioshiny()
    3. Les universités ayant les plus fortes rafales de citations Analyse
      1. Ouvrez CiteSpace, allez dans le menu « Données » et sélectionnez « Importer/Exporter ».
      2. Importez les données de la base de données WoSCC dans le format approprié, en configurant la tranche de temps d’analyse de janvier 1972 au 5 juin 2025, avec un intervalle d’un an pour les détails temporels.
      3. Définissez le type de nœud sur « Référence » et appliquez l’élagage en utilisant les options « Pathfinder » et « Élagage des réseaux tranchés » pour simplifier le réseau, en mettant l’accent sur les références co-citées les plus influentes.
      4. Effectuez l’analyse en cliquant sur « GO » pour générer une carte de co-citation de référence, en ajustant les paramètres de police et de couleur pour améliorer la lisibilité.
      5. Sélectionnez l’option « Burstness » et réglez le paramètre γ à [0, 1].
      6. Actualisez les données pour déterminer les 25 établissements ayant la plus forte augmentation du nombre de citations, mettez en avant celles ayant une augmentation substantielle des citations, et montrez que leur influence dans le domaine est en constante croissance.
  5. Réseaux de collaboration avec les auteurs
    1. Ouvrez CiteSpace, sélectionnez le menu « Données », puis cliquez sur « Importer/Exporter » pour importer des données depuis WoSCC dans le format requis.
      1. Définissez la tranche de temps de janvier 1970 au 5 juin 2025, avec une étape d’un an pour capturer l’évolution temporelle des collaborations.
    2. Configuration et élagage du réseau
      1. Définir le type de nœud sur « Auteur », et appliquer « Pathfinder » et « Élimage des réseaux tranchés » pour réduire les liens redondants tout en préservant les structures clés.
      2. Cliquez sur « GO » pour exécuter l’analyse et générer la carte de co-citation/co-auteur, qui révèle le développement, la structure et la dynamique de croissance des réseaux de collaboration des auteurs au fil du temps.
  6. Analyse des références co-citées et du réseau de regroupement
    1. Importation et configuration de données dans CiteSpace
      1. Ouvre CiteSpace, va dans « Données » et sélectionne « Importer/Exporter » pour charger les données WoSCC.
      2. Fixez la période d’analyse de janvier 1970 au 5 juin 2025, en utilisant un intervalle d’un an pour obtenir des informations temporelles détaillées.
    2. Configuration du réseau et élagage
      1. Choisissez « Référence » comme type de nœud et utilisez « Pathfinder » avec « Élimage des réseaux tranchés » pour conserver les liens de co-citation principaux et supprimer les connexions mineures ou redondantes.
      2. Cliquez sur « GO » pour lancer l’analyse et générer le réseau de co-citation de références, puis affinez les polices, les couleurs et la mise en page pour améliorer la clarté visuelle.
    3. Identification des références à fort impact
      1. Activez l’option « Burstness » et définissez γ dans l’intervalle [0, 1].
      2. Actualisez les données pour obtenir les 25 références les plus fortes avec les plus fortes rafales de citations, en mettant en lumière les travaux qui ont connu une croissance rapide des citations et sont devenus très influents dans le domaine de la recherche.
  7. Analyse des revues et revues co-citées
    1. Analyse des revues à Vosview
      1. Ouvrez VOSviewer, sélectionnez « Créer », puis « Créer une carte basée sur des données bibliographiques ».
      2. Importez les fichiers en clair pertinents via l’option « Lire les données à partir de fichiers de bases de données bibliographiques ».
      3. Définissez le type d’analyse sur « Citation », choisissez la méthode « Comptage complet », et spécifiez « Sources » comme unité d’analyse.
      4. Fixez le nombre minimum de sources à 20, effectuez l’analyse, puis utilisez « Exporter les sources sélectionnées » pour enregistrer les revues sélectionnées sous forme de fichier CSV pour un examen plus approfondi.
    2. Analyse de revues co-citées à Vosview.
      1. Ouvrez à nouveau VOSviewer, sélectionnez « Créer », puis « Créer une carte basée sur des données bibliographiques ».
      2. Importez les mêmes fichiers en texte clair avec « Lire les données à partir de fichiers de bases de données bibliographiques ».
      3. Définissez le type d’analyse sur « Co-citation », choisissez « Comptage complet » et utilisez « Sources citées » comme unité d’analyse.
      4. Fixez le nombre minimum de sources citées à 20, lancez l’analyse, puis cliquez sur « Exporter les sources sélectionnées » pour générer un fichier CSV pour une analyse détaillée de revues co-citées.
  8. Analyse de la cooccurrence de mots-clés
    1. Analyse du réseau de cooccurrence par mots-clés dans VOSviewer.
      1. Ouvrez VOSviewer, sélectionnez « Créer », puis « Créer une carte basée sur des données bibliographiques ».
      2. Importez les fichiers de texte clair pertinents en utilisant l’option « Lire les données à partir de fichiers de bases de données bibliographiques ».
      3. Définissez le type d’analyse sur « co-occurrence », en utilisant la méthode « Full counting », avec « tous les mots-clés » comme unité d’analyse.
      4. Appliquez un certain nombre de mots-clés à sélectionner 100 et cliquez sur « Terminer » pour compléter l’analyse, créant ainsi un réseau de co-occurrence qui visualise les relations de mots-clés dans le champ.
      5. Cliquez sur « Visualisation superposée » pour générer une représentation analytique visuelle des clusters évolutifs de cooccurrence de mots-clés.
      6. Cliquez sur « Visualisation de densité » et le graphique de distribution des mots-clés sera généré.
    2. Analyse par rafale de mots-clés dans CiteSpace.
      1. Utilisez CiteSpace pour effectuer une analyse de rafales de mots-clés en sélectionnant l’option « Burstness » et en définissant le paramètre γ à [0, 1].
      2. Après avoir rafraîchi les données, sélectionnez « Voir » pour générer une liste des 25 mots-clés les plus forts ayant les plus fortes rafales de citations, indiquant les mots-clés qui ont attiré une attention notable au fil du temps.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Aperçu des tendances et de l’évolution de C. elegans dans la zone vieillissante
L’analyse bibliométrique comprenait 6 117 enregistrements de publications provenant de 1 123 sources, sélectionnés parmi 6 205 publications initiales de WOSCC répondant aux critères d’éligibilité. Cela comprenait 45 revues en accès anticipé et 145 articles de procès-verbaux. Après avoir exclu 87 publications non pertinentes et une publication rétractée, les données ont été analysé...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Pour garantir la reproductibilité et l’interprétabilité, les étapes clés de ce flux de travail incluent : un rapport complet de la stratégie de récupération (source de la base de données, requête, types de documents, limites de langage, date de récupération), la gestion d’un filtrage de pertinence et la validation des données pour minimiser les enregistrements hors sujet, le rapport cohérent des paramètres de l’outil (découpage temporel, types de nœuds, élagage, seuils, regroupement), et...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n’ont rien à divulguer.

Remerciements

Les auteurs souhaitent exprimer leur reconnaissance à tous les participants et chercheurs ayant contribué à ce travail. De plus, ils sont reconnaissants pour les outils analytiques fournis par CiteSpace, VOSviewer, Scimago Graphica et R, qui ont joué un rôle clé dans la conduite de cette recherche.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
LEGION Savior Y7000 2019 ordinateur portable (numéro de série PF1CGZJU)Lenovohttps://pcsupport.lenovo.com/us/en/products/laptops-and-netbooks/legion-series/legion-y7000-2019Ordinateur utilisé pour les analyses
R (version 4.5.2)Fondation R pour l’informatique statistique / Équipe centrale Rhttps://www.r-project.org/Environnement informatique statistique
CiteSpace (version 6.3.R3)CiteSpace / Chaomei Chen (Université Drexel)https://citespace.podia.com/Logiciels de visualisation et d’analyse bibliométriques
VOSviewer (version 1.6.20)CWTS de l’Université de Leiden (Nees Jan van Eck, Ludo Waltman)https://www.vosviewer.com/Logiciel de cartographie bibliométrique
Pajek (version 64.6.01)Université de Ljubljana (Vladimir Batagelj, Andrej Mrvar)http://mrvar.fdv.uni-lj.si/pajek/Logiciels d’analyse et de visualisation de réseaux

Références

  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).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Explorer plus d’articles

Recherche sur le vieillissementAnalyse bibliométriqueSignalisation de l'insulineRéponse au stressRestriction caloriqueMitophagieCartographie des connaissancesOrganisme modèle
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.