방법 논문

서지 측정학 및 생물정보학 연구 핫스팟과 주요 동반질환 대상 탐구: 간질성 폐질환과 폐고혈압

DOI:

10.3791/71631

⸱

2026년 8월 7일

 ,  ,  , 
1Graduate School, Beijing University of Chinese Medicine, 2Physical Examination Center, China-Japan Friendship Hospital, 3Qihuang School, Beijing University of Chinese Medicine, 4National Center for Integrative Medicine, China-Japan Friendship Hospital, 5School of Population Medicine and Public Health, Chinese Academy of Medical Sciences and Peking Union Medical College

이 논문에서

요약

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 프로토콜은 간질성 폐질환과 폐고혈압을 예시로 사용하며, 서지계량학과 생물정보학을 통합하여 연구 동향, 핫스팟, 주요 표적 및 관련 경로를 체계적이고 예비적으로 탐구합니다. 이 프로토콜은 프롬프트를 수정하여 질병 쌍을 분석하는 데 복제할 수 있습니다.

초록

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

간질성 폐질환(ILD)과 폐고혈압(PH)은 종종 동반질환으로 공존하여 임상 결과가 좋지 않고 치료 옵션이 제한적입니다. 중요한 연구 핫스팟을 식별하고 주요 동반 질환 표적을 밝히는 것은 질병 관리 개선과 새로운 치료 전략 개발에 필수적입니다. 이 프로토콜은 Web of Science Core Collection과 Scopus 데이터베이스에서 관련 출판물을 검색하고, CiteSpace와 VOSviewer를 사용해 연구 핫스팟과 변화하는 추세를 지도화합니다. 이후 GeneCards 데이터베이스에서 두 질병과 관련된 중복 유전적 표적이 확인됩니다. 단백질-단백질 상호작용 네트워크는 STRING을 사용하여 허브 유전자를 식별하며, KEGG 경로 풍부 분석을 R 언어를 사용하여 주요 신호 전달 경로를 명확히 합니다. 결과는 서지 측정학이 이 학제간 분야의 발전 경로를 거시적 관점에서 식별한다는 것을 보여줍니다; 생물정보학 분석 결과 FN1, IL6, TNF가 잠재적 핵심 동반 질환 표적임이 밝혀졌으며; KEGG 농축 분석은 PI3K-Akt와 MAPK를 중심으로 한 면역 관련 경로가 동반 질환의 발병에 깊이 관여함을 보여줍니다. 두 접근법을 통합함으로써, 본 프로토콜은 ILD-PH 동반질환 연구의 발달 경로와 연구 핫스팟을 체계적으로 명확히 규정하고, 잠재적 동반질환 표적과 경로를 예비적으로 선별합니다. 이는 향후 실험 연구와 임상 검증을 위한 방향성과 계산적 기반을 제공합니다. 이 통합 프레임워크는 다른 복잡한 질병 동반 질환 연구에 적용 가능한 재현 가능한 방법론을 제공합니다.

서론

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

간질성 폐질환(ILD)은 폐간질의 염증과 섬유화로 병리학적으로 특징지어지는 확산성 폐 질환군을 의미합니다. 질병 진행 과정에서 여러 동반 질환으로 복잡해지는 경우가 많으며, 그중 폐고혈압(PH)은 예후에 큰 영향을 미치는 흔한 동반질환 중 하나입니다 1,2. 역학 자료에 따르면 ILD 환자의 PH 발생률은 아형과 질환 단계에 따라 13%에서 86% 사이로 다양합니다. 이 동반 질환은 환자의 삶의 질을 크게 저하시키고 사망 위험을 높일 뿐만 아니라, 사회경제적·의료 부담을 악화시킵니다 6,7. 폐동맥 고혈압과 달리, 간질성 폐질환 관련 폐고혈압의 병인기는 더 복잡하며, 저산소성 폐혈관 수축, 섬유화 및 염증성 인자 매개 혈관 재형성, 세포외 기질 침착 등 여러 병리학적 과정을 포함합니다 8,9,10. 현재 이 동반 질환에 대한 임상 진단과 치료 전략은 비교적 제한적이며, 특정 표적 약물도 부족합니다. 그 기저 분자 기전, 주요 신호 전달 경로, 초기 바이오마커는 아직 체계적으로 밝혀지지 않아야 합니다11,12.

연구 중심점과 진화 경로를 감지하는 객관적 도구로서 서지계량학은 최근 몇 년간 광범위하게 적용되고 있습니다13,14. 생물정보학 분석은 이전에 발견된 질병 관련 표적을 통합하여 주요 표적과 핵심 경로를 식별합니다15. 동반질환 연구에서는 거시적 연구 핫스팟과 분자 수준의 경로 및 표적 정보를 통합함으로써 동반 질환 메커니즘에 대한 이해를 심화시키고, 이후 실험 연구에 대한 계산적 예측과 방향성 지침을 제공합니다. 그러나 간질성 폐질환과 폐고혈압의 동반 질환에 관한 연구는 여전히 거시적 지식 매핑과 미시적 분자 네트워크를 결합한 체계적 통합 분석이 부족하다. 이에 따라 본 연구는 Web of Science Core Collection(WoSCC)과 Scopus 데이터베이스를 활용하여 ILD-PH 공존 질환 연구의 발전 경로와 연구 핫스팟을 서지계량학 방법을 통해 포괄적으로 개괄하였습니다. 동시에 생물정보학 도구를 활용해 핵심 유전자와 동반 질환과 관련된 잠재적 분자 경로를 식별하여, 이후 실험 연구와 목표 탐사를 위한 분자 기반과 실험 설계 방향을 제공하였습니다.

프로토콜

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 연구는 GeneCards, STRING, KEGG 등 공개된 2차 데이터베이스를 사용했습니다. 중국 인간유전자원 규정 제32조에 따르면, 이 데이터베이스들은 중국 내에서 직접 인간 유전자원을 수집하는 것을 포함하지 않습니다; 따라서 이 연구에는 윤리적 승인이나 사전 동의가 필요하지 않았습니다. 이 섹션에서 사용되는 소프트웨어 및 플랫폼의 상세 버전 정보는 재료표에 제공되어 있습니다.

1. 문헌 수집 및 조직

  1. MeSH 데이터베이스(재료표)에 접속하세요.
  2. "간질성 폐질환"과 "폐고혈압"이라는 질병 용어를 별도로 검색하여 관련 하위 항목을 찾으세요.
  3. 식별된 MeSH 용어와 소제목을 바탕으로 포괄적인 검색 전략을 개발하세요.
  4. 2026년 3월 9일, WoSCC 데이터베이스(재료표)를 열어보세요.
  5. 고급 검색을 선택하세요. 검색 전략을 입력하세요: TS=("확산성 실질성 폐질환" 또는 "확산성 실질성 폐 질환" 또는 "간질성 폐 질환" 또는 "간질성 폐 질환") 그리고 TS=("폐 고혈압"). 출판일을 2016년 1월 1일부터 2025년 12월 31일까지 범위를 설정하고 검색을 클릭하세요.
  6. 문서 유형은 'Articles and Review Articles' 를 선택하고, 언어는 영어 를 선택하세요. 기록 내용으로 ' 전체 기록 및 인용 참고문헌 '을 선택하세요. 기록을 txt 형식으로 내보내고 wos.txt 저장한 후 csv 형식으로 변환하고 wos.csv로 저장하세요.
  7. 2026년 3월 9일, Scopus 데이터베이스(재료표)를 열어보세요.
  8. 검색 필드를 "제목" / "초록" / "키워드"로 설정하세요. 검색 전략을 입력하면 TITLE-ABS-KEY(("확산성 실질 폐질환" 또는 "확산성 실질 폐질환" 또는 "간질성 폐질환" 또는 "간질성 폐질환")과 TITLE-ABS-KEY("폐고혈압"). 2016년 1월 1일부터 2025년 12월 31일까지의 연도를 선택하고, 의학 을 주제로 선택한 후 검색 (보충표 1)을 클릭하세요.
  9. 내보내기를 클릭하고 CSV 형식을 선택한 후 검색한 모든 기록을 내보내고 scopus.csv로 저장하세요.
  10. wos.csv 열고 DOI 열을 복사한 후 scopus.csv에 붙여넣으세요. 데이터 비교를 수행하고, 엑셀의 중복 제거 기능을 사용해 중복 기록을 표시하며, 중복 기록을 삭제하고 scopus1.csv을 얻습니다. DOI가 없는 극소수의 기록에 대해서는 "title + 저자 + 연도"의 조합을 사용해 이 연구에 필요한 문헌이 완전하게 포함되도록 수동으로 교차 검증했습니다.
  11. 입력 디렉터리와 출력 디렉터리라는 새 폴더를 만듭니다. 중복 제거 후 입력 디렉터리에 얻은 scopus1.csv 배치. CiteSpace를 열고 Data를 클릭한 후 Scopus를 선택한 후 해당 폴더를 지정한 뒤, Scopus(csv) > WoS 버튼을 눌러 Scopus 데이터 형식을 변환하여 두 데이터베이스의 형식을 txt 형식으로 통합하세요. 결과 파일 이름을 scopus1.txt.
  12. 두 데이터베이스의 데이터를 병합하세요. scopus1.txt와 wos.txt를 CiteSpace에 넣어 중복 제거 및 병합하여 균일하게 형식화되고 중복 제거된 문헌 데이터를 얻으세요: dataset.txt, 후속 분석을 위한 것(보충 표 2).
  13. 얻은 wos.txt 및 scopus.csv 파일을 확인하여 중복 제거 과정이 DOI를 일치 기준으로 사용하는지, 그리고 dataset.txt 파일이 성공적으로 생성되었는지 확인하세요.

2. 연간 출판물 산출 추세 분석

  1. Microsoft Excel에서는 연도별 출판물 수를 세어 두 개의 데이터 열(연도, 출판물)을 생성합니다.
  2. 데이터셋을 선택하고, 연간 출판 산출량의 열형 차트를 생성하려면 > 차트 > 열형 차트를 삽입하세요.
  3. 가로축을 연도 , 세로축을 출 판물로 지정합니다.
  4. 데이터 라벨이 각 연도별 특정 출판물 수를 표시하도록 활성화하세요.
  5. 모든 피규어를 태그 이미지 파일 형식(TIFF)으로 내보내며, 최소 300 dpi 해상도를 보장하세요.

3. 국가/지역 출판물 결과 및 국제 협력 분석

  1. VOSviewer를 실행하고 선택 > 서 지 데이터를 기반으로 지도 생성 > 서 지 데이터베이스 파일에서 데이터를 읽기16.
  2. 1.12단계에서 생성된 일반 텍스트 데이터셋을 가져오세요.
  3. 분석 유형으로 공동 저자를, 분석 단위로 국가를 선택하세요.
  4. 국가별 최소 문서 수를 40개로 설정하며, 출판 결과량 기준 상위 20개국을 유지합니다. 협력 네트워크가 고생산국에 집중하면서도 지도의 명확성과 가독성을 유지하여 독자들이 핵심 국제 연구 세력과 협력 패턴을 직관적으로 이해하기 쉽게 하도록 하는 것입니다.
  5. 선택된 항목 검증 인터페이스에서 모든 국가를 선택한 후 목록을 Excel로 복사한 뒤, 각 국가별 출판물 수와 인용 수를 내보내세요.
  6. 결과된 엑셀 표에서 출판 결과물별 상위 10개국을 선택하고, 출판 및 인용 수를 보여주는 차트를 생성합니다.
  7. "완료" 버튼을 선택하여 국가 협업 네트워크를 구축하고 GML 형식으로 네트워크를 저장하세요.
  8. Scimago Graphica를 실행하고 GML 파일을 가져오세요.
  9. 라벨 필드를 Country로 매핑하고 클러스터 필드 타입을 String으로 설정하세요.
  10. 시각화 구성에서 출판 출력 필드(보통 weight 또는 유사한 이름)를 Size 박스에 넣고, 클러스터 필드를 Color 박스로 설정한 뒤, 라벨 필드를 Label, Tooltip, Unit 박스에 매핑합니다.
  11. 표시 > 지도로 가세요. 선 곡률 조정에는 엣지 를, 노드 색상 구성에는 엣지 컬러 를 사용하세요.
  12. 최종 지도를 PNG 형식으로 내보내세요.
  13. 1.12단계에서 생성된 일반 텍스트 데이터셋을 서지 온라인 분석 플랫폼(https://bibliometric.com)에 가져오고, 인 용 데이터 업로드를 클릭한 후 국가 협력 코드 다이어그램을 시각화할 수 있도록 국가 관계 선택을 하세요.
  14. 핵심 체크포인트는 연구 목표를 반영하면서도 결과 네트워크가 균형 잡히고 시각적으로 명확하도록 최소 문서 수를 적절히 조정하는 것입니다.

4. 학술지 출판 결과 및 인용 분석

  1. 동일한 데이터셋을 VOSviewer에 가져오고, 분석 유형으로 Citation 을 선택하고, 분석 단위로 Source 를 선택하세요.
  2. 출처의 최소 문서 수는 5개, 인용 횟수는 최소 20개로 설정하세요.
  3. 선택된 항목 검증 인터페이스에서 저널 목록을 엑셀로 복사하여 각 저널별 출판 수와 총 인용 수를 확인하세요.
  4. Finish를 선택하면 저널 공동 인용 네트워크 맵이 생성됩니다. 인력과 반발 파라미터를 조정해 레이아웃을 강화하고, 시각화 패널을 사용해 외관을 다듬으며, 최소 300 dpi 해상도의 TIFF로 지도를 저장하세요.
  5. 엑셀에서 저널을 출판 수순으로 정렬하고, 발표 결과물별로 상위 10개 저널을 선택하세요. 2026년 3월 9일, 공식 JCR 플랫폼(자료표)에 접속하여 각 저널을 검색하고 최신 임팩트 팩터 및 JCR 4분위수를 기록하세요. 출판 결과물별 상위 10개 저널을 보여주는 차트를 생성하세요.
  6. 엑셀에서 저널을 총 인용 횟수별로 정렬하고, 인용 빈도별로 상위 10개 저널을 선택하세요. 2026년 3월 9일, 공식 JCR 플랫폼에서 최신 임팩트 팩터 및 JCR 4분위수를 검색하여 기록하세요. 인용 빈도별 상위 10개 저널을 보여주는 차트를 생성하세요.

5. 고생산성 저자 협업 네트워크 분석

  1. 데이터셋을 VOSviewer에 가져오고, 분석 유형으로 공동 저자를 선택하고, 분석 단위로 저 자를 선택하세요.
  2. 저자의 최소 문서 수를 3개로 설정해 일정 수준의 활동 저자를 필터링하세요.
  3. 선택된 항목 검증 인터페이스에서 저자 목록을 복사하고 저자의 출판 수와 인용 수를 엑셀 파일에 저장하세요.
  4. Finish를 선택해 저자 협업 네트워크를 생성하고, 네트워크 레이아웃과 외관을 조정하며, TIFF 형식으로 저장하세요.
  5. 엑셀에서는 저자를 출판 수에 따라 정렬하고, 가장 생산적인 10명의 연구자를 선정하며, 출판 수를 보여주는 도넛 차트를 생성할 수 있습니다.
  6. 원본 데이터셋에서 인용 횟수 기준으로 상위 10명의 저자를 찾아내고, 각 국가를 식별하며, 국가별로 뚜렷한 색상을 부여한 뒤, 인용 빈도별 상위 10명의 저자를 보여주는 차트를 생성합니다.

6. 키워드 동시 발생과 주제 진화 분석

  1. CiteSpace를 실행하고 데이터 > 가져오기/내보내기로 이동하세요.
  2. 1.12단계에서 내보낸 txt 파일을 입력 폴더에 넣으세요. 가져오기/내보내 기 인터페이스에서 입력 및 출력 경로를 설정하고, 문서 유형으로 '기사 '와 '리뷰 '를 선택한 후 '시작 '을 클릭하여 데이터 형식 변환을 수행합니다.
  3. 변환 후에는 출력 폴더에서 데이터 폴더로 파일을 복사하세요. CiteSpace 메인 인터페이스에서 '새로 만들기'를 클릭하고, 프로젝트 디렉터리와 데이터 디렉터리를 설정하고, 데이터 소스로 WoS 를 선택하고, 언어로 영어 를 선택하세요.
  4. 오른쪽 시간 분할 패널로 가서 구간을 2016–2025년으로 설정하고, 1년 창을 채택한 뒤 노드 유형으로 키워 드를 선택하세요.
  5. 네트워크 확장에 g-인덱스(k=10)를 적용하고, 세 가지 가지치기 전략을 선택하세요: Pathfinder, 슬라이스 네트워크 가지치기, 병합된 네트워크 가지치기.
  6. 분석을 실행하려면 시작 을 클릭하세요. 완료 후에는 원클릭 클러스터링 라벨 최적화 기능을 사용하여 키워드 공현 지도를 생성합니다.
  7. 제어판에서 노드 및 클러스터 라벨 표시를 설정하고, 노드 크기 같은 시각적 요소를 최적화하세요.
  8. 타임라인 > 레이아웃을 선택하여 키워드 타임라인 뷰를 생성하세요.
  9. 제어판에서 Burstness를 선택하고 Refresh 와 View 를 순차적으로 클릭한 뒤, 표시할 상위 25개 키워드 수를 설정하고, 버스트 강도별로 상위 25개 키워드의 차트를 생성하세요. 생성된 이미지를 TIFF 형식으로 내보내 저장하세요.

7. 참고문헌 공동 인용 분석

  1. 같은 데이터셋을 CiteSpace에 불러오세요. 6.4–6.5단계에서 설명한 시간 범위와 가지치기 전략을 설정하고, 노드 유형으로 인 용된 참고문헌(Cited Reference )을 선택합니다.
  2. 분석을 실행한 후에는 원클릭 클러스터링 라벨 최적화 기능을 사용하여 참조 공현 지도를 생성합니다.
  3. 노드와 클러스터 라벨을 조정하고, 참조 클러스터링 맵을 생성하기 위해 클러스터를 선택하세요.
  4. 버스트니스 패널에서 인용 빈도별 상위 20개 참고문헌을 표시하고, 버스트 강도별로 상위 20개 공동 인용 문헌 차트를 생성하세요.
  5. 모든 이미지를 저장용으로 TIFF 형식으로 내보내세요.

8. PPI 네트워크 분석

  1. 2026년 3월 12일 GeneCards 데이터베이스 (https://www.genecards.org)17에 접속하여 각각 "간질성 폐질환"과 "폐고혈압"을 키워드로 검색하세요. 검색에 사용된 질병 용어는 문헌 검색 결과와 일치하며, 추가 용어 변이도 확장되지 않았습니다.
  2. 각 검색마다 관련성 점수 1≥ 대상 목록을 내보내세요. 추출 방법은 관련성 점수로 정렬하고 점수 1≥ 모든 타겟을 내보내는 것이었습니다. ≥ 1이라는 임계값은 문헌에 근거된 대부분의 관련 유전자를 포착하면서도 거짓 양성을 최소화하기 때문에 선택되었습니다.
  3. R을 사용하여 두 표적 집합의 교집합을 얻어 ILD-PH 동반 질환 관련 표적을 얻습니다.
  4. STRING 데이터베이스(https://cn.string-db.org/)18의 다중 단백질 모듈에 접속하여 검색창에 동반질환 표적 목록을 입력한 후 종으로 호모 사피엔스를 선택하세요.
  5. 계속을 클릭한 후 설정 패널에서 최소 필요 상호작용 점수를 높음(0.700)으로 설정하고, 네트워크 내 연결 끊긴 노드를 숨기기를 활성화하세요.
  6. 네트워크를 업데이트한 후, 내보내기 메뉴에서 상호작용 데이터를 TSV 파일로 다운로드하세요.
  7. Cytoscape를 실행하고, 파일 시스템에서 네트워크 > 가져오기 > TSV 파일을 불러오세요.
  8. NetworkAnalyzer > 도구 > 네트워크 분석 > 네트워크 해석에서 '네트워크를 무방향으로 취급하기'를 선택하고 노드 차수를 포함한 위상 매개변수를 계산합니다.
  9. 스타일 패널에서 노드 모양, 색상, 크기 및 기타 외관 설정을 설정하고, 노드 위치를 수동으로 조정하여 명확한 레이아웃을 얻으세요.
  10. PPI 네트워크 이미지를 파일 > '네트워크 이미지 내보내기'> 저장하고, 네트워크 분석 결과는 파일 > '테이블 내보내기'를 통해 내보내>
  11. Excel에서 내보낸 표를 열고, Degree 열의 내림차순으로 정렬한 뒤, 상위 20개의 주요 목표와 그 등급 값을 선택한 뒤, 데이터 라벨이 포함된 막대 차트를 만들고 TIFF 형식으로 내보내세요.

9. KEGG 경로 농축 분석

  1. R을 실행하고 필요한 패키지를 설치하고 로드하는 명령을 입력하세요 (보충 표 3):
    install.packages("BiocManager")
    BiocManager::install(c("clusterProfiler", "org. Hs.eg.db"))
    library(clusterProfiler)
    library(org. Hs.eg.db)
  2. bitr() 함수를 사용하여 ILD-PH 공존 질환 표적의 유전자 심볼을 Entrez ID로 변환합니다. R에서 다음을 입력하자:
    coma_entrez <- bitr(coma_genes, fromType = "SYMBOL", toType = "ENTREZID", OrgDb = org. Hs.eg.db)
  3. enrichKEGG() 함수를 사용하여 다음 매개변수를 사용하여 농축 분석을 수행합니다: 유기체 = "has", pvalueCutoff = 0.05, qvalueCutoff = 0.05. 벤자미니-호흐버그(BH) 방법이 다중 시험 보정에 사용되었습니다. 다음 코드를 입력하세요:
    kegg_result <- enrichKEGG(gene = coma_entrez$ENTREZID,
    유기체 = "가짐",
    pvalueCutoff = 0.05,
    qvalueCutoff = 0.05,
    use_internal_data = 거짓)
    참고: p-값: 원래 p-값으로, 주어진 농축 수준을 관측할 확률을 나타냅니다; q-값: 벤자미니-호흐버그 보정 이후의 FDR(거짓 발견률)으로, 거짓 양성률을 제어합니다. 본 연구에서는 q < 0.05를 유의미한 농축 기준으로 사용했습니다.
  4. "인간 질병"과 "대사"라는 키워드를 사용해 인간 질병과 대사와 관련된 경로를 제거하고 생물학적 과정과 관련된 경로를 유지하세요. 인간 질병 및 대사 경로는 주로 ILD-PH 공존의 섬유증, 염증, 혈관 재형성 기전과 약하게 연관된 질병과 대사 네트워크의 전반적인 메커니즘을 설명합니다. 따라서 주요 신호 경로에 집중하기 위해 이들은 제외되었다. 여기서 소개합니다:
    kegg_result_df <- as.data.frame(kegg_result)
    kegg_filtered <- kegg_result_df[!grepl("인간 질병|대사", kegg_result_df$설명), ]
  5. 경로를 유전자 수에 따라 내림차순으로 정렬하고, 상위 10개 경로를 선택한 후 dotplot() 함수를 사용해 점표를 생성한 후 PNG 형식으로 내보내세요. 여기서 소개합니다:
    top10_pathways <- head(kegg_filtered[order(kegg_filtered$Count, 감소 = TRUE), ], 10)
    dotplot_result <- dotplot(enrichResult(select(top10_pathways)), showCategory = 10)
    ggsave("KEGG_dotplot.png", dotplot_result, 너비 = 8, 높이 = 6, dpi = 300)
  6. 상위 10개 경로와 관련 목표 유전자를 추출하여 2열 표(경로명, 목표 유전자)를 만든 후 탭으로 구분된 TXT 파일로 저장합니다.
  7. 파일을 Cytoscape에 가져오고, 스타일 패널을 통해 경로 노드와 대상 노드 간의 형태와 색상 차이를 설정하고, 레이아웃을 수동으로 다듬은 후 경로-목표 네트워크 이미지20을 내보내세요.

결과

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

데이터 검색 및 스크리닝

총 2,400건의 기록이 Scopus 데이터베이스에서 수집되었고, 696건은 WoSCC 데이터베이스에서 확인되었습니다. 두 데이터셋을 통합하고 533개의 중복 기록을 제거한 후, 총 2,563건의 고유 출판물이 후속 서지 분석을 위해 포함되었습니다(그림 1).

연간 출판 결과 추세

2016년부터 2025년까지 간질성 폐질환 및 폐고혈압 분야의 연간 출판물 생산량은 그림 2에 나타난다. 10년 동안 출판물 수는 변동하는 증가 추세를 보였습니다. 첫 4년간은 비교적 안정적이었으나, 2020–2022년과 2023–2025년에 급격히 상승하여 각각 2022년과 2025년에 두 차례 정점을 찍었습니다. 전체적으로 논문 수는 2016년 142편에서 2025년 402편으로 증가하여 거의 세 배에 달하는 증가를 의미한다(그림 2).

국내 출판물 및 국제 협력

총 20개국이 최소 40편의 논문 기준을 충족했으며, 국가 협력 네트워크 분석에 포함되었습니다. 미국은 출판 생산량과 인용 빈도에서 823편의 출판물과 21,943건의 인용으로 선두를 달렸습니다. 이탈리아가 271편(7,037회 인용)으로 2위를 차지했으며, 프랑스(237편, 8,172회), 영국(231편, 9,764회), 일본(205편, 3,221회)이 그 뒤를 이었습니다. 중국은 185편의 논문과 2,978회의 인용으로 6위를 차지했고, 독일은 184편의 논문과 7,932회의 인용으로 7위를 기록했다(그림 3A, 표 1).

국제 협력 측면에서 총 링크 강도 지표는 미국(총 링크 강도 = 523), 이탈리아(448), 영국(447), 독일(443), 프랑스(405)가 가장 밀접한 협력 관계를 보였음을 보여주었습니다(그림 3B). 협력 네트워크 분석 결과 세 가지 주요 클러스터가 확인되었습니다. 첫 번째 클러스터는 벨기에, 프랑스, 독일, 그리스, 이탈리아, 네덜란드, 폴란드, 스페인, 스위스, 터키 등 10개 유럽 국가로 구성되어 매우 상호 연결된 유럽 연구 네트워크를 형성했습니다. 두 번째 클러스터는 호주, 브라질, 캐나다, 중국, 인도, 일본, 한국, 영국, 미국 등 9개국으로 구성되었습니다. 이 클러스터는 미국을 중심으로 아시아, 미주, 오세아니아의 주요 연구 세력을 통합하여 지역 간 협력 패턴을 제시했습니다. 세 번째 군집에는 오스트리아만 포함되어 비교적 독립적인 협력 패턴을 보였다(그림 3C).

학술지 출판물 및 인용 분석

이 분야에 출판된 학술지 중에서는 Journal of Clinical Medicine(54편), Pulmonary Circulation(53편), Clinical Rheumatology(51편)가 출판량 면에서 가장 높았으며, Chest(IF = 8.6, Q1)와 Frontiers in Immunology(IF = 5.9, Q1)가 생산성 면에서 상위 10개 저널 중 가장 높은 임팩트 팩터를 보였습니다 (그림 4A)). 인용 영향 측면에서 유럽 호흡기 저널(1,885회 인용), 심장 및 폐 이식 저널(1,817회 인용), 유럽 호흡 리뷰(1,600회 인용)가 가장 영향력 있는 학술지로 떠올랐습니다(그림 4B). 저널 공존 네트워크는 호흡기, 류마티스학, 이식 저널 간에 높은 군집 현상을 보여주었으며, ILD와 PH의 동반 질환 관리를 위해서는 다학제적 협력이 필요하다고 밝혔습니다(그림 4C).

저자 출판 결과 및 협업 네트워크

가장 생산적인 저자 중 미국의 네이선 스티븐 D가 45편의 출판으로 선두를 차지했으며, 그 뒤를 로네, 데이비드(27), 코탱, 뱅센트(27), 움베르, 마크(26)를 포함한 프랑스 작가들이 그룹을 이루었으며, 프랑스가 이 분야의 핵심 기여자임을 강조했다(그림 5A, 표 2). 인용 영향 측면에서는 Nathan, Steven D가 2,446회 인용으로 선두를 달렸고, Humbert, Marc(1,675회), Cottin, Vincent(1,347회), Shlobin, Oksana A(1,153회)가 상당한 영향력을 보였으며, 미국과 프랑스가 고인용 저자 명단을 지배했습니다(그림 5B). 저자 협업 네트워크는 총 6개의 클러스터를 확인했습니다. 전반적으로 협력 패턴은 주로 국내 중심이었으며, 국제 협력은 상대적으로 제한적이었습니다(그림 5C).

키워드 동시 발생과 주제 진화

고빈도 키워드 중에서는 "인간", "article"과 같은 일반적인 데이터베이스 인덱스 용어 외에도, "폐 고혈압", "간질성 폐 질환", "전신 경화증"과 같은 질병별 키워드가 중심 위치를 차지하며 이 분야의 주요 연구 주제를 반영했습니다(표 3). 중심성 분석 결과, 치료제(아자티오프린, 코르티코스테로이드 치료), 연구 설계 용어(무작위 대조시험, 임상 논문, 증례 보고서), 증상 기술자(호흡곤랑)와 관련된 용어들이 높은 중심성을 보이며, 병인, 증상, 진단, 치료, 예후 등 다양한 주제를 연결하는 연결 고리 역할을 하였습니다. 전반적으로 이 분야의 연구는 임상 근거, 특히 면역억제 치료와 관련된 임상 연구에 크게 의존합니다(그림 6A, 표 4).

그림 6B에 나타난 인용 폭발이 가장 강한 상위 25개 키워드 분석에 따르면, 연구 초점의 시간적 변화가 관찰될 수 있습니다. 초기 사례에는 "병태생리학"과 "폐 확산 능력"(2016–2020)과 같은 용어가 포함되어 있었고, 중반에는 "감별진단"과 "폐세척"(2018–2022)에 중점을 두었으며, 최근에는 "COVID-19", "피로", "NT-프로BNP", "중환자실"(2021–2025)이 강조되어 기본 기전에서 진단 절차, 바이오마커 식별, 중환자 관리 쪽으로 전환한 것을 반영합니다.

타임라인 뷰는 주요 연구 주제의 시간적 변화를 보여줍니다(그림 6C). 초기 사례(2016–2020)에는 "우선 저널", "병태생리학", "폐 확산 능력", "무작위 대조 시험(주제)", "단층촬영"과 같은 용어가 포함되어 기본적인 병태생리학적 기전과 진단 영상에 중점을 두었습니다. 중기 폭발적인 시기(2018–2022)에는 "감별 진단", "폐 세척", "스테로이드", "실무 지침"이 포함되어 진단 절차와 임상 관리로의 전환을 나타냈습니다. 최근 연구(2021–2025)는 "코로나바이러스 질병 2019", "실험실 검사", "피로", "아미노 말단 뇌 나트륨이뇨펩타이드", "중환자실", "수상자 수술 특성"을 포함하며, COVID-19 관련 영향, 바이오마커 식별, 중환자 치료에 대한 새로운 관심을 보여주었으며, 기본 병태생리학 및 폐 기능 검사에서 임상 평가 도구와 표적 치료법으로의 발전을 보여주었습니다.

참고문헌 공동 인용 분석

참고 인용 네트워크는 16개의 주요 군집을 확인했으며, 가장 큰 군집은 특발성 폐섬유증, 전신경화증, 결합조직 질환, 폐고혈압, 진행성 폐섬유증에 집중되어 이 분야의 핵심 지식 영역을 반영합니다(그림 7A). 가장 자주 인용된 참고문헌은 전신 경화증의 임상적 관리에 관한 연구였으며, 이어서 간질성 폐질환과 관련된 폐고혈압에 대한 흡입 트레프로스티닐의 효능에 관한 연구, 그리고 폐고혈압의 혈역학적 정의 및 임상 분류를 갱신한 연구(4,21,22)). 중간성 측면에서, 전신 경화증 관련 간질성 폐질환에 대해 마이코페놀레이트 모페틸과 경구용 사이클로포스파마이드를 비교한 무작위 대조 시험이 가장 높은 순위를 차지했으며, 그 뒤를 이어 결합조직질환 관련 폐동맥고혈압에 대한 초기 복합요법 연구가 이어졌으며, 이 두 연구가 서로 다른 연구 영역을 연결하는 데 있어 중요한 연결 역할을 함을 보여줍니다23,24 (그림 7B), 표 6). 인용 폭발 분석은 이 분야에서 영향력 있는 연구들의 시간적 진화를 보여주었다: 초기 폭발(2016-2019)에는 특발성 간질성 폐기의 ATS/ERS 분류와 전신 경화증 관련 폐동맥 고혈압 선별을 위한 DETECT 연구가 포함되었다; 중간 시기 폭발(2017-2021)은 2015년 ESC/ERS 폐고혈압 진단 및 치료 지침과 경피증 관련 간질성 폐질환에 대한 SLS II 임상시험을 포함했습니다; 최근 연구(2020-2025)에는 2022년 특발성 폐섬유증에 대한 ATS/ERS/JRS/ALAT 임상 실무 지침과 진행성 섬유화성 간질성 폐질환에서 닌테다니브 연구가 포함됩니다. 이러한 진화는 진단 분류에서 표적 치료 전략으로의 전환을 반영합니다25, 26, 27, 28(그림 7C).

겹치는 유전 표적에 대한 PPI 분석

벤 다이어그램 분석을 통해 ILD와 PH와 관련된 271개의 중복 유전자가 확인되었습니다(그림 8A). 이를 바탕으로 PPI 네트워크가 구축되어 이 공유 표적 간의 기능적 관계를 탐구하였습니다(보충표 4). PPI 네트워크는 271개의 노드와 3,414개의 엣지로 구성되었으며, 평균 노드 차수는 25.2로, 밀집된 상호 연결된 네트워크를 나타냅니다. PPI 네트워크 시각화는 다중 기능 클러스터로 이루어진 매우 상호 연결된 아키텍처를 보여줍니다(그림 8B). 정도 중심성으로 순위가 매겨진 상위 20개 유전자에는 FN1, IL6, TNF, AKT1, EGFR, TGFB1, CTNNB1, IL1B, TP53, MMP9, ALB, STAT3, INS, IL10, CXCL8, CCL2, ICAM1, IFNG, SMAD4, CRP가 포함되어 상호작용 네트워크 내 중심 허브로 부각됩니다(그림 8C). 염증성 및 섬유성 과정이 동반 질환의 후보 동인이 될 수 있으므로, 실험적 검증이 필요합니다. 강화된 경로는 동반질환 메커니즘에 관여하는 잠재적 핵심 후보 경로를 시사합니다.

KEGG 경로 농축 분석

ILD와 PH의 동반 질환의 기능적 기전을 더 명확히 하기 위해, 겹치는 유전적 표적에 대해 KEGG 경로 풍부 분석을 수행하였습니다(보충표 5). 가장 유의미하게 풍부화된 경로로는 PI3K-Akt 신호 전달 경로, 릴랙신 신호 전달 경로, 인테그린 신호 전달 경로, FoxO 신호 전달 경로, 국소 부착, HIF-1 신호 전달 경로, 세포 노화, TGF-베타 신호 전달 경로, MAPK 신호 전달 경로, 그리고 포스폴리파제 D 신호 전달 경로가 포함되었습니다(그림 8D). 경로-표적 네트워크는 이 풍부한 경로와 PPI 네트워크에서 확인된 허브 유전자 간의 상호 연결을 시각화합니다(그림 8E). 특히 AKT1, EGFR, TGFB1, IL6, TNF, FN1과 같은 핵심 유전자가 여러 경로, 특히 PI3K-Akt, MAPK, TGF-beta 신호전달에 관여하는 것으로 밝혀져, 이 경로들이 추가 실험적 또는 임상적 검증이 필요한 후보 메커니즘임을 시사합니다.

프로토콜 검증 및 재현성 체크포인트

프로토콜 검증은 각 모듈이 기대되는 출력을 달성하고 주요 재현성 체크포인트를 충족하는지 확인하는 것을 요구합니다. 서지계량학 모듈의 기대 산출물에는 연간 출판 산출량의 열형 차트, 전국 협력 네트워크 지도, 상위 10개 저널 및 저자 순위표가 포함됩니다. 재현성 체크포인트는 다음과 같습니다: 중복 제거된 기록 수가 원래 검색된 기록의 80% 이상을 차지해야 하며, CiteSpace 데이터 변환이 오류 없이 완료되어야 하며, 주요 국가 노드가 협업 네트워크에서 명확히 구별되어야 합니다. PPI 네트워크 분석 모듈의 예상 출력에는 ≥250개의 노드와 ≥3,000개의 엣지가 포함된 PPI 네트워크 그래프와 등급별로 순위가 매겨진 상위 20개의 허브 유전자 목록이 포함됩니다. 체크포인트는 다음과 같습니다: STRING의 신뢰 임계값을 0.700으로 설정하고, Cytoscape가 계산한 평균 노드 차수는 ≥20이며, 네트워크에 분리된 고립된 노드가 없어야 합니다. KEGG 농축 분석 모듈의 예상 출력은 상위 10개의 유의미 경로의 점플롯과 경로-목표 네트워크 그래프입니다. 체크포인트는 풍부 분석 결과 p < 0.05, q < 0.05를 얻어야 하며, "인간 질병"과 "대사" 범주를 제외한 후 최소 5개의 경로가 남아 있어야 하며, 점플롯이 순위가 상승함에 따라 유전자 수가 명확히 감소하는 추세를 보여야 함을 요구합니다.

figure-results-1
그림 1: 데이터베이스 검색 결과의 벤 다이어그램. 이 도표는 Scopus 및 Web of Science Core Collection(WoSCC) 데이터베이스에서 검색된 기록 수와 중복 기록 제거 수를 보여줍니다. 겹치는 영역은 DOI에서 식별한 중복 기록을 나타내며, 서지 분석에 사용된 최종 고유 기록을 표시합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-2
그림 2: 간질성 폐질환-폐고혈압 연구 산출물 및 인용(2016–2025). ILD 및 PH 연구의 연간 출판물 산출 및 인용 추세 (2016–2025). 막대 그래프는 연간 논문 수를 나타내며, 선 그래프는 누적 인용 빈도를 나타냅니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-3
그림 3: 국가/지역 출판 산출 및 국제 협력. (A) 전국 출판물 및 인용 순위; (B) 국가 간 협력 코드 다이어그램; (C) 국제 협력 네트워크 클러스터. 국가 출판 및 인용 순위, 코드 다이어그램을 통한 국가 간 협력 연계, 국제 협력 네트워크의 클러스터링 패턴이 이 그림에 나타난다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-4
그림 4: 학술지 출판 결과 및 인용. (A) 출판 볼륨 기준 상위 10개 학술지; (B) 인용 영향력 기준 상위 학술지; (C) 저널 동시 발생 네트워크. 출판 수와 인용 횟수 순으로 순위를 매기며, 상위 10개 학술지가 임팩트 팩터와 4분위수를 포함해 제시됩니다. 네트워크는 직관적으로 저널의 출판량과 협력 관계를 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-5
그림 5: 고생산성 저자 협업 네트워크. (A) 생산적인 상위 10명의 저자; (B) 인용 영향력 기준 상위 10명의 저자; (C) 저자 협업 네트워크. 저자는 출판 수와 인용 영향력에 따라 정렬되었습니다. 상위 10명의 저자들의 국가 소속은 웹 오브 사이언스 다운로드된 파일에서 추출되어 도표로 제시되었습니다. 클러스터링 네트워크는 저자와 협업 패턴을 명확하고 직관적으로 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-6
그림 6: 키워드 동시 발생과 주제 진화. (A) 키워드 동시 출현 군집; (B) 상위 25대 버스트 키워드; (C) 키워드 진화 타임라인. 키워드 분석은 g-인덱스를 10으로 설정한 CiteSpace와 무작위 숲 알고리즘을 사용하여 수행되었습니다. 동시 현현 지도는 노드 크기와 색상을 조정하여 생성되었고, 노드들에 대한 클러스터링 분석을 수행하여 클러스터 지도를 얻었습니다. 타임라인 뷰는 주로 지난 10년간의 연구 동향과 변화를 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-7
그림 7: 참고문헌 공동 인용 분석. (A) 공동 인용 문헌의 군집 분석. (B) 고인용 문헌의 공동 인용 네트워크. (C) 가장 강력한 인용 횟수를 가진 상위 20개 참고문헌. 공동 인용 참고문헌 분석은 g-인덱스를 10으로 설정한 CiteSpace와 무작위 포레스트 알고리즘을 사용하여 수행되었습니다. 공동인용 네트워크는 노드 크기와 색상을 조정하여 생성되었고, 노드들에 대한 클러스터 분석을 수행하여 클러스터 지도를 얻어 다양한 주제별 연구 영역을 드러냈습니다. 인용 폭발 탐지는 인용 폭발이 가장 강한 상위 20개 참고문헌과 그 활성 기간을 선정하며, 지난 10년간 연구 핫스팟의 변화를 반영하는 데 중점을 두었습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-8
그림 8: ILD-PH 동반 질환 관련 허브 표적 및 농축 경로의 식별. (A) ILD와 PH와 관련된 중첩 유전자를 보여주는 벤 다이어그램. (B) 단백질-단백질 상호작용(PPI) 네트워크. (C) PPI 네트워크에서 식별된 상위 20개 허브 목표. (D) 겹치는 유전적 표적의 KEGG 경로 풍부 분석. (E) 신호 전달 경로와 그 대상 유전자 간의 연관성을 보여주는 상호작용 네트워크. GeneCards에서 ILD와 PH 표적의 교차점으로 얻은 동반질환 관련 유전자가 얻어졌습니다. STRING을 사용해 PPI 네트워크(신뢰도≥ 0.700)를 구축하고, Cytoscape에서 시각화했으며, 상위 20개 허브를 노드 차례로 선정했습니다. KEGG 농축(q < 0.05, BH 보정)은 인간 질병 및 대사 경로를 제외한 채 수행되었다. 신호 전달 경로와 해당 표적 유전자 간의 연관성을 보여주기 위해 경로-표적 네트워크가 구축되었습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

계급국가문서인용문논문당 평균 인용 횟수총 링크 강도
1미국8232194326.7523
2이탈리아271703726.0448
3프랑스237817234.5407
4영국231976442.3447
5일본205322115.7147
6중국185297816.168
7독일184793243.1443
8캐나다153598239.1282
9스페인133512238.5294
10호주123433435.2217

표 1: 출판 생산량 및 인용 빈도 상위 10개국. 데이터는 2026년 3월 9일 Web of Science Core Collection과 Scopus 데이터베이스에서 수집되었으며, 중복 제거 후 통합되었습니다. 국가는 총 출판물(문서) 수에 따라 순위가 매겨졌습니다. "총 링크 강도"는 VOSviewer 공동 저자 네트워크 내 다른 국가들과의 협력 링크 강도의 합을 나타냅니다. 논문당 평균 인용 수는 인용/문서 수로 계산됩니다.

계급저자문서인용문국가
1네이선, 스티븐 D452446미국
2로니, 데이비드27784프랑스
3코틴, 빈센트271347프랑스
4험베르, 마크261675프랑스
5닉푸르, 만다나22250호주
6알라노어, 야닉21482프랑스
7스티븐스, 웬디20236호주
8에릭 하훌라20706프랑스
9칸나, 디네시20755미국
10프라우드먼, 수잔나17163호주

표 2: ILD 및 PH 분야에서 생산적인 10대 저자 저자들은 총 출판 수에 따라 순위가 매겨졌습니다. 최소 3편 이상의 논문을 가진 저자만 포함되었습니다. 인용 횟수는 데이터셋에서 저자의 논문이 인용된 총 횟수를 나타냅니다. 국가 소속은 검색된 논문에 기록된 저자의 주 소속 기관을 기준으로 합니다.

계급키워드백작
1인간2311
2폐고혈압2289
3간질성 폐질환2201
4기사1719
5인간1544
6여성1444
7남성1410
8성체1276
9중년903
10주요 임상 연구897

표 3: 빈도별 상위 10개 키워드. 키워드는 중복 제거된 데이터셋에서 추출하여 CiteSpace를 사용해 분석했습니다. 빈도는 검색된 문헌의 제목, 초록, 또는 키워드 필드에서 각 키워드가 얼마나 자주 등장하는지를 나타냅니다. 일반적인 색인 용어는 데이터베이스에서 자동으로 할당되며, 특정 연구 초점이 아닌 색인 관행을 반영합니다.

계급키워드중심성
1인간0.95
2기사0.71
3아자티오프린0.44
4임상 특징0.43
5무작위 대조 시험 (주제)0.42
6코르티코스테로이드 치료0.41
7인간0.39
8임상 논문0.35
9증진0.35
10호흡곤란0.28

표 4: 중심성별 상위 10개 키워드. 중심성은 CiteSpace를 사용하여 서로 다른 연구 클러스터 간의 다리 역할을 하는 키워드를 식별하기 위해 계산되었습니다. 중심성 값이 높을수록 연결성이 더 강하고 공존 네트워크에서 더 큰 매개 역할을 나타냅니다.

계급백작인용 문헌
168Khanna D, 2017, 전신 경화증 @ 란셋, V390, P1685-1699
241Thenappan T, 2021, 간질성 폐질환으로 인한 폐고혈압 중 트레프로스티닐 흡입 @ N ENGL JOURNAL MED, V384, P325-334
336Celermajer DS, 2019, 폐고혈압의 혈역학적 정의 및 임상 분류 업데이트 @ EUR RESPIR J, V0, P53
432Cottin V, 2020, 섬유성 폐질환 스펙트럼 @ N ENGL JOURNAL MED, V383, P958-968
529Shlobin OA, 2020, 간질성 폐질환에서 3군 폐고혈압 문제: 진단의 딜레마와 흉부 치료 @ 치료의 딜레마, V158, P1651-1664
627Gahlemann M, 2019, 전신 경화증 관련 간질성 폐질환을 위한 닌테다니브 @ N ENGL JOURNAL MED, V380, P2518-2528
726Cottin V, 2019, 진행성 섬유화성 간질성 폐질환에서 닌테다니브 @ N ENGL JOURNAL MED, V381, P1718-1727
826Richeldi L, 2022, 특발성 폐섬유증(업데이트) 및 성인의 진행성 폐섬유증: 공식 ATS/ERS/JRS/ALAT 임상 진료 지침 @ AM J RESPIR CRIT CARE MED, V205, P0
924Clements PJ, 2016, 경피증 관련 간질성 폐질환(SLS II)에서 마이코페놀레이트 모페틸과 경구용 사이클로포스파마이드: 무작위 대조 이중맹검 병행군 시험 @ LANCET RESPIR MED, V4, P708-719
1023Hoeper MM, 2022, 2022 ESC/ERS 폐고혈압 진단 및 치료 지침 @ EUR HEART J, V43, P3618-3731

표 5: 가장 자주 인용되는 상위 10가지 참고문헌. 인용된 참고문헌은 중복 제거된 데이터셋에서 검색되어 CiteSpace를 사용해 분석되었습니다. "카운트"는 문헌 내에서 참고문헌이 공존 인용되는 빈도를 의미합니다. 공동 인용 횟수가 가장 높은 참고문헌만 표시됩니다.

계급중심성인용 문헌
10.42Clements PJ, 2016, 경피증 관련 간질성 폐질환(SLS II)에서 마이코페놀레이트 모페틸과 경구용 사이클로포스파마이드: 무작위 대조 이중맹검 병행군 시험 @ LANCET RESPIR MED, V4, P708-719
20.41Barbera JA, 2017, 결합조직질환 관련 폐동맥고혈압(CTD-PAH) 환자에서 암브리센탄과 타달라필 초기 병합요법: AMBITION TRIAL @ ANN RHEUM DIS, V76, P1219-1227의 하위 그룹 분석
30.32Hachulla E, 2013, 현대 관리 시대의 전신 경화증 관련 폐동맥 고혈압 생존율 @ ANN RHEUM DIS, 72권, P1940-1946
40.26Visovatti S, 2019, 전신 경화증 @ 관절염 류마티스에서 폐고혈압 및 간질성 폐질환의 유병률 및 결과
50.25Dimopoulos K, 2014, 섬유화된 특발성 간질성 폐렴과 관련된 폐고혈압 내 보센탄 @ AM J RESPIR CRIT CARE MED, V190, P208-217
60.24Smith P, 2021, 간질성 폐질환으로 인한 폐고혈압에서 트레프로스티닐 흡입 @ N. ENGLING. 의학 학문, V384, P325-334
70.24Pausch C, 2022, 특발성 폐동맥고혈압의 표현형분석: 등록 분석 @ LANCET RESPIR MED, V10, P937-948
80.21Cottin V, 2019, 진행성 섬유화성 간질성 폐질환에서 닌테다니브 @ N ENGL JOURNAL MED, V381, P1718-1727
90.21베게티 M, 2016, 2015 폐고혈압 진단 및 치료를 위한 ESC/ERS 지침: 유럽심장학회(ESC)와 유럽호흡기학회(ERS) 폐고혈압 진단 및 치료 합동 태스크포스: 유럽 소아 및 선천성 심장학회(AEPC) @ 국제 심장 및 폐 이식학회(ISHLT) 승인, 너. 하트 J, 67-119쪽
100.21Pope JE, 2018, 전문가들이 제시한 전신성 경화증 치료 알고리즘 @ 관절염 류마틴, V70, P1820-1828

표 6: 중심성 기준 상위 10개 참조. 중심성은 CiteSpace를 사용해 계산되었습니다. 이는 서로 다른 공동 인용 클러스터를 연결하는 다리로서 참고문헌의 중요성을 측정합니다. 높은 수치일수록 참고문헌이 다양한 연구 주제 통합에 핵심적인 역할을 함을 나타냅니다.

보충 표 1: Web of Science Core Collection 및 Scopus의 데이터베이스 검색 매개변수. 이 표는 문헌 검색 과정에서 적용된 데이터베이스 버전, 접근 날짜, 검색 필드, 날짜 범위, 문서 유형, 언어 제한 및 주제 영역 필터를 상세히 설명합니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

보충표 2: 중복 제거 전후로 Web of Science와 Scopus에서 확인한 전체 문헌 기록. 이 표는 Web of Science Core Collection과 Scopus에서 확인된 모든 문서의 완전한 내출 기록을 보여줍니다. 표는 세 개의 섹션으로 구성되어 있습니다: WoSCC 단독 기록, Scopus 단독 기록, 그리고 중복 제거된 병합 목록. 중복 기록은 DOI에 따라 식별되어 삭제되었습니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

보충 표 3: 본 연구에서 데이터 처리, 분석 및 시각화에 사용되는 R 스크립트. 이 표는 본 연구에서 사용된 모든 R 스크립트를 나열하며, 여기에는 서지 측정 분석, 데이터 병합 및 중복 제거, 벤 다이어그램 생성, 교차하는 유전자를 위한 통계 및 플롯 작업을 포함합니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

보충 표 4: 단백질-단백질 상호작용(PPI) 원시 데이터. 이 표는 STRING 데이터베이스에서 다운로드하여 PPI 분석 단계에서 시각화한 구체적인 데이터를 보여줍니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

보충표 5: 본 연구를 위해 수집한 KEGG 경로의 상세 원시 데이터. 이 표는 KEGG(교토 유전자 및 유전체 백과사전) 경로 풍부화 분석의 완전한 원시 데이터를 제공하며, 경로 ID, 경로명, 경로에 매핑된 입력 유전자 수, 관련 유전자 목록, 구체적인 풍부 매개변수를 포함합니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

토론

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 연구는 ILD와 PH의 동반 질환을 탐구하기 위해 서지계량학과 생물정보학을 통합적으로 적용한 최초의 사례입니다. 지난 10년간 이 분야의 발달 경로, 지식 구조, 최첨단 동향을 체계적으로 검토하고, 이 공존 상태를 분자 수준에서 기저화하는 허브 유전자와 주요 신호 전달 경로를 규명합니다. 거시적 추세 관점에서 볼 때, 이 분야의 연간 논문 수는 2016년 142편에서 2025년 402편으로 증가했으며, 이는 ILD-PH 동반 질환에 대한 학문적 관심이 지속적으로 증가한 것을 반영합니다. 2020년부터 2022년, 2023년부터 2025년까지 두 시기에 상당한 급증이 관찰되었습니다. 2020년경의 성장 전환점은 COVID-19 팬데믹과 겹쳤으며; 팬데믹이 ILD와 pH를 유발하거나 악화시켜 간접적으로 관련 연구의 급증을 촉진했을 가능성도 있습니다. 2022년부터 2023년까지의 정점은 PH-ILD 치료 방법의 탐구, 검증 및 예비 임상 적용이 증가한 데 기인할 수 있습니다 29,30,31. 후자의 급증은 새로운 표적 치료법의 개발과 인공지능의 진단 적용 때문일 수 있다 32,33,34.

국가 기여와 국제 협력 측면에서는 미국이 823편의 논문과 21,943회 인용으로 선두를 차지했습니다. 산출량뿐만 아니라 국제 협력 네트워크에서 다른 국가들보다 훨씬 높은 총 연계 강도를 차지해 광범위한 협력 네트워크를 형성하는 데 있어 중심적 위치가 반영됩니다. 이탈리아, 프랑스, 영국을 포함한 유럽 국가들도 밀접하게 그 뒤를 이어 긴밀히 협력하는 매우 상호 연결된 연구 클러스터를 형성했습니다. 아시아 국가 중에서는 일본과 중국이 각각 출판 수에서 5위와 6위를 기록했으나, 논문당 인용 횟수는 독일과 프랑스 등 유럽 국가들에 비해 현저히 낮아 이 분야에서의 학문적 영향력이 더욱 개선될 필요가 있음을 시사한다. 학술지 배포 측면에서 유럽 호흡기 저널(European Respiratory Journal )과 심장 및 폐 이식 저널(Journal of Heart and Lung Transplantation)과 같은 영향력 있는 저널들이 이 분야에서 가장 영향력 있는 연구 결과를 발표하며, 임상 의학 저널(Journal of Clinical Medicine )과 폐 순환(Pulmonary Circulation )과 같은 전문 학술지가 출판물의 대부분을 차지합니다. 이러한 분포 패턴은 이 분야의 연구가 주로 호흡기 전문 학술지에 발표되면서 다학제적 협력이 이루어지고 있음을 보여줍니다. 저자 수준에서는 미국 학자 네이선 스티븐 D가 출판 수와 인용 횟수 모두에서 1위를 차지하며 이 분야에서 가장 영향력 있는 핵심 연구자로 자리매김했습니다. 프랑스 학자 로네, 다비드, 코탱, 뱅상, 앙베르, 마르크는 프랑스를 중심으로 두 번째로 큰 연구 집단을 형성했다. 이 분포는 국가 및 학술지 분석에서 관찰된 미국과 프랑스의 우세와 매우 일치하며, 이 두 국가가 ILD-PH 공존 질환 연구에서 주도적 역할을 하고 있음을 더욱 입증합니다.

이 프로토콜에 서지계량학과 생물정보학을 통합함으로써 두 가지 방법만을 넘어서는 이중 층 분석 프레임워크를 제공합니다. 서지계량학은 문헌에서 거시적 연구 동향, 협업 네트워크, 변화하는 핫스팟을 포착하여 이 분야에 대한 조감도를 제공합니다. 반면 생물정보학은 공개 데이터베이스에서 분자 데이터를 추출하여 후보 유전자, 단백질 상호작용, 그리고 풍부한 경로를 식별합니다. 두 층을 연결함으로써 연구자들은 분자 표적 또는 경로가 신흥 임상 관심사와 일치하는지 평가할 수 있으며, 이를 통해 문헌에 근거하면서도 기전적으로 타당한 가설을 생성할 수 있습니다. 이러한 시너지는 ILD-PH처럼 학제간 통합이 종종 부족한 복잡한 동반 질환에서 특히 가치가 있습니다.

연구 주제의 진화적 궤적과 관련하여, 키워드와 참고문헌의 동시 발생 및 버스트 탐지 분석은 질병 기전 이해에서 진단 및 치료 규범 탐색, 그리고 정밀 관리 및 예후 평가로 나아가는 이 분야의 발전 경로를 보여줍니다. 2016년부터 2020년 사이에 "병태생리학", "폐 확산 능력", "단층촬영"과 같은 버스트 키워드의 등장은 ILD-PH의 병리학적 기전과 폐 기능/영상 평가 방법에 대한 기초 연구를 반영하였습니다. 2018년부터 2022년까지는 "감별 진단", "진료 지침", "스테로이드"와 같은 폭발적인 키워드들이 표준화된 임상 진단과 치료에 주목받았음을 나타냈습니다. 2021년부터 2025년 사이에 "COVID-19", "피로", "NT-proBNP", "중환자실", "수신자 운영 특성"과 같은 폭발적인 키워드가 연구 핫스팟에서 정밀 및 중환자 관리 쪽으로 이동하는 것을 보여주었습니다. 이러한 진화적 경향은 참고문헌 분석에 의해 더욱 뒷받침됩니다. 초기 획기적인 연구들이 특발성 간질성 폐렴 분류와 선별을 위한 DETECT 연구를 포함한 진단 기초를 마련했습니다. 2015년 ESC/ERS 폐고혈압 지침과 같은 중간 지침 문서들은 진단과 치료의 표준화를 촉진했습니다. 최근에는 업데이트된 IPF 임상 실무 지침과 진행성 섬유화 ILD에서의 닌테다닙 임상시험 등 급격한 출판물이 발표되면서 경험적 치료에서 표적 정밀 중재로의 전환이 나타났습니다.

분자 기전 수준에서 생물정보학 분석을 통해 271개의 ILD-PH 동반 질환 관련 유전자가 확인되었고, 이후 네트워크 분석을 통해 이 동반질환의 분자적 기초가 밝혀졌습니다. PPI 네트워크는 FN1, IL6, TNF, AKT1, EGFR, STAT1을 포함한 20개의 핵심 유전자 간 높은 연결성을 보여주었습니다. 이 중 FN1은 세포외기질(ECM)의 핵심 구성 요소로,35, 36, 37 매트릭스 조립과 재형성에 참여합니다. ILD에서의 섬유화 과정은 과도한 ECM 침착을 초래할 수 있으며, 이는 기계전달과 성장인자 격리를 통해 폐혈관 재형성을 유발할 것으로 추정됩니다. IL6, TNF, IL1B와 같은 염증 인자는 ILD의 염증 손상을 유발할 뿐만 아니라, 내피 세포를 활성화하고 평활근 증식을 촉진함으로써 PH의 시작과 진행에 관여할 수 있습니다 38,39,40,41. KEGG 경로 풍부화 분석은 이 핵심 유전자들을 PI3K-Akt, TGF-β, MAPK, HIF-1, 인테그린 신호 전달 경로 등 중요한 신호 전달 네트워크에 추가로 매핑하였습니다. 이 경로들은 폐섬유증과 폐고혈압의 발병 기전에 관여하는 것으로 이미 입증되었습니다. 구체적으로, TGF-β 신호 전달 경로는 폐섬유증과 혈관 재형성에 관여하며, ILD와 PH 42,43,44를 연결하는 핵심 분자 다리 역할을 합니다; HIF-1 신호 전달 경로는 혈관 수축과 혈관 재형성을 조절합니다45,46; 그리고 PI3K-Akt는 세포 생존, 증식, 염증에 널리 관여하고 있습니다 47,48,49. 위의 생물정보학 분석을 바탕으로 본 연구는 ILD와 PH가 여러 신호 전달 경로를 공유하는 활성화를 공유할 수 있음을 예비적으로 시사합니다. 향후 연구는 다음 방향에 집중해야 합니다: 첫째, IPF-PH 및 CTD-ILD-PH와 같은 서로 다른 하위 그룹의 분자 특성을 포함한 ILD-PH 공존의 하위 유형 계층화 메커니즘 탐구; 둘째, 동반 질환에 대한 표적 약물 개발과 임상 번역 촉진; 셋째, 글로벌 다센터 협력 네트워크 구축 강화.

이 프로토콜의 실용적 재현성을 높이기 위해, 본 연구는 문제가 발생할 수 있는 다음 단계들을 논의합니다. 첫째, 서로 다른 데이터베이스가 일관되지 않은 필드 태그나 파일 형식을 사용할 때 데이터베이스 내보내기 호환성 문제가 발생할 수 있습니다. Web of Science의 경우 "Full Record and Cited References", Scopus의 경우 "모든 가용 필드가 포함된 CSV 내보내기"와 같은 표준화된 태그 세트와 함께 평문 형식으로 기록을 내보내는 것을 권장합니다. 둘째, 중복 매칭 충돌은 DOI가 누락되었거나 여백이나 소문자 같은 사소한 변형이 있을 때 자주 발생합니다. 우리 프로토콜은 DOI를 주요 중복 제거 키로 사용합니다. 기록에 DOI가 없다면, 제목, 저자명, 출판 연도, 저널을 결합한 복합 키를 사용하세요. 일관성 없는 서식으로 인한 불일치는 구두점을 제거하고 소문자로 변환하며 공백을 잘라내는 문자열 정규화 단계를 적용하세요. 셋째, STRING의 결합 점수 컷오프나 차별 발현의 p-값 및 logFC 컷오프와 같은 생물정보학 분석에서의 임계치 민감도는 결과적인 PPI 네트워크와 허브 유전자 목록에 강한 영향을 미칠 수 있습니다. 불안정성이 관찰되면 보다 보수적인 임계값을 선택하거나 여러 데이터베이스의 증거를 통합하세요. 넷째, KEGG 필터링 및 출력 오류는 경로 주석이 누락되거나 업데이트된 경로 지도를 가져오지 못하는 것으로 나타날 수 있습니다. 이는 주로 오래된 KEGG API 버전이나 잘못된 생물체 코드 때문입니다. clusterProfiler와 같은 최신 버전의 풍부화 도구가 설치되어 있고, 유기체 매개변수가 올바르게 설정되어 있는지 확인하세요. 예를 들어, 인간의 경우 "has"가 설정되어 있습니다. 출력에 매핑된 유전자가 없는 경로가 포함되어 있다면, 입력 유전자 식별자가 주석 데이터베이스 버전과 일치하는지 확인하세요. 이러한 조정을 시도함으로써 연구자들은 해당 문제를 예비적으로 식별하고 해결할 수 있습니다.

전반적으로 이 프로토콜은 서지계량학을 통한 거시적 핫스팟 식별과 생물정보학을 통한 동반질환 표적 마이닝을 결합하여 동반질환 연구에 유용한 통찰을 제공할 수 있습니다. 그럼에도 불구하고, 이 프로토콜에는 몇 가지 한계가 있음을 인정해야 합니다. 재현성과 관련해, 이 프레임워크가 다른 질병 동반질환에 적용되는 가능성은 데이터베이스 커버리지, 검색 전략, 질병 용어, 관련 분자 데이터셋의 가용성 등 요인에 따라 달라질 수 있습니다. 서지 측정 요소는 비영어 논문을 제외하여 지식 지도의 포괄성을 제한할 수 있습니다. 생물정보학 구성 요소는 이질적인 데이터 소스와 샘플 구성을 가진 공개 데이터베이스에 의존하여, 결과의 재현성과 데이터셋 간 일관성에 영향을 줄 수 있습니다. 또한 데이터베이스 업데이트 날짜도 결과에 영향을 미칠 수 있습니다. 마지막으로, 모든 생물정보학 발견은 인과관계보다는 연관 및 가설 생성에 가깝으며, 새로운 연구 질문에 적용하기 위해서는 동물 모델이나 임상 코호트 연구를 통한 추가 검증이 여전히 필요합니다.

공개 사항

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

저자들은 이 연구에서 이해 상충이 없다고 보고했습니다.

감사의 글

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

저자들은 비전염성 만성 질환-국가 과학기술주 프로젝트(2024ZD0522300, 2024ZD0522301)와 중국의학과학원 비영리 중앙연구소기금(2022-ZHCH330-01)의 재정 지원에 감사드립니다.

재료

```html

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
Bibliometric Online Analysis PlatformK-Synth Srl (Bibliometric)https://bibliometric.com온라인 분석 플랫폼; 모듈: 국가 관계; 국가 협력 코드 다이어그램 생성; 2026년 3월 10일 접근
CiteSpaceDrexel University6.4.R1비블리오메트릭 분석; 시간 슬라이싱: 2016–2025; 노드 유형: 키워드, 참조; 가지치기: Pathfinder + Pruning sliced networks
clusterProfiler (R 패키지)Guangchuang Yu et al.4.13.2KEGG 강화 분석; 임계값: p < 0.05, q < 0.2
CytoscapeCytoscape Consortium3.10.3네트워크 시각화 및 분석; 플러그인: CytoHubba; 알고리즘: 정도 중심성; 허브 유전자 식별에 사용
GeneCardsWeizmann Institute of Sciencehttps://www.genecards.org유전자 정보 데이터베이스; 데이터베이스 버전 5.22; 2026년 3월 12일 접근; 필터링 기준: 관련성 점수 ≥ 1
Journal Citation Reports (JCR)Clarivate Analyticshttps://jcr.clarivate.com저널 임팩트 팩터 및 사분면 검색; 2026년 3월 9일 접근
KEGGKyoto Encyclopedia of Genes and Genomeshttps://www.kegg.jp경로 데이터베이스; 2026년 3월 13일 클러스터프로파일러 API를 통해 접근; 종: hsa
MeSH DatabaseNational Library of Medicine (NLM)https://meshb.nlm.nih.govMeSH 용어 검색 데이터베이스; 2026년 3월 9일 접근; 검색 전략 구성에 사용
Microsoft ExcelMicrosoft Corporation16.88 (Microsoft 365)데이터 통계 및 차트 생성; 간행물 카운트, 중복 제거, 차트 플로팅에 사용
org.Hs.eg.db (R 패키지)Bioconductor Core Team3.20.0인간 게놈 주석 데이터베이스; 유전자 ID 변환에 사용
RR Core Team4.4.2통계 컴퓨팅 및 플로팅 환경; 실행 날짜: 2026년 3월 13일
Scimago GraphicaScimago Lab2시각화 도구; 레이아웃: 지도 투영; 에지 곡률: 0.5; 색상 매핑: 클러스터별
ScopusElsevierhttps://www.scopus.com문헌 검색 데이터베이스; Elsevier Scopus 2026 완전판; 검색 날짜: 2026년 3월 9일
STRINGEMBL12.0 / https://cn.string-db.org단백질-단백질 상호작용 데이터베이스; 2026년 3월 12일 접근; 상호작용 점수 임계값: 0.7 (높은 신뢰도); 네트워크 유형: 물리적 + 기능적
VOSviewerLeiden University1.6.20비블리오메트릭 분석; 공동 저자로 분석 유형; 정규화 방법: 연관 강도
Web of Science Core CollectionClarivate Analyticshttps://www.webofscience.com문헌 검색 데이터베이스; SCIE 및 SSCI 서브 데이터베이스 포함; 검색 날짜: 2026년 3월 9일
```

참고문헌

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Wijsenbeek M, Suzuki A, Maher TM. Interstitial lung diseases. Lancet. 2022;400(10354):769-786.
  2. Maher TM. Interstitial Lung Disease: A Review. JAMA. 2024;331(19):1655-1665.
  3. King CS, Shlobin OA. The Trouble With Group 3 Pulmonary Hypertension in Interstitial Lung Disease: Dilemmas in Diagnosis and the Conundrum of Treatment. Chest. 2020;158(4):1651-1664.
  4. Waxman A, et al. Inhaled Treprostinil in Pulmonary Hypertension Due to Interstitial Lung Disease. N Engl J Med. 2021;384(4):325-334.
  5. Rutland C, et al. Pulmonary Hypertension Associated with Interstitial Lung Disease: Screening and Epidemiology. ATS Sch. 2025;6(4):521-522.
  6. Ang HL, et al. Pulmonary Hypertension in Interstitial Lung Disease: A Systematic Review and Meta-Analysis. Chest. 2024;166(4):778-792.
  7. Nathan SD, et al. Pulmonary hypertension in chronic lung disease and hypoxia. Eur Respir J. 2019;53(1):1801914.
  8. King CS, Nathan SD. Pulmonary hypertension due to interstitial lung disease. Curr Opin Pulm Med. 2019;25(5):459-467.
  9. Shlobin OA, et al. Pulmonary hypertension associated with lung diseases. Eur Respir J. 2024;64(4):2401200.
  10. Olsson KM, et al. Pulmonary hypertension associated with lung disease: new insights into pathomechanisms, diagnosis, and management. Lancet Respir Med. 2023;11(9):820-835.
  11. van den Bosch L, Luppi F, Ferrara G, Mura M. Immunomodulatory treatment of interstitial lung disease. Ther Adv Respir Dis. 2022;16:17534666221117002.
  12. Kattih Z, Kim HC, Aryal S, Nathan SD. Review of the Diagnosis and Management of Pulmonary Hypertension Associated with Interstitial Lung Disease (ILD-PH). J Clin Med. 2025;14(6):2029.
  13. 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;18:6755-6771.
  14. Zhao Y, Chen GY, Fang M. Research Trends of Rheumatoid Arthritis and Depression from 2019 to 2023: A Bibliometric Analysis. J Multidiscip Healthc. 2024;17:4465-4474.
  15. Chen GY, et al. Mechanisms of Total Glucosides of Paeony in Alleviating Methotrexate-Induced Liver Injury. Drug Des Devel Ther. 2025;19:3407-3423.
  16. Arruda H, et al. VOSviewer and Bibliometrix. J Med Libr Assoc. 2022;110(3):392-395.
  17. Stelzer G, et al. The GeneCards Suite: From Gene Data Mining to Disease Genome Sequence Analyses. Curr Protoc Bioinformatics. 2016;54:1.30.1-1.30.33.
  18. Szklarczyk D, et al. The STRING database in 2023: protein-protein association networks and functional enrichment analyses for any sequenced genome of interest. Nucleic Acids Res. 2023;51(D1):D638-D646.
  19. Szklarczyk D, et al. The STRING database in 2025: protein networks with directionality of regulation. Nucleic Acids Res. 2025;53(D1):D730-D737.
  20. Kanehisa M, Goto S. KEGG: kyoto encyclopedia of genes and genomes. Nucleic Acids Res. 2000;28(1):27-30.
  21. Denton CP, Khanna D. Systemic sclerosis. Lancet. 2017;390(10103):1685-1699.
  22. Simonneau G, et al. Haemodynamic definitions and updated clinical classification of pulmonary hypertension. Eur Respir J. 2019;53(1):1801913.
  23. Tashkin DP, et al. Scleroderma Lung Study II Investigators. Mycophenolate mofetil versus oral cyclophosphamide in scleroderma-related interstitial lung disease (SLS II): a randomized controlled, double-blind, parallel group trial. Lancet Respir Med. 2016;4(9):708-719.
  24. Kuwana M, et al. Initial combination therapy of ambrisentan and tadalafil in connective tissue disease-associated pulmonary arterial hypertension (CTD-PAH) in the modified intention-to-treat population of the AMBITION study: post hoc analysis. Ann Rheum Dis. 2020;79(5):626-634.
  25. Travis WD, et al. An official American Thoracic Society/European Respiratory Society statement: Update of the international multidisciplinary classification of the idiopathic interstitial pneumonias. Am J Respir Crit Care Med. 2013;188(6):733-748.
  26. Visovatti SH, et al. Borderline pulmonary arterial pressure in systemic sclerosis patients: a post-hoc analysis of the DETECT study. Arthritis Res Ther. 2014;16(6):493.
  27. Subias PE; SEC Working Group for ESC/ERS 2015 Guidelines for Diagnosis and Treatment of Pulmonary Hypertension; Expert Reviewers for ESC/ERS 2015 Guidelines for Diagnosis and Treatment of Pulmonary Hypertension; SEC Guidelines Committee. Comments on the 2015 ESC/ERS Guidelines for the Diagnosis and Treatment of Pulmonary Hypertension. Rev Esp Cardiol (Engl Ed). 2016;69(2):102-8.
  28. Raghu G, et al. Idiopathic Pulmonary Fibrosis (an Update) and Progressive Pulmonary Fibrosis in Adults: An Official ATS/ERS/JRS/ALAT Clinical Practice Guideline. Am J Respir Crit Care Med. 2022;205(9):e18-e47.
  29. Valenzuela C, Waterer G, Raghu G. Interstitial lung disease before and after COVID-19: a double threat? Eur Respir J. 2021;58(6):2101956.
  30. DeDent AM, Farrand E. Vaccine-induced interstitial lung disease: a rare reaction to COVID-19 vaccination. Thorax. 2022;77(1):9-10.
  31. Wells AU, Devaraj A, Desai SR. Interstitial Lung Disease after COVID-19 Infection: A Catalog of Uncertainties. Radiology. 2021;299(1):E216-E218.
  32. Hyldgaard C, et al. Immunomodulatory treatment in unclassifiable interstitial lung disease: A retrospective study of treatment response. Respirology. 2023;28(4):373-379.
  33. Ma H, et al. Editorial: Regulatory immune cells in organ transplantation. Front Immunol. 2024;15:1383563.
  34. Carbone RG, et al. Future perspectives in interstitial lung disease: state of the art. Eur Rev Med Pharmacol Sci. 2025;29(3):123-134.
  35. Nishio J, et al. Fibronectin 1 (FN1)-rearranged Mesenchymal Neoplasms: An Updated Review. Cancer Genomics Proteomics. 2026;23(2):156-168.
  36. Wang C, et al. Discovery of an EGFR tyrosine kinase inhibitor from Ilex latifolia in breast cancer therapy. Bioorg Med Chem Lett. 2019;29:1282-1290.
  37. Zeng Y, et al. Fisetin micelles precisely exhibit a radiosensitization effect by inhibiting PDGFRβ/STAT1/STAT3/Bcl-2 signaling pathway in the tumor. Chin Chem Lett. 2025;36:109734.
  38. Behr J, et al. The Role of Inflammation and Fibrosis in Interstitial Lung Disease Treatment Decisions. Am J Respir Crit Care Med. 2024;210(4):392-400.
  39. Montero P, Milara J, Roger I, Cortijo J. Role of JAK/STAT in Interstitial Lung Diseases; Molecular and Cellular Mechanisms. Int J Mol Sci. 2021;22(12):6211.
  40. Stancil IT, et al. Interleukin-6-dependent epithelial fluidization initiates fibrotic lung remodeling. Sci Transl Med. 2022;14(654):eabo5254.
  41. Rastrick J, Birrell M. The role of the inflammasome in fibrotic respiratory diseases. Minerva Med. 2014;105(1):9-23.
  42. Liu Y, et al. Nerandomilast Improves Bleomycin-Induced Systemic Sclerosis-Associated Interstitial Lung Disease in Mice by Regulating the TGF-β1 Pathway. Inflammation. 2025;48(4):1760-1774.
  43. Wollin L, et al. Mode of action of nintedanib in the treatment of idiopathic pulmonary fibrosis. Eur Respir J. 2015;45(5):1434-45.
  44. Sitbon O, et al. Drugs targeting novel pathways in pulmonary arterial hypertension. Eur Respir J. 2025;66(2):2401830.
  45. Luo Y, et al. CD146-HIF-1α hypoxic reprogramming drives vascular remodeling and pulmonary arterial hypertension. Nat Commun. 2019;10(1):3551.
  46. Lei W, et al. Expression and analyses of the HIF-1 pathway in the lungs of humans with pulmonary arterial hypertension. Mol Med Rep. 2016;14(5):4383-4390.
  47. Wang J, et al. Targeting PI3K/AKT signaling for treatment of idiopathic pulmonary fibrosis. Acta Pharm Sin B. 2022;12(1):18-32.
  48. Bhatt J, Ghigo A, Hirsch E. PI3K/Akt in IPF: untangling fibrosis and charting therapies. Front Immunol. 2025;16:1549277.
  49. Zhu M, et al. Fibroblast Activation Protein Promotes Pulmonary Artery Hypertension via Activation of the PTEN/PI3K/Akt Pathway. J Cardiovasc Pharmacol. 2025;86(4):391-407.

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

태그

234234

관련 논문