Article de recherche

Cartographie du paysage des connaissances sur les troubles musculaires dans la polyarthrite rhumatoïde : une étude bibliométrique et bioinformatique

199 vues

⸱

DOI :

10.3791/70373

⸱

21 avril 2026

 ,  ,  , 
1Department of TCM Rheumatology, China-Japan Friendship Hospital, 2School of Acupuncture-Moxibustion and Tuina, Beijing University of Chinese Medicine, 3Department of Integrated TCM and Western Medicine for Pulmonary Diseases, China-Japan Friendship Hospital

Dans cet article

Résumé

Cette étude utilise une analyse bibliométrique pour délimiter le paysage actuel de la recherche sur les troubles musculaires associés à la polyarthrite rhumatoïde et, de plus, utilise des approches bioinformatiques pour étudier les gènes partagés et les voies enrichies entre la polyarthrite rhumatoïde et la myosite.

Résumé

Cette étude a mené une analyse bibliométrique de publications liées à la comorbidité entre la polyarthrite rhumatoïde (PR) et les troubles musculaires, issue de la base de données Web of Science Core Collection entre le 1er janvier 2015 et le 31 décembre 2024. En examinant les caractéristiques clés des articles publiés, l’étude visait à identifier les points chauds de recherche mondiaux dans ce domaine. En utilisant des outils tels que VOSviewer, CiteSpace, Scimago Graphic et Excel, une analyse visuelle du paysage de recherche a été réalisée. L’analyse a révélé que la production annuelle de publications dans ce domaine présentait une fluctuation cyclique. Les États-Unis ont mené le nombre total de publications, suivis par la Chine. Les institutions d’édition ont formé des réseaux collaboratifs régionaux avec des effets rayonnants significatifs. L’Institut Karolinska et l’Hôpital universitaire Karolinska en Suède se sont classés premier et deuxième, avec respectivement 50 et 30 publications. Concernant des sujets de recherche spécifiques, l’analyse par groupes de mots-clés a identifié 12 groupes thématiques, dont la myosite, le facteur de nécrose tumorale et le métabolisme. Étant donné que la myosite est un point chaud de recherche dans la comorbidité de la PR et des troubles musculaires, nous avons également utilisé GeneCards pour analyser la corrélation entre la PR et la myosite en termes d’expression et de voies géniques, en présentant les résultats de manière graphique. Le dépistage GeneCards a identifié 359 gènes partagés. L’analyse des réseaux d’interactions protéine-protéine a révélé que des gènes tels que TNF, IL6 et IFNG occupent des positions centrales. L’analyse d’enrichissement de KEGG a indiqué que les voies de signalisation TNF, JAK-STAT et IL-17 jouent un rôle critique.

Introduction

La polyarthrite rhumatoïde (PR) est une maladie inflammatoire auto-immune chronique caractérisée par une atteinte articulaire symétrique, avec une prévalence globale d’environ 0,5 à 1 %. Le mécanisme pathologique central de la PR implique une activation aberrante du système immunitaire, entraînant une inflammation persistante de la membrane synoviale et une cascade de modifications pathologiquesarticulaires 3,4,5. Bien que la synovie soit la cible principale de la PR, la maladie est souvent accompagnée de diverses manifestations systémiques, notamment des maladies cardiovasculaires, de l’ostéoporose et des troubles musculaires 6,7,8,9. Parmi celles-ci, les altérations musculaires liées à la PR, telles que l’atrophie musculaire, la diminution de la force musculaire et la myosite, sont progressivement devenues un point chaud de recherche ces dernières années. Ces complications aggravent non seulement les troubles fonctionnels et diminuent la qualité de vie, mais influencent également le pronostic de la maladie et la réponse autraitement 10,11,12,13. Bien que les troubles musculaires soient cliniquement répandus chez les patients atteints de PR, les conditions spécifiques des points chauds restent incertaines, et les mécanismes moléculaires comorbides sous-jacents n’ont pas encore été systématiquement élucidés. De plus, les tendances mondiales de recherche et la structure des connaissances dans ce domaine justifient une investigation systématique plusapprofondie 14.

Au cours de la dernière décennie, des progrès significatifs ont été réalisés dans la recherche sur les troubles musculaires liés à la PR, portés par les avancées dans les thérapies biologiques, les traitements ciblés et la médecine de rééducation 15,16,17. Cependant, une analyse complète du changement de focus de la recherche, des réseaux collaboratifs et de l’évolution des thèmes centraux au sein de la communauté académique fait encore défaut. La bibliométrie, une méthode quantitative pour analyser la littérature académique, peut révéler les tendances de recherche, les contributions de pays et d’institutions, les points chauds de mots-clés, ainsi que la dynamique interdisciplinaire au sein d’un domainespécifique 18. Les techniques de visualisation, telles que les réseaux de co-occurrence et l’analyse de clustering, offrent également des perspectives intuitives sur l’évolution des structures de connaissances. L’analyse bioinformatique permet d’exploiter en profondeur les données biologiques afin de révéler une pathogenèse potentielle de la maladie et des voies de régulation clés au niveau moléculaire. L’intégration de ces deux approches facilite la construction d’un cadre de recherche complet, allant des cartes de connaissances macroscopiques aux réseaux moléculaires microscopiques, offrant ainsi de nouvelles perspectives multidimensionnelles pour comprendre la pathogenèse des troubles musculaires associés à la PR et identifier des cibles d’intervention potentielles.

Basée sur la base de données Web of Science, cette étude utilise des outils bibliométriques tels que VOSviewer, CiteSpace, Scimago Graficica et Excel pour analyser systématiquement le volume annuel de publications, les contributions nationales et institutionnelles, la cooccurrence des mots-clés, ainsi que les tendances thématiques émergentes dans le domaine de la PR associée aux troubles musculaires. De plus, la base de données GeneCards a été utilisée pour analyser des gènes partagés et des voies enrichies associées à la fois à la myosite et à la PR. Les résultats visent à apporter de nouvelles perspectives sur l’exploration mécanistique, l’intervention clinique et la collaboration interdisciplinaire concernant les troubles musculaires associés à la PR.

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

Protocole

Le flux de travail global de cette étude est illustré dans la Figure 1, qui présente les étapes séquentielles de la recherche bibliothétique, de l’analyse bibliométrique, de l’identification des gènes partagés, de la construction du réseau d’interactions protéine-protéine et de l’analyse d’enrichissement des voies.

Stratégie de recherche de littérature
La recherche littéraire a été réalisée le 22 juin 2025 sur la base de données Web of Science (WOS) CoreCollection 19. La recherche s’est limitée au Science Citation Index Expanded (SCI-Expanded) et au Social Sciences Citation Index (SSCI), couvrant les publications du 1er janvier 2015 au 31 décembre 2024. Les termes de recherche spécifiques et le nombre correspondant de résultats sont fournis dans le tableau 1. Après la recherche initiale, les types de documents tels que les résumés de réunions, les communications de conférences, les documents éditoriaux, les chapitres de livres et les publications rétractées ont été exclus. Par la suite, seuls les enregistrements en anglais et des types « Article » ou « Article de synthèse » ont été conservés pour une analyse approfondie.

Analyse bibliométrique
L’analyse bibliométrique et la visualisation nécessitent le soutien d’outils logiciels spécifiques, dont les détails sont fournis dans le Tableau des matériaux. Cette étude vise à construire une carte des connaissances du domaine de recherche interdisciplinaire reliant la myosite à la polyarthrite rhumatoïde. Le champ d’analyse englobe l’analyse des tendances de publication au cours de la dernière décennie, les schémas de collaboration internationale et de réseaux collaboratifs, l’influence académique entre institutions/revues/auteurs, les mots-clés clés reflétant des points chauds de recherche, ainsi que l’analyse des réseaux de citations.

Les données annuelles de comptage des publications ont d’abord été exportées depuis la base de données Web of Science et utilisées pour générer des graphiques statistiques illustrant les tendances des publications. Les données de littérature récupérées ont ensuite été importées dans le logiciel VOSviewer pour analyse : dans le module « Co-authorship », les options « Auteurs », « Organisations » et « Pays » ont été sélectionnées séquentiellement pour générer respectivement des réseaux de collaboration avec les auteurs, institutionnels et pays ; dans le module « Citation », l’option « Sources » a été sélectionnée pour créer des réseaux de collaboration avec des revues ; dans le module « Co-citation », « Sources citées » et « Auteurs cités » ont été choisis pour obtenir des réseaux de collaboration avec des revues citées et des réseaux de collaboration avec des auteurs cités. Pour visualiser de manière plus intuitive les relations collaboratives internationales, le réseau de collaboration pays a été optimisé esthétiquement davantage grâce au logiciel Scimago Graphica afin d’améliorer la clarté visuelle etl’interprétabilité 20.

L’analyse des points chauds de mots-clés et des termes thématiques interdisciplinaires a été réalisée à l’aide du logicielCiteSpace 21. L’algorithme Pathfinder a été sélectionné pour l’élagage du réseau, avec une période fixée de janvier 2015 à décembre 2024, divisée en tranches de temps mensuelles. Le type de nœud était configuré comme « Momot-clé », fournissant une carte de cluster basée sur mots-clés des points chauds de recherche, des termes thématiques représentatifs pour chaque groupe, ainsi que les 20 mots-clés de points chauds les plus fréquemment présents. L’analyse du réseau de citations suivait un flux de travail procédural similaire, nécessitant seulement la modification du type de nœud en « Référence citée » pour réaliser l’analyse correspondante.

Identification des gènes partagés
D’après une analyse bibliométrique, le mot-clé « myosite » a montré une importance significative dans le domaine interdisciplinaire de la pathologie musculaire et de la polyarthrite rhumatoïde. Par conséquent, cette étude a sélectionné la myosite et la polyarthrite rhumatoïde comme sujets de recherche pour réaliser des analyses génétiques qui se chevauchent. La procédure spécifique était la suivante : premièrement, les gènes cibles associés à la myosite et à la polyarthrite rhumatoïde ont été extraits de la base de donnéesGeneCards 22. Pour garantir l’exhaustivité de l’analyse, cette étude n’a pas fixé de seuil de score de pertinence et a inclus tous les gènes rapportés associés aux maladies, construisant ainsi deux ensembles de gènes correspondants. En comparant ces deux ensembles, des gènes qui se chevauchent ont été identifiés. Ces gènes qui se chevauchent ont finalement été définis comme des « gènes liés à la comorbidité RA-Myosite » et ont servi de base de données pour les analyses ultérieures.

Construction de réseaux d’interaction protéine-protéine (PPI)
En utilisant la fonction de requête « Multiple proteins » dans la base de données STRING, nous avons soumis la liste « Gènes liés à la comorbidité de la myosite AR » pour analyse23. L’organisme a été réglé sur « Homo sapiens » avec un seuil minimal requis de score d’interaction de ≥0,700 (confiance moyenne). Les données résultantes du réseau d’interaction protéine-protéine ont ensuite été importées dans Cytoscape pour visualisation. En personnalisant les formes et couleurs des nœuds via le panneau STYLE, un diagramme d’interaction protéine-protéine clairement visualisé a été généré.

Analyse de l’enrichissement des voies
Le flux de travail spécifique pour l’analyse d’enrichissement des voies s’est déroulé comme suit. Tout d’abord, l’analyse d’enrichissement des voies par la Kyoto Encyclopedia of Genes and Genomes (KEGG) a été réalisée sur l’ensemble de gènes partagé à l’aide du package clusterProfiler dans le logicielR 24. La signification statistique a été évaluée par le test hypergéométrique, et les valeurs p ont été ajustées pour les tests multiples utilisant la méthode de Benjamini-Hochberg afin de contrôler le taux de fausses découvertes. Les voies avec une valeur p ajustée < 0,05 ont été considérées comme significativement enrichies et ont été conservées pour une analyse ultérieure. Les voies liées à des maladies humaines spécifiques ou à des processus métaboliques généraux ont ensuite été manuellement exclus afin de concentrer l’analyse sur les mécanismes de signalisation fondamentaux. Les voies filtrées et leurs gènes associés ont ensuite été importés dans le logiciel Cytoscape pour construire un réseaud’interaction 25. L’algorithme « yFiles Organic Layout » a été appliqué pour générer une structure hiérarchique claire. Les attributs visuels ont été optimisés dans le panneau STYLE : l’intensité de la couleur des nœuds a été mappée à la signification d’enrichissement, la taille du nœud a été pondérée par le nombre de gènes de base dans chaque voie, et l’épaisseur des arêtes a été pondérée par le coefficient de similarité de Jaccard entre voies pour refléter le degré de chevauchement des gènes. Finalement, un réseau d’interaction de voies KEGG a été obtenu pour une analyse complète.

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

Résultats

Nombre annuel de publications
Une recherche dans la base de données WOS a révélé qu’un total de 1 352 articles de recherche sur la PR et les études liées aux muscles ont été publiés au cours de la dernière décennie. Après un tri pour exclure les types de documents tels que les résumés de réunions, les communications de conférences, les documents éditoriaux, les chapitres de livres et les publications rétractées, seuls les articles et articles de synthèse ont été conse...

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

Discussion

L’analyse bibliométrique révèle une évolution progressive distincte de l’orientation de la recherche dans ce domaine : alors que les premières études se concentraient principalement sur l’exploration fondamentale des mécanismes de l’inflammation articulaire, l’orientation s’est progressivement déplacée vers des orientations de recherche globales englobant la mise en place de systèmes d’évaluation clinique, l’élucidation des voies moléculaires et le développement de stratégies d’intervent...

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

Déclarations de divulgation

Les auteurs n’ont aucun conflit d’intérêts à déclarer.

Remerciements

Cette étude a été financée par la Fondation nationale des sciences naturelles de Chine (Subvention n°81704050).

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

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
CiteSpaceUniversité Drexelhttps://citespace.podia.comRegroupement de mots-clés, détection de rafales et analyse de co-citation de références
clusterProfilerPackage R / Bioconducteurhttps://bioconductor.org/packages/clusterProfilerAnalyse de l’enrichissement des voies KEGG
CytoscapeInstitut national des sciences médicales générales (NIGMS)https://cytoscape.orgVisualisation des réseaux PPI et des réseaux d’interaction de voies KEGG
ExcelMicrosoft Corporationhttps://www.microsoft.com/excelOrganisation des données, graphiques statistiques et analyse annuelle des tendances des publications
GeneCardsInstitut Weizmann des scienceshttps://www.genecards.orgPrélèvement des gènes cibles pour la polyarthrite rhumatoïde et la myosite
R SoftwareLa Fondation Rhttps://www.r-project.orgCalcul statistique, analyse de données et génération de graphiques d’enrichissement
Scimago GraphicaLaboratoire Scimagohttps://www.graphica.appVisualisation et optimisation esthétique des réseaux de collaboration pays
STRINGL’Institut suisse de bioinformatique (SIB) et al.https://string-db.orgConstruction de réseaux d’interaction protéine-protéine (PPI)
VOSviewerUniversité de Leidenhttps://www.vosviewer.comConstruction de réseaux de collaboration (auteurs, institutions, pays) et analyse des co-citations de revues

Références

  1. Brown, P., Pratt, A. G., Hyrich, K. L. Therapeutic advances in rheumatoid arthritis. BMJ. 384, e070856(2024).
  2. Finckh, A., et al. Global epidemiology of rheumatoid arthritis. Nat Rev Rheumatol. 18 (10), 591-602 (2022).
  3. Weyand, C. M., Goronzy, J. J. The immunology of rheumatoid arthritis. Nat Immunol. 22 (1), 10-18 (2021).
  4. Di Matteo, A., Bathon, J. M., Emery, P. Rheumatoid arthritis. Lancet. 402 (10416), 2019-2033 (2023).
  5. Gravallese, E. M., Firestein, G. S. Rheumatoid arthritis—common origins, divergent mechanisms. N Engl J Med. 388 (6), 529-542 (2023).
  6. England, B. R., Thiele, G. M., Anderson, D. R., Mikuls, T. R. Increased cardiovascular risk in rheumatoid arthritis: mechanisms and implications. BMJ. 361, k1036(2018).
  7. Minisola, S., Pepe, J., Cipriani, C. Rheumatoid arthritis, bone and drugs: a dangerous interweave. Ann Rheum Dis. 80 (4), 409-410 (2021).
  8. Bennett, J. L., et al. Rheumatoid sarcopenia: loss of skeletal muscle strength and mass in rheumatoid arthritis. Nat Rev Rheumatol. 19 (4), 239-251 (2023).
  9. Zhao, Y., Chen, G. Y., Fang, M. Research trends of rheumatoid arthritis and depression from 2019 to 2023: a bibliometric analysis. J Multidiscip Healthc. 17, 4465-4474 (2024).
  10. Farrow, M., et al. Muscle deterioration due to rheumatoid arthritis: assessment by quantitative MRI and strength testing. Rheumatology (Oxford). 60 (3), 1216-1225 (2021).
  11. Qu, Y., et al. Development and validation of a predictive model assessing the risk of sarcopenia in rheumatoid arthritis patients. Front Immunol. 15, 1437980(2024).
  12. Cano-García, L., et al. Sarcopenia and nutrition in elderly rheumatoid arthritis patients: a cross-sectional study. Nutrients. 15 (11), 2440(2023).
  13. Chen, G. Y., et al. Mechanisms of total glucosides of paeony in alleviating methotrexate-induced liver injury. Drug Des Devel Ther. 19, 3407-3423 (2025).
  14. Ding, Q., et al. Signaling pathways in rheumatoid arthritis: implications for targeted therapy. Signal Transduct Target Ther. 8 (1), 68(2023).
  15. Aletaha, D., Smolen, J. S. Diagnosis and management of rheumatoid arthritis: a review. JAMA. 320 (13), 1360-1372 (2018).
  16. Chen, G. Y., et al. Network pharmacology analysis and experimental validation of total flavonoids of Rhizoma Drynariae in rheumatoid arthritis. Drug Des Devel Ther. 16, 1743-1766 (2022).
  17. Pavlov-Dolijanovic, S., et al. Elderly-Onset Rheumatoid Arthritis: Characteristics and Treatment Options. Medicina (Kaunas). 59 (10), 1878(2023).
  18. Ninkov, A., Frank, J. R., Maggio, L. A. Bibliometrics: methods for studying academic publishing. Perspect Med Educ. 11 (3), 173-176 (2022).
  19. Li, K., Rollins, J., Yan, E. Web of Science use in published research and review papers 1997–2017. Scientometrics. 115 (1), 1-20 (2018).
  20. Chen, H., Chen, F., Luo, J., Chen, S. Research trends in emergency department overcrowding: a bibliometric study. Technol Health Care. 33 (3), 1159-1168 (2025).
  21. Du, Q., et al. Protocol for conducting bibliometric analysis using CiteSpace and VOSviewer. STAR Protoc. 5 (3), 103269(2024).
  22. Stelzer, G., et al. The GeneCards Suite: from gene data mining to disease genome sequence analyses. Curr Protoc Bioinformatics. 54, 1.30.1-1.30.33 (2016).
  23. Szklarczyk, D., et al. The STRING database in 2023: protein–protein association networks. Nucleic Acids Res. 51 (D1), D638-D646 (2023).
  24. Dessau, R. B., Pipper, C. B. R—project for statistical computing. Ugeskr Laeger. 170 (5), 328-330 (2008).
  25. Shannon, P., et al. Cytoscape: a software environment for biomolecular interaction networks. Genome Res. 13 (11), 2498-2504 (2003).
  26. Su, C. M., et al. Melatonin regulates rheumatoid synovial fibroblast inflammation. J Pineal Res. 76 (6), e13009(2024).
  27. Nygaard, G., Firestein, G. S. Restoring synovial homeostasis in rheumatoid arthritis. Nat Rev Rheumatol. 16 (6), 316-333 (2020).
  28. Xiao, Z. X., Miller, J. S., Zheng, S. G. Advances in autoantibodies in autoimmune diseases. Autoimmun Rev. 20 (2), 102743(2021).
  29. Wu, D., et al. Systemic complications of rheumatoid arthritis. Front Immunol. 13, 1051082(2022).
  30. Deane, K. D., Holers, V. M. Rheumatoid arthritis pathogenesis, prediction, and prevention. Arthritis Rheumatol. 73 (2), 181-193 (2021).
  31. Lekieffre, M., et al. Joint and muscle inflammatory disease: a scoping review. Semin Arthritis Rheum. 61, 152227(2023).
  32. Tian, J., et al. Methotrexate-loaded nanomedicine in rheumatoid arthritis. Acta Biomater. 157, 367-380 (2023).
  33. Hysa, E., et al. Vitamin D and muscle status in autoimmune rheumatic diseases. Nutrients. 16 (14), 2329(2024).
  34. Xu, L., et al. Metabolomics in rheumatoid arthritis: advances and review. Front Immunol. 13, 961708(2022).
  35. Østergaard, M., Boesen, M. Imaging in rheumatoid arthritis. Radiol Med. 124 (11), 1128-1141 (2019).
  36. Chen, Z., Bozec, A., Ramming, A., Schett, G. Anti-inflammatory cytokines in rheumatoid arthritis. Nat Rev Rheumatol. 15 (1), 9-17 (2019).
  37. Liu, W., et al. Sinomenine inhibits rheumatoid arthritis progression. Front Immunol. 9, 2228(2018).
  38. Miyabe, Y., Miyabe, C., Luster, A. D. LTB4 and BLT1 in inflammatory arthritis. Semin Immunol. 33, 52-57 (2017).
  39. Konzett, V., Aletaha, D. Management strategies in rheumatoid arthritis. Nat Rev Rheumatol. 20 (12), 760-769 (2024).
  40. Yang, D., et al. Research trends in heart failure and anxiety comorbidity. J Multidiscip Healthc. 18, 7175-7191 (2025).
  41. Colina, M., Campana, G. Precision medicine in rheumatology. J Clin Med. 14 (5), 1735(2025).
  42. Peilin, Z., et al. Inflammatory cytokines and rheumatoid arthritis. Postgrad Med J. 101 (1194), 313-320 (2025).
  43. Zamri, F., de Vries, T. J. TNF inhibitors in rheumatoid arthritis. Front Immunol. 11, 591365(2020).
  44. Pandolfi, F., et al. Interleukin-6 in rheumatoid arthritis. Int J Mol Sci. 21 (15), 5238(2020).
  45. Rong, H., et al. IL1B polymorphisms and rheumatoid arthritis risk. Int Immunopharmacol. 83, 106401(2020).
  46. Navarro-Compán, V., et al. IL-17 pathways in inflammatory diseases. Front Immunol. 14, 1191782(2023).
  47. Chen, G., Yan, Z., Wang, Y., Tao, Q. Rheumatoid arthritis and fibromyalgia: bibliometric study. J Multidiscip Healthc. 18, 6811-6827 (2025).
  48. Liu, X. R., et al. Isorhamnetin inhibits rheumatoid arthritis progression. Chin J Integr Med. 30 (4), 299-310 (2024).
  49. Niu, X., et al. Tectoridin suppresses inflammatory signaling in RA. Tissue Cell. 77, 101826(2022).
  50. Li, W., et al. Mangiferin and cinnamic acid alleviate rheumatoid arthritis. Front Immunol. 13, 912933(2022).
  51. Wang, Y., et al. Research trends in JAK inhibitors for ulcerative colitis. J Multidiscip Healthc. 18, 6755-6771 (2025).
  52. Bertrand, D., et al. Methotrexate and etanercept in early RA: CareRA2020 trial. RMD Open. 10 (3), e004535(2024).
  53. Simon, L. S., et al. The JAK/STAT pathway in rheumatoid arthritis. Semin Arthritis Rheum. 51 (1), 278-284 (2021).
  54. Hodge, J. A., et al. Mechanism of action of tofacitinib. Clin Exp Rheumatol. 34 (2), 318-328 (2016).
  55. Yang, Y. J., et al. Tubson-2 decoction in rheumatoid arthritis. Phytomedicine. 116, 154875(2023).
  56. Mao, D., et al. HDAC2 in rheumatoid arthritis progression. Environ Toxicol. 38 (7), 1743-1755 (2023).
  57. Kurowska-Stolarska, M., Alivernini, S. Synovial macrophages in rheumatoid arthritis. Nat Rev Rheumatol. 18 (7), 384-397 (2022).
  58. Day, J., et al. Periarticular myositis in inflammatory arthritis. JCI Insight. 10 (7), e179928(2025).

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

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Analyse bibliom triqueMyositeSignalisation TNFVoie JAK STATVoie IL 17R seau d interaction prot iqueExpression g nique

Articles connexes