Le tendenze e le prospettive della ricerca su Caenorhabditis elegans nell'area dell'invecchiamento: un'analisi bibliometrica e di visualizzazione

Yulin Song; Jinyang Qi; Qiuyu Liao; Xingcan Fan; Haipeng Du; Xiaoping Li; Heyuan Niu; Gang Liu

doi:10.3791/70364

È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo metodologico

Le tendenze e le prospettive della ricerca su Caenorhabditis elegans nell'area dell'invecchiamento: un'analisi bibliometrica e di visualizzazione

239 visualizzazioni

⸱

DOI:

10.3791/70364

⸱

22 maggio 2026

Yulin Song^*¹^,²^,³^,⁴ , Jinyang Qi^*¹^,²^,³^,⁴ , Qiuyu Liao¹^,²^,³^,⁴ , Xingcan Fan¹^,²^,³^,⁴ , Haipeng Du¹^,²^,³^,⁴ , Xiaoping Li¹^,²^,³^,⁴ , Heyuan Niu¹^,²^,³^,⁴ , Gang Liu¹^,²^,³^,⁴

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

In questo articolo

Sommario

Qui presentiamo un protocollo per recuperare, validare e analizzare i record della Web of Science Core Collection su Caenorhabditis elegans e invecchiamento utilizzando CiteSpace, VOSviewer, Bibliometrix e Scimago Graphica per la mappatura bibliometrica riproducibile.

Abstract

L'invecchiamento è un fenomeno biologico complesso caratterizzato dal progressivo deterioramento delle funzioni fisiologiche e da una maggiore vulnerabilità alle malattie associate all'età. A livello cellulare, questo processo è esemplificato dalla senescenza, in cui le cellule sperimentano un arresto irreversibile nella divisione e entrano in uno stato di arresto permanente della crescita, senza progredire verso l'apoptosi. Tuttavia, i meccanismi sottostanti rimangono incompletamente compresi. Il nematode Caenorhabditis elegans (C. elegans), con una breve durata di vita e una genetica ben caratterizzata, è un modello potente per decifrare la base molecolare dell'invecchiamento. Tuttavia, manca ancora una mappatura bibliometrica completa della ricerca all'intersezione tra C. elegans e invecchiamento. Qui presentiamo un protocollo per recuperare i record dalla Web of Science Core Collection, eseguire l'elaborazione dei dati e condurre visualizzazioni bibliometriche riproducibili utilizzando CiteSpace, Bibliometrix (R), VOSviewer e Pajek, con l'obiettivo di mappare la struttura della conoscenza e identificare le tendenze emergenti nella ricerca sull'invecchiamento di C. elegans . Utilizzando 6.117 articoli pubblicati dal 1970 al 5 giugno 2025, abbiamo analizzato i contributi nazionali e istituzionali, la paternità, l'impatto delle riviste, i modelli di citazione e l'evoluzione tematica. Il dataset comprendeva 6.117 record provenienti da 19.864 autori distribuiti in 3.798 istituti in 91 paesi. Le pubblicazioni annuali sono passate da 312 nel 2020 a 341 nel 2021 e sono rimaste elevate da allora. Gli Stati Uniti guidarono la produzione globale, seguiti da Cina, Germania e Regno Unito, con reti di collaborazione concentrate tra questi paesi. Il sistema dell'Università della California si è classificato primo per produttività, mentre l'Accademia Cinese delle Scienze si è classificata terza. L'evoluzione dei temi ha indicato uno spostamento dagli studi fondamentali sulle vie di segnalazione insulina/fattore di crescita simile all'insulina (IIS) e alle risposte allo stress verso temi emergenti come il controllo termico e la mitofagia nei modelli di invecchiamento di C. elegans . Nel complesso, questo protocollo consente analisi bibliometriche trasparenti e aggiornabili e supporta studi futuri sulle direzioni chiave, tra cui la restrizione calorica e la mitofagia.

Introduzione

L'invecchiamento è un processo biologico multifaccettato che si riferisce alla perdita della capacità proliferativa delle cellule somatiche normali dopo un numero limitato di divisioni. Durante il processo di invecchiamento, le funzioni fisiologiche dell'organismo diminuiscono gradualmente e la suscettibilità alle malattie legate all'età aumenta¹. A livello cellulare, questo processo si manifesta come danni al DNA, come l'accumulo di rotture a doppio filamento e danni ossidativi, e questi danni superano la capacità di gestione dei meccanismi di riparazione. Questi cambiamenti a livello cellulare si riflettono a livello organismico come il graduale deterioramento delle funzioni fisiologiche. Inoltre, alcuni studi hanno ulteriormente dimostrato che le cellule invecchiate guidano processi patologici legati all'età secretando il fenotipo secretorio associato alla senescenza (SASP). Questi fattori possono alterare il microambiente tissutale e favorire la fibrosi, portando a infiammazione cronica e persino alla progressione del^{cancro 2}. Con l'approfondimento della ricerca sull'invecchiamento, è stato riconosciuto che l'invecchiamento gioca un ruolo significativo nell'insorgenza e nello sviluppo di varie malattie, tra cui malattie cardiovascolari, diabete di tipo 2, Alzheimer e cancro,^{tra le altre 3}. Con l'accelerazione dell'invecchiamento globale, comprendere i meccanismi dell'invecchiamento è fondamentale per prolungare la durata della vita sana.

Negli ultimi decenni, gli organismi modello hanno svolto un ruolo indispensabile nel rivelare i determinanti genetici, molecolari e ambientali dell'invecchiamento. Gli organismi modello presentano vantaggi distinti, tra cui tempi di generazione brevi, background genetici ben caratterizzati e un'elevata trattabilità sperimentale. Gli organismi modello comuni includono lievito, moscerini della frutta e^{topi 4}. Negli anni '60, Caenorhabditis elegans (C. elegans) fu per la prima volta affermata come organismo modello innovativo. I suoi principali vantaggi per la selezione includono un ciclo vitale breve e la facilità di coltivazione, integrati da una serie di strumenti genetici maturi. Inoltre, grazie alle sue dimensioni ridotte, può essere coltivato e manipolato su larga scala in modo standardizzato, come i^{microrganismi 5}. Soprattutto, colma efficacemente una lacuna significativa rispetto alle ricerche precedenti, poiché gli organismi unicellulari, pur essendo semplici e facili da gestire, sono difficili da utilizzare per la ricerca genetica su meccanismi di vita complessi. Inoltre, gli animali modello tradizionali sono limitati nell'efficienza dello screening su larga scala a causa della loro complessa operazione. L'applicazione di C. elegans risolve esattamente i problemi sopra^{indicati: 6}.

L'uso di C. elegans nella ricerca sull'invecchiamento risale agli anni^'80. Fu solo nel 1993 che il campo della ricerca sull'invecchiamento di C. elegans fece un salto trasformativo. Screening di mutagenesi guidati da Thomas Johnson e colleghi hanno identificato il primo mutante longevo, il gene dell'età¹ ^8,9. Questa scoperta cambiò la visione prevalente secondo cui l'invecchiamento fosse un processo stocastico e non regolamentato, implicando invece specifiche vie genetiche nella determinazione della durata della vita. Studi successivi si sono basati su questa base, rivelando una rete conservata di vie di segnalazione che coordinano l'invecchiamento. Il percorso IIS è emerso come un regolatore centrale. La mutazione in daf-2, che codifica l'ortologo C. elegans del recettore insulina/fattore di crescita simile all'insulina (IIGF-1), potrebbe ridurre l'attività IIS, attivando il fattore di trascrizione FOXO DAF-16, facendolo traslocare dal citoplasma al nucleo, promuovendo così l'espressione di geni di risposta allo stress, chaperoni molecolari ed enzimi di disintossicazione, ritardando così il processo di invecchiamento e prolungando una vita^{sana 10}. DAF-16 si trasloca dal citoplasma al nucleo, promuovendo l'espressione di geni di resistenza allo stress, chaperoni molecolari ed enzimi di disintossicazione, estendendo così la durata della salute dell'organismo e ritardando la progressione dell'invecchiamento e la durata della salute^{dell'organismo 11}. Inoltre, C. elegans ha messo in luce altri meccanismi conservati dell'invecchiamento. Ad esempio, il bersaglio della via rapamicina (TOR), un asse chiave di rilevamento dei nutrienti, ha dimostrato modulare la durata della vita attraverso interazioni con IIS¹².

Negli ultimi anni, i metodi bibliometrici sono stati ampiamente applicati a molti campi. L'analisi delle reti bibliometriche impiega metodi statistici per scoprire modelli di sviluppo, strutture disciplinari, punti caldi di ricerca e tendenze in un campo esaminando quantità, struttura, distribuzione e relazioni di citazione della^{letteratura 13}. Nonostante un'ampia ricerca su C. elegans nell'invecchiamento, nessuno studio ha fornito un'analisi bibliometrica completa di questo campo interdisciplinare. In questo studio, presentiamo un'analisi completa, multi-metodo e riproducibile che chiarisce il quadro collaborativo, la base intellettuale e gli sviluppi tematici dinamici all'interno del campo, identificando così le traiettorie emergenti per futuri progetti di ricerca. Questo articolo esamina il panorama dei recenti risultati di ricerca sull'invecchiamento nel campo di C. elegans . Inoltre, questo studio mira a: (1) analizzare le tendenze di pubblicazione e citazione nella ricerca sull'invecchiamento con C. elegans dal 1970 al 5 giugno 2025; (2) valutano i contributi di paesi e istituzioni ed esplorano reti di collaborazione; (3) identificare i principali autori e le riviste chiave in base alla produttività e all'impatto sulle citazioni; (4) scoprire le fondamenta intellettuali del campo attraverso l'analisi di co-citazione e citation-burst; e (5) monitorare i principali temi di ricerca e le tendenze emergenti utilizzando la co-occorrenza di parole chiave e l'analisi temporale. In definitiva, queste intuizioni faciliteranno una comprensione più profonda della traiettoria in evoluzione del campo.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Questo studio non si riferisce all'approvazione etica e al consenso alla partecipazione. I dati utilizzati in questo studio sono stati ottenuti dalla Web of Science Core Collection (WoSCC).

1. Selezione del database

Accedi al database Web of Science Core Collection (WoSCC) tramite https://webofscience. clarivate.cn/wos/author/author-search.
Costruire una strategia di ricerca utilizzando parole chiave mirate, in particolare "C. elegans" e "aging", per identificare la letteratura rilevante.
Screening della rilevanza e validazione dei dati
1. Controlla ogni documento recuperato per la rilevanza attuale esaminando il titolo. Includere documenti che utilizzano C. elegans come organismo principale di studio e affrontare concetti o risultati legati all'invecchiamento.
2. Se la rilevanza non può essere determinata solo dal titolo, si esamina l'Abstract per confermare l'idoneità.
3. Escludere i registri che non si concentrano su C. elegans e/o che non affrontano gli esiti o i meccanismi legati all'invecchiamento.
4. Per i record borderline, documentare la ragione dell'incertezza e risolvere l'inclusione tramite una seconda verifica da parte di un secondo autore o tramite consenso tra due revisori.
5. Escludere qualsiasi record etichettato Ritirato nei metadati del database.
6. Registra il numero di record esclusi e la ragione dell'esclusione e riporta la dimensione finale del dataset utilizzata per l'analisi bibliometrica.
  NOTA: Consulta il Materiale Supplementare 1 per un elenco completo delle parole chiave utilizzate nella strategia di ricerca per migliorare accuratezza e inclusività.

2. Parametri di ricerca

Definisci il periodo di pubblicazione dal 1970 al 5 giugno 2025, per catturare le tendenze di ricerca più recenti e complete.
Limitare i risultati della ricerca a includere solo articoli e articoli di revisione pubblicati in inglese per garantire la coerenza dei dati e facilitare l'analisi comparativa.

3. Recupero dei dati e formato

Compila pubblicazioni selezionate in formato "Full Record and Cited References" per preservare metadati dettagliati.
Salva i dati raccolti come file "Testo Semplice" per ulteriori analisi utilizzando strumenti bibliometrici.
Verifica che ogni record contenga metadati completi, inclusi citazioni e informazioni di coautorialità, per consentire un'analisi bibliometrica approfondita.

4. Preprocessing dei dati

Raccolta e importazione dei dati
1. Apri R (versione 4.5.2) e carica bibliometrix (versione 4.5.2). Esegui i seguenti comandi per avviare Biblioshiny:
  1. Biblioteca (bibliometrix)
  2. packageVersion("bibliometrix")
  3. biblioshiny()
2. Apri il pannello di importazione.
  1. Nell'interfaccia biblioshiny, clicca su "Data" nella barra laterale sinistra.
  2. Sotto Dati, clicca su "Importa o Carica".
3. Configura le impostazioni di importazione.
  1. Per favore, scegli cosa fare, seleziona "Importa file/i raw/i".
  2. Nel Database, seleziona "Web of Science (WoS/WoK)".
  3. Nel Formato Nome Autore, seleziona "Cognome e Iniziali".
4. Seleziona il file WoSCC e importa.
  1. Sotto Scegli un file, clicca su "Sfoglia"... e selezionare il file di testo semplice WoSCC unito esportato con Record Completo e Riferimenti Citati.
  2. Clicca su "Start" per importare il dataset.
  3. Nella barra laterale sinistra, clicca su "Panoramica", poi seleziona il modulo richiesto (ad esempio, Produzione Scientifica Annuale o Media Citazioni per Anno) per visualizzare i risultati.
  4. Per esportare le figure, clicca su Esporta Grafico come PNG. Per esportare tabelle, clicca su "Excel" e salva il file scaricato per l'analisi successiva.
Tendenza annuale di crescita di pubblicazioni e citazioni
1. Tendenza annuale di crescita delle pubblicazioni e analisi delle citazioni su CiteSpace.
  1. Apri CiteSpace, seleziona "Data" e poi "importa/esporta".
  2. Sfoglia la directory di input e la directory di output.
  3. Clicca su "Rimuovi duplicati", seleziona "Articolo" e "Revisiona", e infine clicca su "Inizia". Poi potrai ottenere le specifiche statistiche annuali di pubblicazione e citazione.
  4. Usa il software Word per convertire i risultati esportati in formato grafico.
Analisi della pubblicazione nazionale e della collaborazione
1. Analisi della pubblicazione nazionale e della collaborazione a Vosview.
  1. Apri VOSviewer, seleziona "Crea" e poi "Crea una mappa basata su dati bibliografici".
  2. Importa i file di testo semplice rilevanti utilizzando l'opzione "Leggi dati da file di database bibliografici".
  3. Imposta il tipo di analisi su "Co-autorialità", usando il metodo "Conteggio completo", con "Paesi" come unità di analisi.
  4. Applica un numero di fonti da selezionare, 50, e clicca su "Analisi". Imposta il numero di sorgenti da selezionare a 20 e clicca su "Esporta sorgenti selezionate" per esportare come file CSV per la visualizzazione.
  5. Esegui l'analisi cliccando su "GO" per generare una mappa di co-citazione dei riferimenti, regolando le impostazioni di font e colore per migliorare la leggibilità.
2. Distribuzione geografica delle pubblicazioni nazionali: Analisi in Scimago Graphica.
  1. Apri Scimago Graphica, clicca su "LOAD DATE FILE" e poi importa i file di testo semplice rilevanti.
  2. Crea una nuova vista, seleziona "documenti" per dimensione, "link_strength" per colore, "etichetta" per etichetta, "dischi" per i segni e "mappa" per il layout.
  3. Paese con il più alto numero medio di citazioni Analisi
    1. Avvia l'interfaccia Biblioshiny del pacchetto Bibliometrix in R.
    2. Accedi al database WoSCC e seleziona un file di testo semplice contenente dati bibliometrici.
    3. Importare i dati ed esportarli in formato txt per l'analisi successiva.
    4. Seleziona "Autore" e poi clicca su "Paesi più citati"
      NOTA: Il codice specifico è fornito come segue:
      1. Biblioteca (bibliometrix)
      2. packageVersion("bibliometrix")
      3. biblioshiny()
Distribuzione di università e istituzioni analisi
1. Analisi della co-paternità
  1. Configurazione dell'analisi in VOSviewer: Avvia VOSviewer, scegli "Crea" e poi "Crea una mappa basata su dati bibliografici". Seleziona "Leggi dati dai file del database bibliografico" e importa i file di testo semplice contenenti informazioni istituzionali.
  2. Configurazione e parametri: Imposta il tipo di analisi su "Co-autoria", scegli "Conteggio completo" e usa "Organizzazioni" come unità di analisi. Configurare i parametri per consentire fino a 3.798 organizzazioni per documento e fissare una soglia minima di inclusione per le prime 50 istituzioni per costruire una rete di collaborazione rappresentativa.
  3. Visualizzazione e interpretazione: clicca su "Termina" per generare la mappa della collaborazione istituzionale. Esaminare i cluster e le connessioni per identificare le istituzioni centrali, l'intensità della collaborazione e i principali modelli di cooperazione tra università e organizzazioni di ricerca.
2. Analisi delle istituzioni con più pubblicazioni
  1. Avvia l'interfaccia Biblioshiny del pacchetto Bibliometrix in R.
  2. Accedi al database WoSCC e seleziona un file di testo semplice contenente dati bibliometrici.
  3. Importare i dati ed esportarli in formato txt per l'analisi successiva.
  4. Seleziona "Autore" e poi clicca su "Affiliazioni Produzione nel Tempo"
    NOTA: Il codice specifico è fornito come segue:
    Biblioteca (bibliometrix)
    packageVersion("bibliometrix")
    biblioshiny()
3. Le università con i più forti burst di citazioni Analisi
  1. Apri CiteSpace, vai al menu "Data" e seleziona "Importa/Esporta".
  2. Importare dati dal database WoSCC nel formato appropriato, configurando la fetta di tempo di analisi da gennaio 1972 al 5 giugno 2025, con un intervallo di un anno per i dettagli temporali.
  3. Imposta il tipo di nodo su "Reference" e applica la potatura usando le opzioni "Pathfinder" e "Pruning Sliced Networks" per semplificare la rete, concentrandoti sui riferimenti co-citati più influenti.
  4. Esegui l'analisi cliccando su "GO" per generare una mappa di co-citazione dei riferimenti, regolando le impostazioni di font e colore per migliorare la leggibilità.
  5. Seleziona l'opzione "Burstness" e imposta il parametro γ su [0, 1].
  6. Aggiornare i dati per generare le prime 25 istituzioni con il maggior aumento significativo nel numero di citazioni, evidenziare quelle con un aumento sostanziale di citazioni e indicare che la loro influenza nel settore è in continua crescita.
Reti di collaborazione con autori
1. Apri CiteSpace, seleziona il menu "Dati" e clicca su "Importa/Esporta" per importare i dati da WoSCC nel formato richiesto.
  1. Definisci la sfera temporale da gennaio 1970 al 5 giugno 2025, con un passo di un anno per catturare l'evoluzione temporale delle collaborazioni.
2. Configurazione e potatura della rete
  1. Imposta il tipo di nodo su "Author" e applica "Pathfinder" e "Pruning Sliced Networks" per ridurre i collegamenti ridondanti preservando le strutture chiave.
  2. Clicca su "GO" per eseguire l'analisi e generare la mappa di co-citazione/co-autorialità, che rivela lo sviluppo, la struttura e la dinamica di crescita delle reti di collaborazione con autori nel tempo.
Analisi dei riferimenti co-citati e della rete di clustering
1. Importazione e configurazione dati in CiteSpace
  1. Apri CiteSpace, vai su "Data" e seleziona "Importa/Esporta" per caricare i dati WoSCC.
  2. Imposta l'intervallo temporale dell'analisi da gennaio 1970 al 5 giugno 2025, utilizzando un intervallo di un anno per ottenere informazioni temporali dettagliate.
2. Configurazione della rete e potatura
  1. Scegli "Reference" come tipo di nodo e usa "Pathfinder" insieme a "Pruning Sliced Networks" per mantenere i link di co-citazione core e rimuovere connessioni minori o ridondanti.
  2. Clicca su "GO" per eseguire l'analisi e generare la rete di co-citazione dei riferimenti, poi perfeziona font, colori e layout per migliorare la chiarezza visiva.
3. Identificazione di riferimenti ad alto impatto
  1. Abilita l'opzione "Burstness" e imposta γ nell'intervallo [0, 1].
  2. Aggiorna i dati per ottenere le prime 25 fonti con le maggiori raffitte di citazioni, evidenziando quegli opere che hanno registrato una rapida crescita delle citazioni e sono diventate altamente influenti nell'ambito della ricerca.
Analisi di riviste e riviste co-citate
1. Analisi delle riviste a Vosview
  1. Apri VOSviewer, seleziona "Crea" e poi "Crea una mappa basata su dati bibliografici".
  2. Importa i file in chiaro rilevanti tramite l'opzione "Leggi dati dai file del database bibliografico".
  3. Imposta il tipo di analisi su "Citazione", scegli il metodo "Conteggio completo" e specifica "Fonti" come unità di analisi.
  4. Imposta il numero minimo di fonti a 20, esegui l'analisi e usa "Esporta sorgenti selezionate" per salvare le riviste selezionate come file CSV per ulteriori analisi.
2. Analisi di riviste co-citate a Vosview.
  1. Apri di nuovo VOSviewer, seleziona "Crea" e poi "Crea una mappa basata su dati bibliografici".
  2. Importa gli stessi file in testo semplice con "Read data from bibliographic database file".
  3. Imposta il tipo di analisi su "Co-citazione", scegli "Conteggio completo" e usa "Fonti citate" come unità di analisi.
  4. Imposta il numero minimo di fonti citate a 20, esegui l'analisi e clicca su "Esporta fonti selezionate" per produrre un file CSV con un'analisi dettagliata di riviste co-citate.
Analisi della co-incidenza delle parole chiave
1. Analisi della rete di co-incidenza per parole chiave in VOSviewer.
  1. Apri VOSviewer, seleziona "Crea" e poi "Crea una mappa basata su dati bibliografici".
  2. Importa i file di testo semplice rilevanti utilizzando l'opzione "Leggi dati da file di database bibliografici".
  3. Imposta il tipo di analisi su "co-occurrence", usando il metodo "Full counting", con "tutte le parole chiave" come unità di analisi.
  4. Applica un numero di parole chiave da selezionare 100 e clicca su "Termina" per completare l'analisi, creando una rete di co-incidenza che visualizza le relazioni delle parole chiave all'interno del campo.
  5. Clicca su "Visualizzazione sovrapposta" per generare una rappresentazione visiva analitica dei cluster di co-incidenza di parole chiave in evoluzione.
  6. Clicca su "Visualizzazione della densità" e verrà generata la tabella di distribuzione delle parole chiave.
2. Analisi delle parole chiave in CiteSpace.
  1. Usa CiteSpace per eseguire l'analisi delle keyword burst selezionando l'opzione "Burstness" e impostando il parametro γ su [0, 1].
  2. Dopo aver aggiornato i dati, seleziona "Visualizza" per generare una lista delle 25 parole chiave principali con i burst di citazioni più forti, indicando parole chiave che nel tempo hanno attirato attenzione notevole.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Panoramica delle tendenze e dell'evoluzione di C. elegans nell'area di invecchiamento
L'analisi bibliometrica ha incluso 6.117 record di pubblicazioni provenienti da 1.123 fonti, selezionate tra le iniziali 6.205 pubblicazioni del WOSCC che soddisfacevano i criteri di idoneità. Questo includeva 45 revisioni in accesso anticipato e 145 atti di attamento. Dopo aver escluso 87 pubblicazioni irrilevanti e una ritratta, i dati sono stati analizzati per la distribu...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Per garantire riproducibilità e interpretabilità, i passaggi chiave di questo flusso di lavoro includono: la riportata accurata della strategia di recupero (sorgente del database, query, tipi di documento, limiti linguistici, data di recupero), effettuare screening di rilevanza e validazione dei dati per minimizzare i record off-topic, segnalazione costante dei parametri degli strumenti (time slicing, tipi di nodi, potatura, soglie, clustering) ed esportazione degli output in formati sta...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori non hanno nulla da rivelare.

Ringraziamenti

Gli autori desiderano esprimere il loro apprezzamento a tutti i partecipanti e ricercatori che hanno contribuito a questo lavoro. Inoltre, sono grati per gli strumenti analitici forniti da CiteSpace, VOSviewer, Scimago Graphic e R, che sono stati fondamentali nella conduzione di questa ricerca.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
Nome	Azienda	Numero di catalogo	Commenti
LEGION Savior Y7000 2019 portatile (Numero di serie PF1CGZJU)	Lenovo	https://pcsupport.lenovo.com/us/en/products/laptops-and-netbooks/legion-series/legion-y7000-2019	Computer utilizzato per le analisi
R (versione 4.5.2)	R Foundation for Statistical Computing / R Core Team	https://www.r-project.org/	Ambiente di calcolo statistico
CiteSpace (versione 6.3.R3)	CiteSpace / Chaomei Chen (Università Drexel)	https://citespace.podia.com/	Software per la visualizzazione e l'analisi bibliometrica
VOSviewer (versione 1.6.20)	CWTS dell'Università di Leiden (Nees Jan van Eck, Ludo Waltman)	https://www.vosviewer.com/	Software di mappatura bibliometrica
Pajek (versione 64.6.01)	Università di Lubiana (Vladimir Batagelj, Andrej Mrvar)	http://mrvar.fdv.uni-lj.si/pajek/	Software per l'analisi e visualizzazione delle reti

Riferimenti

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).
Young, A. R. J., Narita, M. SASP reflects senescence. EMBO Rep. 10 (3), 228-230 (2019).
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).
Irion, U., Nüsslein-Volhard, C. Developmental genetics with model organisms. Proc Natl Acad Sci U S A. 119 (30), e2122148119(2022).
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).
Kimble, J., Nüsslein-Volhard, C. The great small organisms of developmental genetics: Caenorhabditis elegans and Drosophila melanogaster. Dev Biol. 485, 93-122 (2022).
Riddle, D. L., Swanson, M. M., Albert, P. S. Interacting genes in nematode dauer larva formation. Nature. 290 (5808), 668-671 (1981).
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).
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).
Guarente, L., Kenyon, C. Genetic pathways that regulate ageing in model organisms. Nature. 408 (6809), 255-262 (2000).
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).
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).
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).
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).
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).
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).
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).
López-Otín, C., Blasco, M. A., Partridge, L., Serrano, M., Kroemer, G. The hallmarks of aging. Cell. 153 (6), 1194-1217 (2013).
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).
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).
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).
Johnson, T. E. Increased lifespan of age-1 mutants in Caenorhabditis elegans and lower Gompertz rate of aging. Science. 249 (4971), 908-912 (1990).
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).
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).
Barzilai, N., Huffman, D. M., Muzumdar, R. H., Bartke, A. The critical role of metabolic pathways in aging. Diabetes. 61 (6), 1315-1322 (2012).
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).
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).
Fontana, L., Partridge, L. Promoting health and longevity through diet: from model organisms to humans. Cell. 161 (1), 106-118 (2015).
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).
Palikaras, K., Lionaki, E., Tavernarakis, N. Coordination of mitophagy and mitochondrial biogenesis during ageing in C. elegans. Nature. 521 (7553), 525-528 (2015).
Jang, J. Y., Blum, A., Liu, J., Finkel, T. The role of mitochondria in aging. J Clin Invest. 128 (9), 3662-3670 (2018).
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).
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).
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).
Rappe, A., McWilliams, T. G. Dynamic mitophagy trajectories hallmark brain aging. Autophagy. 21 (2), 487-489 (2025).
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).
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).
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).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Tag

Ricerca sull'invecchiamento Analisi bibliometrica Segnalazione dell'insulina Risposta allo stress Restrizione calorica Mitofagia Mappatura della conoscenza Organismo modello