Tendenze di ricerca globali e attuali del sequenziamento di singole cellule nel cancro: uno studio bibliometrico e di visualizzazione

Il nostro studio esamina le tendenze di sviluppo nel sequenziamento di singole cellule all'interno del dominio del cancro. I risultati forniscono a ricercatori, clinici e responsabili politici una panoramica approfondita dello stato attuale delle conoscenze e della comprensione in questo campo. La nostra analisi bibliometrica mostra che la Cina e gli Stati Uniti sono leader nel sequenziamento di singole cellule nella ricerca sul cancro. Termini emergenti come eterogeneità intratumorale, evoluzione dei cloni e sistemi di somministrazione dei farmaci suggeriscono direzioni future della ricerca.

Il nostro studio mira a valutare l'attuale panorama della ricerca, identificare i punti caldi della ricerca e chiarire le tendenze emergenti al fine di fornire informazioni utili per ricercatori e responsabili politici.

[Narratore] Per iniziare, accedi al database Web of Science Core Collection dal loro sito web. Costruisci una strategia di ricerca utilizzando parole chiave mirate, come sequenziamento di singole cellule e cancro, per identificare la letteratura pertinente. Quindi, cerca i risultati. Imposta i parametri di ricerca selezionando il periodo di pubblicazione dal 1° gennaio 2010 al 31 dicembre 2023. Scegli l'inglese come lingua e seleziona Articolo e Revisione come tipi di documento. Salvare i dati compilati come file di testo normale per la successiva analisi bibliometrica e compilare le pubblicazioni selezionate in formato Full Record e Citati References. Ora, avvia l'interfaccia Biblioshiny dal pacchetto bibliometrico in R. Importa i file di testo normale ed esporta il set di dati in formato dati R per l'analisi. Crea un grafico a barre per mostrare il numero annuale di pubblicazioni e sovrapponi un grafico a linee per rappresentare il conteggio delle citazioni nel tempo. Estrai i dati istituzionali dalla sezione Affiliazioni utilizzando la funzione Analizza risultati nel database Web of Science Core Collection. Utilizza il pacchetto ggplot2 in R per generare un grafico a barre orizzontali che visualizza i conteggi delle pubblicazioni istituzionali. Utilizzando VOSviewer, conduci un'analisi della co-paternità selezionando Crea dal menu principale e scegliendo Crea una mappa basata su dati bibliografici. Importa i file di testo normale e imposta il tipo di analisi su Co-authorship. Selezionare Conteggio completo e scegliere Organizzazioni come unità di analisi. Fare clic su Fine per generare la visualizzazione. Accedi alla sezione Profili dei ricercatori nel database Web of Science Core Collection per identificare e classificare gli autori in base al numero totale di articoli pubblicati. Utilizza il pacchetto ggplot2 in R per generare un grafico a barre orizzontali, visualizzando i principali autori in base al numero di pubblicazioni. Ora, recupera metriche dettagliate, tra cui il paese, l'istituto affiliato e l'indice H per i primi 10 autori utilizzando i dati della Web of Science Core Collection. Per le reti di collaborazione con gli autori, avvia VOSviewer e seleziona il pulsante Crea, seguito da Crea una mappa basata sui dati bibliografici. Importare i file di testo normale pertinenti selezionando Leggi dati dai file del database bibliografico. Imposta il tipo di analisi su Co-authorship in VOSviewer. Utilizzare il metodo di conteggio completo e selezionare Autori come unità di analisi. Fare clic su Fine per generare una visualizzazione in sovrimpressione. Utilizzare la funzione hindex in R per calcolare le metriche della rivista per le origini di pubblicazione identificate. Per l'analisi del flusso di informazioni, aprire CiteSpace e passare al menu Dati. Selezionare WOS per importare il set di dati per l'analisi del flusso di informazioni. Con CiteSpace, selezionare le opzioni Mappe sovrapposte e Mappe JCR Journals per la configurazione della mappa con il parametro z-score 0 e regolare il colore di sfondo. Apri CiteSpace, vai al menu Dati e seleziona i dati per iniziare l'analisi dei riferimenti co-citati. Impostare il tipo di nodo su Riferimento. Dopo aver abilitato Pathfinder e sfoltito le funzioni delle reti sezionate, eseguire l'analisi. Per identificare i riferimenti ad alto impatto, selezionare l'opzione Burstness in CiteSpace e impostare il parametro gamma su un intervallo compreso tra 0 e 1. Per la co-occorrenza delle parole chiave, condurre un'analisi della frequenza delle parole chiave in R utilizzando il pacchetto bibliometrico. Imposta il campo di analisi su Parole chiave dell'autore e limita l'output alle prime 20 parole chiave. Per l'analisi del burst delle parole chiave, utilizzare CiteSpace con il burstness abilitato. Impostare il parametro gamma su 0 su 1. Quindi, apri VOSviewer e scegli Crea, quindi seleziona Crea una mappa basata sui dati bibliografici. Utilizzare l'opzione Leggi dati dai file del database bibliografico e importare i file di testo normale. Imposta il tipo di analisi su Co-occorrenza, utilizza il metodo di conteggio completo e seleziona Parole chiave autore come unità di analisi. Applicare una soglia minima di 40 occorrenze di parole chiave e fare clic su Fine per generare la rete di co-occorrenza. Il numero annuale di pubblicazioni sul sequenziamento di singole cellule nella ricerca sul cancro ha mostrato un forte aumento dopo il 2016, con notevoli picchi di citazioni nel 2014 e nel 2020. La Cina e gli Stati Uniti sono emersi come i principali contributori, con la Cina che ha mostrato la crescita più rapida nella produzione di pubblicazioni. L'Università di Harvard è stata identificata come l'istituzione leader in termini di numero di pubblicazioni, seguita da diverse importanti università cinesi. Frontiers in Immunology ha pubblicato il maggior numero di articoli, mentre riviste come Cell e Nature hanno avuto il maggior numero di citazioni. Gli articoli di Macosko et al. e Tirosh et al. hanno avuto le più forti esplosioni di citazioni, indicando importanti progressi nella tecnica e nell'analisi. Microambiente immunitario è stata la parola chiave più frequentemente usata, con tendenze emergenti come l'adenocarcinoma polmonare e i fibroblasti associati al cancro che hanno guadagnato importanza di recente. L'evoluzione del tumore ha mostrato la durata più lunga del burst di citazioni.