Cette analyse bibliométrique a utilisé CiteSpace, VOSviewer et Scimago Graphica pour évaluer les tendances de publication, les réseaux de collaboration et les nouveaux points chauds de recherche dans la reprogrammation métabolique des lymphocytes T de 2016 à 2025.
Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.
Article de recherche
Analyse bibliométrique de la reprogrammation métabolique dans les lymphocytes T révèle les tendances de recherche et les points chauds émergents, 2016-2025
* These authors contributed equally
Dans cet article
Résumé
Résumé
Les lymphocytes T sont des régulateurs centraux des réponses immunitaires, et des études récentes ont montré que les processus métaboliques influencent l’activation, la différenciation et la fonction effectrice des lymphocytes T dans le cancer et les maladies auto-immunes. Cette étude a réalisé une analyse bibliométrique des publications du 1er janvier 2016 au 31 décembre 2025, consultées depuis la collection principale Web of Science. CiteSpace était utilisé pour des analyses de cooccurrence, de co-citation et de regroupement de références et mots-clés. VOSviewer a été utilisé pour analyser des revues, auteurs, références, pays et institutions, tandis que Scimago Graphica visualisait des réseaux de collaboration nationaux et Excel était utilisé pour évaluer les tendances annuelles de publication. Un total de 1 882 publications ont été incluses. La production annuelle de publications a augmenté régulièrement, avec une croissance notable observée en 2021 et 2025. La Chine a contribué au plus grand volume de publications, tandis que les États-Unis ont affiché un impact de citation plus important. Frontiers in Immunology était la revue la plus productive, tandis que Nature affichait la plus forte influence sur les citations. Le regroupement de mots-clés et les analyses de citations ont identifié des points chauds de recherche en évolution axés sur la reprogrammation métabolique des lymphocytes T, le métabolisme du glucose et des acides aminés, ainsi que l’intérêt émergent pour les interactions métaboliques des cellules immunitaires. Dans l’ensemble, cette analyse bibliométrique démontre l’expansion continue de la recherche sur l’immunométabolisme des lymphocytes T et met en lumière des orientations thématiques émergentes, notamment la régulation métabolique intercellulaire et le métabolisme lipidique.
Introduction
Les lymphocytes T naïfs dépendent principalement de la phosphorylation oxydative mitochondriale (OXPHOS) pour maintenir leur état métabolique quiescent et à faible énergie1. Cependant, lors de la stimulation antigénique, les lymphocytes T activés subissent un déplacement métabolique vers la glycolyse aérobie afin de soutenir une prolifération rapide et la fonctioneffectrice 2. Les lymphocytes effecteurs T, en particulier les sous-ensembles cytotoxiques, dépendent de la glycolyse pour répondre aux exigences bioénergétiques et biosynthétiques accrues associées à la production de cytokines et à l’expansioncellulaire 3. Bien que la glycolyse produise moins d’adénosine triphosphate (ATP) par molécule de glucose que l’OXPHOS, son taux métabolique rapide soutient les besoins fonctionnels des cellules immunitairesactivées 4. Une activité glycolytique excessive peut également contribuer à des effets néfastes dans le microenvironnement immunitaire. L’accumulation de lactate peut altuer la synthèse de la sérine dérivée du glucose et modifier l’équilibre redox intracellulaire, supprimant ainsi la prolifération et la fonction des lymphocytesT 5. De plus, des niveaux élevés de lactate perturbent les voies migratoires dépendantes de la glycolyse et réduisent la motilité des lymphocytes T CD4⁺ etCD8⁺ 6,7.
Le métabolisme cellulaire s’adapte dynamiquement aux stimuli environnementaux et physiologiques via un processus appelé reprogrammationmétabolique 8,9. De plus en plus de preuves indiquent que la reprogrammation métabolique joue un rôle central dans la régulation de l’activation, de la différenciation et de la plasticité fonctionnelle des lymphocytesT 10,11. Ces altérations métaboliques sont particulièrement pertinentes dans le cancer et les maladies auto-immunes, où les modifications du microenvironnement immunitaire influencent la fonction des lymphocytes T et la régulationimmunitaire 12,13. Bien que plusieurs études bibliométriques aient évalué l’immunométabolisme dans des contextes plus larges, notamment l’immunométabolisme du cancer et le métabolisme immunitaire associé à la maladie, ces analyses se concentrent principalement sur les interactions métaboliques généralisées entre le système immunitaire et métabolique plutôt que sur la reprogrammation métabolique spécifique aux lymphocytesT 14,15. Une évaluation bibliométrique complète dédiée spécifiquement à l’immunométabolisme des lymphocytes T reste limitée, notamment en ce qui concerne les tendances de recherche, les réseaux de collaboration et les points chauds thématiques en évolution dans ce domaine.
Pour combler cette lacune, cette étude a réalisé une analyse bibliométrique des publications indexées dans la Web of Science Core Collection (WOScc) du 1er janvier 2016 au 31 décembre 2025. CiteSpace, VOSviewer et Scimago Graphica ont été utilisés pour analyser quantitativement la production de publications, les schémas de collaboration, les relations de co-citation et l’évolution thématique dans la recherche sur la reprogrammation métabolique des lymphocytes T. Contrairement aux revues narratives traditionnelles, l’analyse bibliométrique offre une vue d’ensemble structurée et basée sur les données du paysage scientifique grâce à la citation, le regroupement et l’analyse de mots-clés. L’objectif de cette étude était de caractériser systématiquement les tendances mondiales de recherche et les points chauds émergents dans l’immunométabolisme des lymphocytes T, ainsi que de fournir un aperçu organisé du paysage actuel des connaissances dans ce domaine en rapide évolution.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Protocole
Cette étude a analysé exclusivement des données bibliographiques issues de bases de données accessibles au public et n’a pas impliqué de participants humains, d’animaux ou de données personnelles identifiables ; par conséquent, l’approbation éthique institutionnelle ni le consentement éclairé n’étaient pas requis.
Stratégie de collecte et de recherche de données
Les données ont été extraites du WoSCC (https://www.webofscience.com/wos/woscc/) le 27 janvier 2026. Les éditions de base de données sélectionnées étaient le Science Citation Index Expanded (SCI-EXPANDED) et l’Index des citations des sciences sociales au sein de WoSCC. La recherche a été effectuée à l’aide de l’interface de recherche avancée. La stratégie de recherche a été appliquée dans le champ « Sujet (TS) », et la requête complète ainsi que les enregistrements résultants sont présentés dans le tableau 1. La période de recherche a été restreinte aux publications indexées entre le 1er janvier 2016 et le 31 décembre 2025 à l’aide du filtre « Timespan » de WoSCC. Seuls les articles de recherche originaux et les articles de synthèse étaient inclus via le filtre « Types de documents ». La langue était limitée à l’anglais, et aucune restriction n’était appliquée concernant le pays, l’institution ou le domaine de recherche. Tous les enregistrements ont été exportés en texte brut avec « Enregistrement complet et références citées » sélectionnés lors de l’exportation. Lorsque le nombre d’enregistrements récupérés dépassait 500, les enregistrements étaient téléchargés en plusieurs lots puis fusionnés en un seul ensemble de données avant l’analyse. Après récupération, tous les enregistrements étaient importés dans CiteSpace pour prétraitement et analyse bibliométrique. Les enregistrements en double ont été identifiés et supprimés à l’aide de la fonction de déduplication intégrée dans CiteSpace basée sur les métadonnées bibliographiques, incluant le titre, les auteurs, l’année de publication et la revue source. Lorsque des incohérences potentielles ou des enregistrements bibliographiques incomplets étaient identifiés, une vérification manuelle était également effectuée afin d’assurer l’exactitude et la cohérence des données avant l’analyse.
| Décor | Résultats | Requête de recherche |
| #1 | 252,461 | TS=(« Lymphocyte T* » OU « lymphocyte T* » OU « lymphocyte T* » OU « lymphocyte T* » OU « lymphocyte T CD4+ » OU « Lymphocyte T CD4+ » OU « Lymphocyte T CD8+ » OU « lymphocyte T cytotoxique* » OU « lymphocyte T régulateur* » OU « Treg* » OU « cellule T auxiliaire * » OU « cellule T naïve* » OU « lymphocyte T de mémoire * » OU « lymphocyte T effecteur* ») |
| #2 | 13,799 | TS=(« reprogrammation métabolique* » OU « remodelage métabolique* » OU « reprogrammation métabolique ») |
| #3 | 1,882 | #1 ET #2 |
Tableau 1 : Stratégie de recherche Web of Science Core Collection utilisée pour la récupération bibliométrique de données. Le tableau résume la stratégie de recherche détaillée, les combinaisons de mots-clés, les opérateurs booléens et les décomptes finaux de récupération utilisés pour la collecte de littérature à partir du WoSCC. Les recherches étaient effectuées à l’aide du champ « Sujet (TS) » dans l’interface de recherche avancée. Les jokers (*) étaient utilisés pour récupérer plusieurs terminaisons de mots et la terminologie associée. Le jeu de données final comprenait des publications indexées entre le 1er janvier 2016 et le 31 décembre 2025 après application de filtres linguistiques et de type document.
Approches analytiques
Une approche bibliométrique multi-outils a été mise en œuvre de manière systématique pour l’analyse des données. L’analyse a été réalisée dans un environnement de système d’exploitation Windows 10. CiteSpace (v.5.7.R2) a été utilisé pour analyser les références et les mots-clés en traitant les données au format TXT exportées depuis WoSCC. Les paramètres de CiteSpace étaient configurés comme suit : (1) le découpage temporel a été fixé de 2016 à 2025 avec une année par tranche ; (2) les critères de sélection étaient configurés à l’aide de l’indice g (k = 25) ; (3) les méthodes d’élagage comprenaient Pathfinder, Pruning Sliced Networks et Pruning the Merged Network pour simplifier les structures réseau tout en préservant les relations clés ; et (4) l’analyse de regroupement a été réalisée à l’aide de l’algorithme log-vraisemblance16. Cette analyse a généré des réseaux de co-citation, des cartes de regroupement, des visualisations de chronologies et des cartes de détection de rafales pour les références et les mots-clés. Dans les cartes de visualisation, la taille des nœuds représentait la fréquence, l’épaisseur du lien indiquait la force de co-occurrence, et les anneaux violets représentaient une centralité élevée entre les intermédiaires. Les nœuds en rafale ont reflété une augmentation soudaine de la fréquence des citations ou des mots-clés au fil du temps.
Par la suite, les fichiers exportés ont été réenregistrés en codage UTF-8 à l’aide de Windows Notepad et importés dans VOSviewer (version 1.6.20) pour le cartographie bibliométrique, incluant les analyses de co-auteur, de co-citation et de cooccurrence entre auteurs, revues, institutions etpays 17. La méthode de comptage complet a été appliquée, et la normalisation a été réalisée à l’aide de la méthode de force d’association. Les seuils d’occurrence minimals ont été établis selon la taille du jeu de données (auteurs ≥ 5 publications ; mots-clés ≥ 5 occurrences ; institutions ≥ 3 publications). La visualisation du réseau était basée sur le poids de l’élément et la force totale du lien. Pour l’analyse de collaboration au niveau des pays, les fichiers GML exportés depuis VOSviewer étaient importés dans Scimago Graphica (version 1.0.53), où les nœuds représentaient des pays. La visualisation et le regroupement de réseaux ont été générés à l’aide de l’algorithme de mise en page par défaut dirigé par la force pour représenter les relations spatiales et les schémas de collaboration entre pays. WPS Excel était utilisé pour l’analyse statistique descriptive des tendances annuelles de publication et le résumé de données de base. Les résultats ont été visualisés à l’aide de graphiques à barres, de colonnes et de graphiques linéaires.
Une analyse supplémentaire en tranche temporelle a été réalisée en utilisant la même stratégie de recherche décrite ci-dessus, la recherche étant limitée aux publications indexées entre le 1er janvier 2025 et le 31 décembre 2025. Dans le même cadre de requête WoSCC et environnement analytique, les publications récentes et les résultats liés aux conférences ont été récupérés à des fins contextuelles et descriptives. Cette procédure était entièrement réalisée à l’interface analytique intégrée du WoSCC. Aucun jeu de données indépendant n’a été créé, et les informations récupérées n’ont pas été intégrées au jeu de données bibliométrique principal ni utilisées pour l’analyse quantitative. La conception globale de l’étude et le flux de travail d’analyse bibliométrique sont résumés dans un organigramme (Figure 1).
Figure 1. Flux de travail de l’analyse bibliométrique de la recherche sur la reprogrammation métabolique des lymphocytes T. Aperçu schématique de la conception de l’étude et du flux de travail analytique utilisé dans cette analyse bibliométrique. Les publications ont été récupérées depuis la Web of Science Core Collection (WoSCC) en utilisant des stratégies de recherche prédéfinies et des critères d’inclusion. Les enregistrements récupérés étaient exportés en texte simple et soumis à un prétraitement, y compris la suppression des doublons et la standardisation des données bibliographiques. Des analyses bibliométriques ont été réalisées en utilisant CiteSpace pour la co-citation, la cooccurrence de mots-clés, le clustering et la détection de rafales, ainsi que VOSviewer pour les analyses de réseaux de collaboration entre auteurs, institutions, pays et revues. Scimago Graphica a été utilisé pour visualiser les réseaux de collaboration internationale, et WPS Excel a été utilisé pour analyser les tendances annuelles de publication et les statistiques descriptives. Veuillez cliquer ici pour voir une version agrandie de cette figurine.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Résultats
Production de publication et tendances temporelles
Pour caractériser l’évolution temporelle de l’activité de recherche dans ce domaine, une analyse bibliométrique a été réalisée à l’aide de publications indexées dans le WoSCC. Un total de 1 991 enregistrements ont été initialement récupérés au cours de la dernière décennie. Après suppression des documents en double et non anglophones, 1 882 publications ont finalement été incluses et analysées, dont 1 046 articles de ...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Discussion
Notre analyse bibliométrique de la reprogrammation métabolique chez les lymphocytes T a révélé une augmentation soutenue de la production de recherche au fil du temps. Une augmentation notable du nombre de publications et de citations a eu lieu en 2020, avec 40 publications supplémentaires et 1 989 citations supplémentaires par rapport à 2019. Cette augmentation a coïncidé temporellement avec plusieurs publications très citées, notamment « Le blocage de la glutamine induit des progra...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Déclarations de divulgation
Conflits d’intérêts :
Les auteurs ne déclarent aucun conflit d’intérêts lié à cette œuvre.
Contractuelles de l’auteur :
La collecte de données et la recherche de la littérature ont été réalisées par Yi Liu. Le prétraitement des données et les analyses bibliométriques ont été réalisés par Yinping Yang. La visualisation et la préparation de la figure ont été réalisées par Xinyue Yang et Jinquan Li. Le premier brouillon du manuscrit a été écrit par Yi Liu et Weihong Li. Tous les auteurs ont contribué à la révision du manuscrit et approuvé la version finale soumise.
Remerciements
Les auteurs remercient chaleureusement le soutien financier des Fonds de Recherche Fondamentale pour les Universités Centrales (2022-JYB-JBZR-037).
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Matériaux
| Nom | Entreprise | Numéro de catalogue | Commentaires |
|---|---|---|---|
| CiteSpace | Drexel University | v.5.7.R2 | SCR_025121 |
| Microsoft Excel | Microsoft Corporation | v.2604 Build 16.0.19929.20136 | SCR_016137 (Microsoft Excel) |
| WPS Excel | Kingsoft Office | v.12.1.0.26375 | |
| Scimago Graphica | Scimago Lab | v.1.0.53 | Non disponible |
| VOSviewer | Leiden University | v.1.6.20 | SCR_023516 |
| Web of Science Core Collection | Clarivate Analytics | consulté le 27 janvier 2026; version non applicable | Non disponible |
| Windows Operating System | Microsoft Corporation | Windows 10 | Non disponible |
Références
- Pearce EL, et al. Fueling immunity: insights into metabolism and lymphocyte function. Science. 2013;342(6155):1242454.
- Wang R, et al. The transcription factor Myc controls metabolic reprogramming upon T-lymphocyte activation. Immunity. 2011;35(6):871-82.
- Shyer JA, et al. Metabolic signaling in T cells. Cell Res. 2020;30(8):649-59.
- Gubser PM, et al. Rapid effector function of memory CD8+ T cells requires an immediate-early glycolytic switch. Nat Immunol. 2013;14(10):1064-72.
- Yuan Q, et al. Enhancing intracellular NADPH bioavailability through improving pentose phosphate pathway flux and its application in biocatalysis asymmetric reduction reaction. J Biosci Bioeng. 2022;134(6):528-33.
- Quinn WJ III, et al. Lactate limits T-cell proliferation via the NAD(H) redox state. Cell Rep. 2020;33(11):108500.
- Pucino V, et al. Lactate buildup at the site of chronic inflammation promotes disease by inducing CD4+ T-cell metabolic rewiring. Cell Metab. 2019;30(6):1055-74.e8.
- O'Neill LAJ, et al. A guide to immunometabolism for immunologists. Nat Rev Immunol. 2016;16(9):553-65.
- Almeida L, et al. Metabolic pathways in T-cell activation and lineage differentiation. Semin Immunol. 2016;28(5):514-24.
- Haas R, et al. Lactate regulates metabolic and pro-inflammatory circuits in control of T-cell migration and effector functions. PLoS Biol. 2015;13(7):e1002202.
- Chang CH, Pearce EL. Emerging concepts of T-cell metabolism as a target of immunotherapy. Nat Immunol. 2016;17(4):364-68.
- Ho PC, et al. Reenergizing T-cell anti-tumor immunity by harnessing immunometabolic checkpoints and machineries. Curr Opin Immunol. 2017;46:38-44.
- Von Meyenn L, et al. Targeting T-cell metabolism in inflammatory skin disease. Front Immunol. 2019;10:2285.
- Zhu H, et al. Trends and hotspots in research related to tumor immune escape: bibliometric analysis and future perspectives. Front Immunol. 2025;16:1604216.
- Zhang B, et al. Mapping research trends in immune-cell metabolic reprogramming in breast cancer: a parallel dual-database bibliometric study. Discov Oncol. 2026;17:724.
- Chen G, et al. Rheumatoid arthritis and fibromyalgia syndrome: a bibliometric and bioinformatics perspective on comorbidity research. J Multidiscip Healthc. 2025;18:6811-27.
- Wang Y, et al. Research trends and hotspots in JAK inhibitors for ulcerative colitis: a bibliometric analysis from 2015 to 2024. J Multidiscip Healthc. 2025;18:6755-71.
- Leone RD, et al. Glutamine blockade induces divergent metabolic programs to overcome tumor immune evasion. Science. 2019;366(6468):1013-21.
- Watson MJ, et al. Metabolic support of tumour-infiltrating regulatory T cells by lactic acid. Nature. 2021;591(7851):645-51.
- Xia L, et al. The cancer metabolic reprogramming and immune response. Mol Cancer. 2021;20(1):28.
- Miao S, et al. tRNA m1A modification regulates cholesterol biosynthesis to promote antitumor immunity of CD8+ T cells. J Exp Med. 2025;222(3):e20240559.
- Angelin A, et al. Foxp3 reprograms T-cell metabolism to function in low-glucose, high-lactate environments. Cell Metab. 2017;25(6):1282-93.e7.
- Huang SC, et al. Metabolic reprogramming mediated by the mTORC2-IRF4 signaling axis is essential for macrophage alternative activation. Immunity. 2016;45(4):817-30.
- Nakaya M, et al. Inflammatory T-cell responses rely on amino acid transporter ASCT2 facilitation of glutamine uptake and mTORC1 kinase activation. Immunity. 2014;40(5):692-705.
- Ma EH, et al. Serine is an essential metabolite for effector T-cell expansion. Cell Metab. 2017;25(2):345-57.
- Pearce EL, et al. Fueling immunity: insights into metabolism and lymphocyte function. Science. 2013;342(6155):1242454.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.