Artykuł badawczy

Macrophages in Systemic Lupus Erythematosus: A Bibliometric Analysis of Research Trends and Emerging Frontiers

DOI:

10.3791/72238

⸱

11 sierpnia 2026

 ,  ,  ,  ,  ,  ,  ,  , 
1Qihuang School, Beijing University of Chinese Medicine, 2Department of Rheumatology and Immunology, First Teaching Hospital of Tianjin University of Traditional Chinese Medicine, 3College of Basic Medical Sciences, Zhejiang Chinese Medical University, 4Department of Rheumatology and Immunology, Ruijin Hospital, 5Nephrology Center, First Affiliated Hospital of Xinjiang Medical University, 6Division of Nephrology, Tongji Hospital, 7Tongji Medical College and State Key Laboratory for Diagnosis and Treatment of Severe Zoonotic Infectious Diseases, Huazhong University of Science and Technology, 8Shenzhen Institute of Translational Medicine, Shenzhen Second People's Hospital, 9Department of Traditional Chinese Medicine Rheumatology, China-Japan Friendship Hospital, 10Department of Nephrology, China-Japan Friendship Hospital

W tym artykule

Podsumowanie

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

This study systematically delineates the research landscape and evolving frontiers of the field of systemic lupus erythematosus and macrophages from 2016 to 2025 using bibliometric analysis.

Streszczenie

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

This study systematically analyzed 1,197 articles on the role of macrophages in systemic lupus erythematosus (SLE) published from 2016 to 2025 using bibliometric methods based on the Web of Science Core Collection. The analysis examined publication trends, collaborative networks, research themes, and the knowledge base to elucidate the current research landscape, core research forces, and frontier evolution in this field. The number of publications peaked at 154 in 2022, while annual citations increased overall from 184 in 2016 to 9,030 in 2025, indicating active and impactful research. China ranked first in publication volume (379 articles), whereas the United States led in total citations (18,838) and international collaboration centrality. Shanghai Jiao Tong University and Karolinska Institutet were the most productive institutions, with 23 articles each. Frontiers in Immunology (impact factor = 5.9; Journal Citation Reports quartile 1) was the most productive journal. Keyword timeline clustering identified 13 major research themes, including key components of innate immunity such as neutrophil extracellular traps, dendritic cells, and Toll-like receptors, as well as adaptive immunity involving T cells, B cells, and plasmacytoid dendritic cells. These themes also included core mechanisms such as macrophage polarization, the NOD-like receptor family pyrin domain-containing 3 (NLRP3) inflammasome, and apoptotic cell clearance, along with clinical hotspots such as lupus nephritis, macrophage activation syndrome, and rheumatoid arthritis. The evolution of research hotspots reflects a progression from early basic mechanisms of apoptotic cell and immune complex clearance to refined regulation of cytokines, innate immunity, and adaptive immunity, and finally to studies of signaling pathway-targeted therapy, clinical management, and multicenter validation, with “pathway” and “multicenter diagnosis” standing out as current research frontiers.

Wprowadzenie

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

Systemic lupus erythematosus (SLE) is a chronic autoimmune disease characterized by the production of autoantibodies, immune complex deposition, and multi-organ inflammation1,2. Despite substantial advances in diagnostic approaches and therapeutic strategies over recent decades, SLE continues to cause severe damage to the kidneys, hematological system, and central nervous system3,4,5. Existing treatments, including glucocorticoids, immunosuppressants, and biologic agents, generally have limited therapeutic efficacy and are associated with adverse effects to varying degrees6,7,8. Cell engineering strategies, such as chimeric antigen receptor T (CAR-T) cell therapy, have shown the potential to achieve durable drug-free remission in SLE through deep depletion of autoreactive B cells9,10,11. As key members of the innate immune system, macrophages perform crucial functions in immune complex clearance, efferocytosis of apoptotic cells, and cytokine secretion, thereby maintaining immune homeostasis11,12. Accumulating evidence indicates that multiple forms of macrophage dysfunction are implicated in SLE pathogenesis13,14,15. Dysregulated macrophage polarization into proinflammatory M1 versus anti-inflammatory M2 phenotypes has been consistently observed in lupus nephritis, where M1 macrophages promote tissue damage while M2 macrophages contribute to tissue repair as well as fibrotic remodeling16,17. Excessive formation of neutrophil extracellular traps (NETs) and aberrant activation of interferon signaling pathways further amplify macrophage-mediated inflammatory responses18,19,20. Consequently, macrophage dysfunction has emerged not only as a central node in SLE pathogenesis but also as a promising therapeutic target21.

The past decade has witnessed a rapid expansion of publications focusing on the role of macrophages in SLE, spanning diverse research directions, including efferocytosis, NETosis, macrophage polarization, metabolic reprogramming, and targeted modulation of signaling pathways22,23,24,25,26. However, the burgeoning literature also brings challenges, including fragmented research themes, unclear identification of core research forces, and ambiguous mapping of frontier evolution, underscoring the urgent need for a systematic overview of the current research landscape. Bibliometrics employs mathematical and statistical methods to quantitatively analyze the distributional characteristics and evolutionary patterns of knowledge carriers, providing objective data on publication trends, collaborative networks, research hotspots, and frontier dynamics27,28,29,30,31. While bibliometric approaches have been successfully applied to knowledge mapping in SLE immunotherapy, biomarker discovery, and related fields, bibliometric mapping focused specifically on macrophages in SLE remains limited32,33,34. This study retrieves relevant literature from the Web of Science Core Collection database spanning 2016 to 2025 and employs CiteSpace, VOSviewer, and Scimago Graphica to conduct multidimensional visual analyses. By examining publication outputs, country/region and institutional collaborations, author and journal networks, keyword co-occurrence and timeline clustering, as well as citation burst detection, this study aims to systematically elucidate the current research status, core research forces, thematic evolution, and emerging frontiers in the field of macrophages in SLE, thereby providing an objective knowledge map and directional reference for future investigations.

Protokół

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

No ethical approval or informed consent was required for this study, as all data were derived from publicly available bibliographic records in the Web of Science Core Collection database. No human participants, animals, or clinical samples were involved in this research.

Data acquisition and search strategy

Data were retrieved from the Web of Science Core Collection (WOSCC) database on a single date (April 27, 2026) to ensure data consistency and reproducibility. The search query employed Boolean operators with the following structure: TS=("Lupus Erythematosus, Systemic" OR "Systemic Lupus Erythematosus" OR "Lupus Erythematosus Disseminatus") AND TS=("macrophage*"). Document types were restricted to articles and review articles. The publication period ranged from January 1, 2016, to December 31, 2025. A total of 1,197 valid papers were retained for subsequent bibliometric analysis.

Analytical tools

An analytical pipeline incorporating multiple software packages was used. CiteSpace (Research Resource Identifier [RRID]: SCR_020932) was used for keyword timeline clustering and citation burst analysis35. VOSviewer (RRID: SCR_016598) was used to construct and visualize coauthorship networks for countries/regions, institutions, and authors, and to generate keyword co-occurrence maps36. Scimago Graphica was used to generate country/region collaboration network visualizations from network files exported from VOSviewer37. Basic statistical calculations and figure preparation were performed using WPS Excel and GraphPad Prism (RRID: SCR_002798). The overall bibliometric workflow is illustrated in Figure 1.

Parameter configuration in CiteSpace and VOSviewer

In CiteSpace, the time slice was set from 2016 to 2025 with 1-year intervals. The g-index (k = 10) was selected as the node selection threshold. The Pathfinder pruning algorithm was applied twice: first to simplify each individual time slice network, and again after merging all slices to reduce visual complexity. In VOSviewer, the LinLog/modularity algorithm was chosen for network layout optimization. Node sizes were weighted by document counts or citation frequencies, depending on the specific analysis. For country/region collaboration mapping using Scimago Graphica, node diameters reflected publication volumes, and link thickness represented collaboration intensities between countries.

Wyniki

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

Roczna liczba publikacji

W latach 2016–2025 opublikowano łącznie 1197 artykułów na temat makrofagów w SLE. Roczna liczba publikacji ulegała wahaniom, zaczynając od 112 w 2016 roku, osiągając szczyt na poziomie 154 w 2022 roku, a następnie nieznacznie spadając do 133 w 2025 roku. W tym samym okresie roczna liczba cytowań wzrosła ogółem z 184 do 9030, z niewielkimi wahaniami, co wskazuje na stopniowy wzrost wpływu akademickiego w tej dziedzinie (Rysunek 2).

Wkład krajów/regionów i ponadnarodowe sieci współpracy

W badania nad makrofagami w SLE zaangażowanych było łącznie 76 krajów/regionów. Przedstawiono 10 krajów/regionów o największej liczbie publikacji (Tabela 1). Pierwsze miejsce zajęły Chiny z 379 artykułami (31,7% całości), a następnie Stany Zjednoczone (311 artykułów, 26,0%), Japonia (74 artykuły), Anglia (59 artykułów) i Niemcy (57 artykułów). Pod względem całkowitej liczby cytowań przodowały Stany Zjednoczone z 18 838 cytowaniami, znacznie przewyższając 8 935 cytowań Chin. Co istotne, Anglia, Szwecja i Niemcy wykazały najwyższą średnią liczbę cytowań na artykuł (odpowiednio 66, 64 i 57), co odzwierciedla ich wysoką wartość merytoryczną mimo umiarkowanej liczby publikacji. Całkowita siła powiązań była najwyższa dla Stanów Zjednoczonych (178), a następnie dla Anglii (78) i Niemiec (78), przy czym Chiny znajdowały się blisko z wynikiem 77, co wskazuje na poziom intensywności współpracy międzynarodowej porównywalny z głównymi krajami europejskimi. Wyniki te sugerują, że podczas gdy Stany Zjednoczone zajmują centralną pozycję w globalnej sieci współpracy, zarówno państwa europejskie, jak i Chiny wykazują silną aktywność kolaboracyjną.

W sieci współpracy krajowej/regionalnej zidentyfikowano trzy główne grupy. Pierwsza grupa obejmowała Niemcy, Grecję, Iran, Włochy, Japonię, Holandię i Szwajcarię; druga składała się z Kanady, Francji, Polski, Hiszpanii, Szwecji i Wielkiej Brytanii; a trzecia obejmowała Chiny, Meksyk, Stany Zjednoczone i Australię (Rysunek 3A). Diagram chordowy dodatkowo ujawnia intensywność dwustronnej współpracy pomiędzy najbardziej produktywnymi krajami/regionami, podkreślając dominującą rolę Stanów Zjednoczonych i Chin w powiązaniach współautorstwa (Rysunek 3B). Roczne trendy publikacyjne 10 czołowych krajów/regionów od 2016 do 2025 roku pokazują, że liczba publikacji z Chin rosła stale, wzrastając z 18 artykułów w 2016 roku do 70 artykułów w 2025 roku. Stany Zjednoczone wykazały stosunkowo stabilny, lecz lekko spadkowy trend, zaczynając od 51 artykułów w 2016 roku i kończąc na 21 artykułach w 2025 roku. Japonia, Anglia, Niemcy i inne kraje europejskie utrzymały umiarkowany, lecz stały wkład w ciągu całej dekady. Ogólnie rzecz biorąc, wzorce czasowe ujawniają przesunięcie w przywództwie badawczym: podczas gdy w pierwszych latach dominowały Stany Zjednoczone, w drugiej połowie okresu obserwacji najaktywniejszym kontrybutorem stały się Chiny (Rysunek 3C).

Instytucje badawcze i sieci współpracy

W dziedzinie tej swój wkład wniosło łącznie 417 instytucji. Przedstawiono 10 czołowych instytucji pod względem liczby publikacji (Tabela 2). Sieć współpracy międzyinstytucjonalnej ujawniła pięć głównych klastrów (Rycina 4A). Klaster 1 (czerwony) obejmował 12 instytucji, w tym Harvard Medical School, Brigham & Women’s Hospital, Yale University, University of Washington, University of Michigan oraz Shanghai Jiao Tong University. Klaster 2 (zielony) składał się z dziewięciu instytucji, pochodzących głównie z Chin, takich jak Peking University, Central South University, Sun Yat-sen University oraz University of Hong Kong. Klaster 3 (niebieski) obejmował osiem instytucji, głównie z wschodnich Chin, takich jak Huazhong University of Science and Technology, Nanjing University, Soochow University oraz Southern Medical University. Klaster 4 (żółty) obejmował siedem instytucji, w tym Fudan University, Anhui Medical University, University of Cambridge, Monash University, University of Melbourne, University of Toronto oraz Chulalongkorn University. Klaster 5 (fioletowy) również zawierał siedem instytucji, w tym Chinese Academy of Sciences, University of Chinese Academy of Sciences, Karolinska Institutet, Karolinska University Hospital, Zhejiang Chinese Medical University, Zhejiang University oraz University of Houston.

Uniwersytet Jiao Tong w Szanghaju oraz Karolinska Institutet odnotowały najwyższą liczbę publikacji, publikując po 23 artykuły, a następnie Uniwersytet Sun Yat-sen (21 artykułów), Uniwersytet Nauki i Technologii w Huazhong (20 artykułów) oraz Uniwersytet w Nankinie (20 artykułów). Wśród pierwszej dziesiątki siedem instytucji pochodziło z Chin, natomiast pozostałe trzy to Karolinska Institutet (Szwecja), University of Washington (Stany Zjednoczone) oraz Harvard Medical School (Stany Zjednoczone) (Rysunek 4B). Pod względem liczby cytowań pierwsze miejsce zajął University of Washington z 2095 cytowaniami, a następnie Karolinska Institutet (1929), Harvard Medical School (1265) oraz Central South University (926). Warto zauważyć, że NIAMSD (National Institute of Arthritis and Musculoskeletal and Skin Diseases) opublikował jedynie 13 artykułów, ale zgromadził 2124 cytowania, co odzwierciedla wyjątkowo wysoki wpływ pojedynczej publikacji. Przedstawiono rozkład 10 najbardziej produktywnych instytucji według krajów/regionów. Chiny zdominowały tę listę ośmioma instytucjami, podczas gdy Szwecja i Stany Zjednoczone wniosły po jednej instytucji. Z kolei w przypadku 10 instytucji o największej liczbie cytowań wystąpił inny wzorzec: Stany Zjednoczone wniosły pięć instytucji, Chiny trzy instytucje, mianowicie Central South University, Chińską Akademię Nauk oraz Uniwersytet Sun Yat-sen, Szwecja wniosła Karolinska Institutet, a Kanada University of Toronto (Rysunek 4C). Ta rozbieżność wskazuje, że choć chińskie instytucje przodują pod względem ilości badań, instytucje amerykańskie i europejskie wykazują tendencję do wyższego wpływu pojedynczych artykułów oraz szerszego uznania.

Analiza publikacji w czasopismach i cytowań

W latach 2016–2025 łącznie 417 czasopism opublikowało artykuły na temat makrofagów w SLE. W (Tabeli 3) wymieniono 10 czasopism o największej liczbie publikacji. Na pierwszym miejscu znalazło się Frontiers in Immunology z 108 artykułami, a następnie Lupus (38 artykułów), International Journal of Molecular Sciences (31 artykułów), Journal of Immunology (26 artykułów) oraz Arthritis & Rheumatology (24 artykuły). Pod względem całkowitej liczby cytowań prowadziło również Frontiers in Immunology z 6 104 cytowaniami, co znacznie przewyższało pozostałe czasopisma. Nature Reviews Rheumatology opublikowało jedynie 11 artykułów, ale zgromadziło 1 364 cytowania, co odzwierciedla wysoką wartość wpływu pojedynczej publikacji. Wśród 10 najlepszych czasopism siedem znajdowało się w kwartylu Q1 według Journal Citation Reports (JCR), dwa w Q2 i jedno w Q3. Sieć współcytowań czasopism ujawniła pięć głównych klastrów (Rycina 5A). Klaster 1 obejmował wysokowpływowe czasopisma z zakresu immunologii, takie jak Nature Reviews Rheumatology, Annals of the Rheumatic Diseases, Journal of Autoimmunity oraz Autoimmunity Reviews. Klaster 2 składał się z Frontiers in Immunology, Clinical Immunology, International Immunopharmacology oraz International Journal of Molecular Sciences. Klaster 3 zawierał Journal of Immunology, Proceedings of the National Academy of Sciences, Nature Communications oraz Immunity. Klaster 4 obejmował Arthritis & Rheumatology, Lupus, Pediatric Rheumatology, Rheumatology International, Biomedicines oraz Clinical and Experimental Rheumatology. Klaster 5 składał się z Autoimmunity, Clinical Rheumatology, Frontiers in Medicine oraz International Journal of Life Sciences.

Wykres bąbelkowy ilustruje związek między liczbą publikacji, liczbą cytowań a wskaźnikiem wpływu (impact factor) wśród 10 najaktywniejszych czasopism (Rysunek 5B). Frontiers in Immunology reprezentuje największy bąbelek (najwyższa liczba publikacji i cytowań), a następnie International Journal of Molecular Sciences oraz Arthritis & Rheumatology. Czasopisma o wysokich wskaźnikach wpływu, takie jak Arthritis & Rheumatology (impact factor [IF] = 10.9, Q1) i Autoimmunity Reviews (IF = 8.3, Q1), wykazały umiarkowaną liczbę publikacji, ale wysoką liczbę cytowań. Wykres słupkowy czasopism współcytowanych wyróżnia najbardziej wpływowe źródła pod względem częstotliwości cytowań (Rysunek 5C). Pod względem częstotliwości współcytowań pięć pierwszych czasopism uszeregowano następująco: Journal of Immunology, Frontiers in Immunology, Lupus, Annals of the Rheumatic Diseases oraz Arthritis & Rheumatology. Inne często współcytowane czasopisma to Nature, Nature Immunology, Proceedings of the National Academy of Sciences oraz Immunity. Taki rozkład podkreśla fundamentalną rolę klasycznych czasopism z zakresu immunologii oraz rosnący wpływ czasopism o otwartym dostępie i czasopism specjalistycznych w tej dziedzinie badawczej.

Sieci współpracy autorskiej i analiza wpływu akademickiego

Łącznie 787 autorów wniosło wkład w badania nad makrofagami w dziedzinie SLE. Sieć współpracy autorów została podzielona na pięć głównych klastrów (Rysunek 6A). Klaster 1 obejmował Sun, L.Y. oraz grupę chińskich badaczy koncentrujących się na polaryzacji makrofagów i toczniowym zapaleniu nerek. Klaster 2 tworzyli Kaplan, M.J., Elkon, K.B., Barnes, B.J. oraz Carmona-Rivera, C., reprezentujący silnie powiązaną grupę pracującą nad NETs i efersocytozą. Klaster ten jest zgodny z aktualnymi granicami badań, ponieważ NETosis oraz zaburzone usuwanie komórek apoptotycznych są uznawane za kluczowe czynniki patogenezy SLE. Klaster 3 składał się z Cao, X.T., Lu, Q.J., Zhao, M. i innych, skupiających się na regulacji epigenetycznej i autoimmunizacji. Klaster 4 obejmował Mohan, C., Davidson, A. oraz Putterman, C., którzy w znacznym stopniu przyczynili się do badań nad toczniowym zapaleniem nerek i odkrywania biomarkerów. Klaster 5 zawierał Dong, C., Ji, J. i innych, badających przede wszystkim szlaki sygnalizacyjne związane z makrofagami.

Przedstawiono 10 autorów z największą liczbą publikacji (Rysunek 6B). Pierwsze miejsce zajął Kaplan, M.J. z 12 artykułami, a następnie Mohan, C. (10 artykułów), Deng, G.M. (10 artykułów), Lu, Q.J. (9 artykułów) oraz Sun, L.Y. (8 artykułów). Co istotne, Kaplan, M.J. przodował również pod względem liczby cytowań, osiągając 1 957 cytowań, co znacznie przewyższa wyniki innych autorów. Elkon, K.B. (1 834 cytowania) oraz Carmona‑Rivera, C. (1 410 cytowań) wykazali również wyjątkowo wysoki wpływ w przeliczeniu na jedną publikację. W odniesieniu do rozkładu krajów/regionów wśród najczęściej cytowanych autorów, Stany Zjednoczone przyczyniły się do powstania siedmiu z dziesięciu czołowych prac, natomiast Niemcy (Munoz, L.E.), Chiny (Lu, Q.J.) i Iran (Sahebkar, A.) po jednej (Rysunek 6C). Wzorzec ten wskazuje, że mimo częstego pojawiania się autorów z Chin w rankingu produktywności, badacze z USA obecnie dominują pod względem wpływu akademickiego.

Ogólnie sieć współpracy autorów ujawnia wyraźne społeczności badawcze: jedną skupioną wokół NETs i eferocytozy (Klaster 2) oraz drugą skoncentrowaną na polaryzacji makrofagów i toczniowym zapaleniu nerek (Klaster 1), co odzwierciedla dwa główne aktualne tematy w tej dziedzinie. Wysoka liczba cytowań Kaplan, Elkon i Carmona-Rivera podkreśla rosnące uznanie mechanizmów odporności wrodzonej, w szczególności zapalenia indukowanego przez NET oraz wadliwego usuwania obumierających komórek, jako krytycznych obszarów dla przyszłych interwencji terapeutycznych.

Grupowanie słów kluczowych i ewolucja obszarów badawczych

Sieć współwystępowania słów kluczowych obejmowała 196 węzłów i 254 połączeń, przy gęstości sieci wynoszącej 0,0133 (Rysunek 7A). W Tabeli 4 wymieniono 10 najważniejszych słów kluczowych, uszeregowanych według liczby wystąpień oraz centralności. Najczęstszym słowem kluczowym był termin „systemic lupus erythematosus” (666 wystąpień), a następnie „expression” (186), „activation” (157), „rheumatoid arthritis” (149) oraz „macrophages” (144). Pod względem centralności, która odzwierciedla rolę łącznika słowa kluczowego w sieci badawczej, najwyższe wartości wykazały terminy „autoimmune” (0,31), „autoimmune diseases” (0,30) oraz „macrophage” (0,30), co wskazuje na ich kluczową pozycję w łączeniu zróżnicowanych tematów badawczych w tej dziedzinie. Wśród najczęstszych słów kluczowych znalazł się również zespół aktywacji makrofagów.

Analiza klastrowania linii czasowej słów kluczowych objęła lata 2016–2025. W badaniach na wczesnym etapie (2016–2019) dominowały klastry podstawowe, w tym #6 erythematosus, #9 autoimmune diseases oraz #12 autoimmune disease, koncentrujące się na podstawowych charakterystykach klinicznych i immunologicznych SLE, z kluczowymi słowami takimi jak systemic lupus erythematosus, macrophages oraz inflammation. W latach 2020–2023 priorytety badawcze przesunęły się w stronę klastrów mechanistycznych, w których znaczenie zyskały #1 NETs, #3 lupus nephritis oraz #4 T cells. Centralnymi tematami stały się słowa kluczowe takie jak polarization, regulation oraz NETs, co odzwierciedla rosnącą uwagę poświęcaną interakcjom i mechanizmom regulacyjnym między komórkami odporności wrodzonej a nabytej. W najnowszym okresie (2023–2025) dominującymi stały się wyłaniające się klastry #0 macrophage activation syndrome, #2 gene expression oraz #11 apoptotic cells, co wskazuje na przejście w stronę szczegółowych mechanizmów molekularnych, strategii ukierunkowanego hamowania oraz translacyjnych zastosowań terapeutycznych.

Analiza gwałtownych przyrostów słów kluczowych (Rysunek 7B) pozwoliła zidentyfikować 25 terminów z najsilniejszymi skokami cytowań, co uwidoczniło szybko rosnące priorytety badawcze. Wczesne słowa kluczowe, takie jak apoptotic cells oraz tumor necrosis factor alpha, odzwierciedlały fundamentalne badania nad stanami zapalnymi i śmiercią komórek. Nowsze przyrosty obejmowały terminy apoptosis, risk, management oraz pathway, co wskazuje na przesunięcie w stronę badań translacyjnych, celów terapeutycznych i zastosowań klinicznych. Co istotne, terminy takie jak therapy i pathway utrzymują silne przyrosty do 2025 roku, co sygnalizuje ich status jako aktualnych obszarów badawczych.

Łącznie wyniki statystyczne oraz różnorodne analizy mapowania systematycznie opracowują koncentrację badawczą, strukturę tematyczną i trendy rozwojowe badań nad makrofagami w SLE (Rysunek 7C oraz Tabela 4). Wyniki te ujawniają wyraźną trajektorię – od studiów opisowych funkcji komórek odpornościowych do pogłębionych badań nad szlakami odporności wrodzonej, z coraz większym naciskiem na przekładanie badań podstawowych na nowe strategie terapeutyczne w leczeniu SLE i jego powikłań.

Analiza bibliometryczna cytowań

W sieci współcytowań najczęściej cytowane referencje stanowiły fundamentalne i wysoko wpływowe prace z zakresu immunopatologii SLE, biologii makrofagów oraz powiązanych badań terapeutycznych. Na pierwszym miejscu znalazł się Anders HJ (2020, Nat Rev Dis Primers) z 35 cytowaniami38, a następnie Jing C (2020, Proc Natl Acad Sci USA) z 31 cytowaniami39 oraz Tsokos GC (2016, Nat Rev Rheumatol) z 29 cytowaniami40. Przegląd autorstwa Tsokos GC (2016) opublikowany w Nature Reviews Rheumatology pozostaje kamieniem milowym w tej dziedzinie i jest szeroko cytowany ze względu na zawarty w nim opis patogenezy SLE40. Zidentyfikowano również referencje o wysokiej centralności, które pełnią krytyczną rolę łączącą w sieci wiedzy. Najwyższą centralność (0,69) wykazał Mohammadi S (2017, Lupus)41, a następnie Funes SC (2018, Immunology) (0,67)42. Referencje te łączą wiele kierunków badawczych, wiążąc podstawowe mechanizmy immunologiczne, takie jak polaryzacja makrofagów i aktywacja inflamasomu NLRP3, z manifestacjami klinicznymi, takimi jak toczeń nerkowy i burze cytokinowe (Ryc. 8A).

Analiza skupień zidentyfikowała 13 głównych klastrów tematycznych, odzwierciedlających podstawowe dziedziny wiedzy i społeczności badawcze w tej dyscyplinie. Klastry te obejmowały: #0 zespół aktywacji makrofagów43, #1 apoptozę, #2 limfohistiocytozę hemofagocytową, #3 lactobacillus delbrueckii, #4 choroby autoimmunologiczne, #5 zapalenie nerek toczniowe, #6 mononuklearne komórki krwi obwodowej (PBMCs), #7 metabolizm, #8 inflamasom NLRP3 (NOD-like receptor family pyrin domain-containing 3), #9 interferon typu I, #10 komórki dendrytyczne, #11 burze cytokinowe oraz #12 witaminę D. Klastry te obejmują kluczowe kierunki badań, takie jak aktywacja odporności wrodzonej, zapalna śmierć komórek, dysregulacja cytokin, mechanizmy uszkodzeń narządowych oraz interwencje terapeutyczne, stanowiąc tym samym podstawowe ramy dla badań nad makrofagami w SLE (Rysunek 8B).

Analiza gwałtownych wzrostów cytowań (burst reference analysis) ujawniła dynamiczną ewolucję bazy wiedzy w tej dziedzinie (Rysunek 8C). Pod względem siły wzrostu (burst strength), przegląd autorstwa Tsokos GC (2016) osiągnął wartość 10,4544, z okresem wzrostu od 2018 do 2021 roku, co czyni go najbardziej wpływową referencją w tym czasie. Badanie Lood C (2016) wykazało siłę wzrostu na poziomie 6,23 w latach 2016–2020, co podkreśla trwały wpływ badań nad NETozą. Z perspektywy czasowej, referencje o gwałtownym wzroście cytowań można podzielić na trzy etapy: 2016–2018, zdominowany przez fundamentalne przeglądy immunopatologii SLE oraz wczesne badania mechanistyczne nad dysfunkcją makrofagów44; 2019–2022, skoncentrowany na postępach w dziedzinie odporności wrodzonej, w tym badaniach nad inflamasomami NLRP3, komórkami dendrytycznymi i mechanizmami apoptozy45,46, oraz 2023–2025, charakteryzujący się nowymi badaniami nad burzami cytokinowymi, metabolizmem i interwencjami terapeutycznymi47,48, co odzwierciedla przesunięcie w stronę zastosowań translacyjnych i klinicznych.

Dostępność danych:

Zbiory danych wygenerowane i przeanalizowane w ramach niniejszego badania są obecnie dostępne za pośrednictwem łącza recenzenckiego Science Data Bank: https://www.scidb.cn/en/detail?dataSetId=122808b00b8a4040a775db6bcc8d5a8a.

figure-results-1
Rycina 1: Schematyczny przegląd przepływu pracy bibliometrycznej. Przepływ pracy obejmuje cztery główne etapy: wyszukiwanie literatury z bazy Web of Science Core Collection; przesiewanie i ekstrakcję danych; analizę bibliometryczną z użyciem programów CiteSpace i VOSviewer; oraz wizualizację i interpretację wyników. Skrót: WOSCC = Web of Science Core Collection. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-2
Rycina 2: Roczna liczba publikacji i liczba cytowań w latach 2016–2025. Słupki reprezentują liczbę publikacji na rok, a linia reprezentuje roczną liczbę cytowań. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-3
Rysunek 3: Bibliometryczna analiza krajów/regionów. (A) Sieć współpracy między krajami/regionami. Wielkość węzła reprezentuje liczbę publikacji, kolor węzła oznacza klaster współpracy, a grubość linii odzwierciedla intensywność współpracy. (B) Diagram chordowy ilustrujący siłę i rozkład współpracy pomiędzy głównymi krajami/regionami. (C) Roczna liczba publikacji dla 10 czołowych krajów/regionów w latach 2016–2025. Skróty: UK = Wielka Brytania; USA = Stany Zjednoczone Ameryki. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

figure-results-4
Rysunek 4: Instytucjonalna analiza bibliometryczna. (A) Sieć współpracy instytucjonalnej. Wielkość węzła reprezentuje liczbę publikacji, kolor węzła oznacza klaster współpracy, a grubość połączenia odzwierciedla intensywność współautorstwa. (B) 10 wiodących instytucji pod względem liczby publikacji wraz z przynależnością do kraju/regionu. (C) 10 wiodących instytucji pod względem liczby cytowań wraz z przynależnością do kraju/regionu. Skróty: NIAMSD = National Institute of Arthritis and Musculoskeletal and Skin Diseases; USA = Stany Zjednoczone Ameryki. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

figure-results-5
Rycina 5: Bibliometryczna analiza czasopism. (A) Sieć współcytowań czasopism. Wielkość węzła reprezentuje liczbę publikacji, kolor węzła oznacza klaster czasopism, a grubość połączenia odzwierciedla relacje współcytowania. (B) Wykres bąbelkowy czasopism. Oś x reprezentuje liczbę cytowań, wielkość bąbelka reprezentuje liczbę publikacji, a kolor bąbelka wskazuje współczynnik wpływu. (C) Ranking współcytowanych czasopism. Oś x reprezentuje liczbę cytowań, oś y wymienia nazwy czasopism, a kolor słupka wskazuje współczynnik wpływu. Skróty: IF = impact factor (współczynnik wpływu); JCR = Journal Citation Reports. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

figure-results-6
Rysunek 6: Bibliometryczna analiza autorów. (A) Sieć współpracy autorów. Wielkość węzła reprezentuje liczbę publikacji, kolor węzła oznacza klaster badawczy, a grubość połączeń odzwierciedla siłę współautorstwa. (B) Wykres pierścieniowy 10 autorów z największą liczbą publikacji; wielkość segmentu jest proporcjonalna do liczby publikacji. (C) 10 autorów z największą liczbą cytowań wraz z odpowiadającą im afiliacją krajową/regionalną. Skrót: USA = Stany Zjednoczone Ameryki. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

figure-results-7
Rysunek 7: Bibliometryczna analiza słów kluczowych. (A) Sieć współwystępowania słów kluczowych. Wielkość węzła reprezentuje częstotliwość występowania słowa kluczowego, kolor węzła oznacza klaster tematyczny, a grubość połączenia odzwierciedla siłę współwystępowania. (B) 25 najważniejszych słów kluczowych z najsilniejszymi skokami cytowań (bursts), uszeregowanych według siły skoku; czerwone słupki wskazują okres wystąpienia skoku. (C) Wizualizacja osi czasu słów kluczowych pokazująca ewolucję głównych obszarów badawczych oraz pojawianie się nowych kierunków badań w latach 2016–2025. Skrót: SLE = toczeń rumieniowaty układowy. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

figure-results-8
Rysunek 8: Bibliometryczna analiza referencji. (A) Sieć współcytowań referencji. Wielkość węzła reprezentuje częstotliwość cytowań, kolor węzła oznacza klaster referencji, a połączenia odzwierciedlają relacje współcytowania. (B) Mapa klastrowania referencji grupująca współcytowane prace w klastry tematyczne na podstawie wspólnych wzorców cytowań. (C) 15 najważniejszych referencji o najsilniejszych skokach cytowań (bursts), uszeregowanych według siły skoku; czerwone paski wskazują okres skoku, a niebieska linia reprezentuje okres badania. Skróty: NLRP3 = NOD-like receptor family pyrin domain-containing 3; PBMC = peripheral blood mononuclear cell. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

RangaKraj/regionDokumentyCytowaniaŚrednia liczba cytowań na artykułCałkowita siła powiązań
1Chiny37989352477
2USA3111883861178
3Japonia7415452126
4Anglia5939026678
5Niemcy5732365778
6Włochy3921775638
7Australia3814203733
8Szwecja3321086440
9Francja3014174740
10Korea Południowa307252420

Tabela 1: 10 krajów/regionów o największej całkowitej liczbie publikacji. Kraje/regiony zostały posortowane według liczby publikacji.

MiejsceInstytucjaDokumentyCytowaniaCałkowita siła powiązańKraj/region
1Shanghai Jiao Tong University2330815Chiny
2Karolinska Institutet23192918Szwecja
3Sun Yat-sen University2182126Chiny
4Huazhong University of Science and Technology2038411Chiny
5Nanjing University2051212Chiny
6Chinese Academy of Sciences1885527Chiny
7Central South University1892617Chiny
8University of Washington1720959USA
9Nanjing Medical University1627917Chiny
10Harvard Medical School16126516USA

Tabela 2: 10 wiodących instytucji pod względem całkowitej liczby publikacji.Instytucje zostały posortowane według liczby publikacji.

RangaCzasopismoDokumentyCytowaniaCałkowita siła powiązaniaIFKwartyl JCR
1Frontiers in Immunology10861042215.9Q1
2Lupus38478701.9Q3
3International Journal of Molecular Sciences311028474.9Q1
4Journal of Immunology26585473.4Q2
5Arthritis & Rheumatology249115610.9Q1
6Scientific Reports23526203.9Q1
7Clinical Immunology22487623.8Q2
8International Immunopharmacology21237304.7Q1
9Journal of Autoimmunity18749347.0Q1
10Autoimmunity Reviews16698688.3Q1

Tabela 3: Wolumen publikacji w czasopismach, współczynnik wpływu i ranking kwartylny. Tabela przedstawia liczbę publikacji, współczynniki wpływu oraz kwartyle Journal Citation Reports dla 10 najważniejszych czasopism. Skróty: IF = współczynnik wpływu (impact factor); JCR = Journal Citation Reports.

RangaSłowo kluczowe (częstotliwość)LiczbaSłowo kluczowe (centralność)Centralność
1toczeń rumieniowaty układowy666autoimmunologiczny0.31
2ekspresja186choroby autoimmunologiczne0.30
3aktywacja157makrofag0.30
4reumatoidalne zapalenie stawów149rumieniowaty0.27
5makrofagi144myszy0.27
6choroba112miażdżyca0.26
7zespół aktywacji makrofagów111ekspresja genów0.25
8komórki dendrytyczne108regulatorowe limfocyty T0.24
9limfocyty T101model mysi0.24
10komórki85choroba0.23

Tabela 4: 10 najczęstszych słów kluczowych pod względem częstotliwości i centralności pośrednictwa. Słowa kluczowe o wysokiej częstotliwości wskazują na główne obszary badawcze, natomiast słowa o wysokiej centralności pośrednictwa reprezentują pojęcia łączące wiele motywów.

Dyskusja

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

This bibliometric study systematically delineates the research landscape of macrophages in SLE over the past decade (2016–2025). By analyzing 1,197 publications from the Web of Science Core Collection, we identified global publication trends, collaborative networks, core research forces, thematic evolution, and knowledge base dynamics, thereby providing an objective roadmap for future investigations in this rapidly evolving field.

Over the 10-year study period, annual publications on macrophages in SLE increased modestly from 112 in 2016 to a peak of 154 in 2022, then declined slightly to 133 in 2025. More importantly, annual citation counts increased overall from 184 to 9,030, indicating that despite fluctuations in output, the academic impact of this field has grown substantially. This growth trajectory aligns with the increasing recognition of macrophages as central players in SLE pathogenesis, beyond their traditional roles in immune complex clearance and efferocytosis. The past decade has witnessed landmark discoveries linking macrophage dysfunction to NETosis, type I interferon signatures, and metabolic reprogramming, which have catalyzed research interest49,50,51,52,53. Notably, the peak in 2022 coincides with the publication of several high-impact mechanistic studies and the expansion of biologic therapies targeting innate immune pathways, suggesting that clinical translation has begun to drive basic research.

At the national level, China ranks first in publication volume, serving as the leading contributor worldwide, while the United States leads in total citations and international collaboration centrality. England, Sweden, and Germany, despite moderate publication volumes, exhibit the highest average citations per paper, reflecting their high citation impact. The country/region collaboration network formed three major clusters, with the United States and China appearing in the same major collaboration cluster as Mexico. Although China’s total link strength was moderate, its annual output has steadily increased from 18 to 70 articles over the decade, surpassing that of the United States after 2020. This shift may reflect China’s substantial investment in immunology research and growing collaborative capacity. The top 10 institutions by publication volume are predominantly in China, with domestic collaborations exhibiting distinct regional clustering, particularly among eastern institutions such as Shanghai Jiao Tong University, Sun Yat-sen University, and Huazhong University of Science and Technology. In contrast, the top 10 highly cited institutions are dominated by American and European institutions, such as the University of Washington, Karolinska Institutet, and Harvard Medical School, with NIAMSD achieving exceptionally high impact per paper. Journal analysis identified Frontiers in Immunology as the most productive journal, reflecting the open-access movement’s growing influence in immunology. High-impact subscription journals such as Nature Reviews Rheumatology and Arthritis & Rheumatology published fewer articles but accumulated substantial citations, underscoring their role in shaping the theoretical framework. The co-citation map highlighted Journal of Immunology as the most co-cited source, followed by Frontiers in Immunology and Lupus, illustrating the blend of classic immunology journals and specialty lupus journals that constitute the knowledge base. Author collaboration networks revealed five major clusters. Cluster 2, centered on Kaplan, M.J., Elkon, K.B., and Carmona-Rivera, C., focuses on NETs and efferocytosis—mechanisms that have reshaped our understanding of innate immune dysregulation in SLE54,55. The high citation counts of Kaplan, Elkon, and Carmona-Rivera underscore the field’s growing recognition that defective clearance of dying cells and NET-mediated inflammation are not merely epiphenomena but central pathogenic drivers and therapeutic targets56.

Keyword co-occurrence and timeline clustering analyses reveal that research themes in the field of macrophages in SLE exhibit prominent dynamic evolutionary characteristics. Early research predominantly focused on the fundamental mechanisms of macrophage dysfunction in SLE, with core emphases on macrophage polarization, apoptotic cell clearance, and immune complex handling. Through cluster analysis, 13 major thematic clusters were identified in this field. These multiple clusters systematically interpret the multifaceted regulatory roles of macrophages in innate immune activation, inflammatory cell death, cytokine dysregulation, multi-organ damage, and potential targeted therapeutic interventions. In the early research stage, scholars mainly concentrated on the basic physiological functions of macrophages, especially the clearance of apoptotic cells and circulating immune complexes, as well as the regulatory mechanism of autoimmune tolerance. The landmark discovery of impaired macrophage-mediated efferocytosis in SLE established a critical mechanistic link between macrophage functional defects and autoimmune disease progression55. From 2019 to 2022, the research focus shifted to in-depth mechanistic exploration. Beyond abnormal cell clearance, macrophages were further recognized as core inflammatory amplifiers in SLE, driving persistent inflammatory responses via inflammasome activation and interferon-related positive feedback loops56. Reference burst analysis verified that the landmark NETs research conducted by Lood C (2016) and the authoritative thematic review published by Tsokos GC (2016) maintained strong citation bursts during this period, which were highly consistent with the dynamically changing trend of core keywords in the same period. Meanwhile, metabolism gradually emerged and has attracted sustained attention, indicating that immunometabolic reprogramming of macrophages has become a rising research hotspot in this field. In recent years, the research frontiers of this field have been further updated and expanded, with emerging clusters such as cytokine storms, metabolism, and vitamin D, together with clinically oriented research directions. Among them, “pathway” and “multicenter diagnosis” have become cutting-edge research focuses, indicating that this field is gradually advancing toward targeted pathway therapy and standardized clinical diagnosis. Importantly, not all emerging keywords represent sustained research directions. When distinguishing between transient bursts and long-term trends, we observed that COVID-19-related terms appeared as short-lived phenomena, likely reflecting the temporary research surge during the global pandemic period. In contrast, topics such as macrophage polarization, metabolic reprogramming, and targeted therapy have demonstrated more consistent and lasting traction across the study period, indicating they represent genuine, sustained research frontiers rather than ephemeral hotspots. The high-burst keywords in the latest stage mainly include cytokine storm, metabolic reprogramming, vitamin D, macrophage polarization, and therapeutic target, which fully reflect the latest research priorities. In addition, two emerging exploratory directions have gained attention. One is Lactobacillus delbrueckii, which reflects a growing interest in gut microbiome regulation in SLE57. The other is peripheral blood mononuclear cell (PBMC) molecular signatures, which provide novel noninvasive biomarker ideas for auxiliary diagnosis and condition evaluation of SLE58. Notably, lupus nephritis has remained a persistent research hotspot across all evolutionary stages, fully demonstrating that renal injury, as the most common severe organ complication of SLE, is still the core clinical challenge driving in-depth research on macrophages59. Vitamin D and metabolic reprogramming exhibit high citation-burst intensity, marking them as the most dynamic and promising emerging frontiers in the current research landscape.

Although systematic systems biology research has not yet yielded independent clustering topics in this field, emerging technologies such as single-cell RNA sequencing, multi-omics, and machine learning have been widely applied in high-quality, high-impact publications. Single-cell transcriptomics technology has successfully identified multiple functionally defective macrophage subsets in SLE patients, such as MerTK⁺ phagocytic macrophages, providing a basis for further investigation of disease mechanisms and therapeutic targets for in-depth exploration of disease mechanisms60,61,62,63. The integration of single-cell sequencing, spatial transcriptomics, and other advanced cutting-edge technologies brings new perspectives for revealing the complex pathogenesis of autoimmune injury64,65,66. Reference co-citation analysis further confirms that this field possesses a complete and structured knowledge base. Milestone studies represented by Tsokos GC (2016, Nature Reviews Rheumatology) and Lood C (2016, Nature Medicine) constitute the core theoretical framework of this research domain. Citation burst analysis clearly divides the evolution of the knowledge system into three progressive stages, intuitively reflecting the continuous deepening and innovation of research content in this field.

Despite these advances, several challenges remain. Macrophage heterogeneity in SLE is still poorly characterized. Single-cell RNA sequencing has revealed unexpected subsets, such as the MerTK+ phagocytic macrophages that are defective in SLE patients67. How these subsets differentially contribute to disease initiation, flares, and organ damage requires further investigation68,69. Although targeting macrophages holds therapeutic promise—for example, promoting efferocytosis via peroxisome proliferator-activated receptor gamma (PPARγ) agonists, inhibiting NLRP3 inflammasome with MCC950, or skewing polarization toward M2 phenotypes—most interventions remain preclinical. High-quality, multicenter randomized controlled trials are urgently needed to evaluate macrophage-targeted therapies in SLE. The translation of multi-omics signatures into clinically actionable biomarkers and treatment algorithms remains a gap. Future research should integrate systems biology approaches with rigorous clinical phenotyping to achieve precision medicine for SLE.

This study has several limitations that should be acknowledged. First, the data were sourced exclusively from the Web of Science Core Collection, excluding other databases such as PubMed, Scopus, or Chinese databases (CNKI, Wanfang). This may have introduced selection bias, particularly for regionally significant studies. While WOSCC is widely used for bibliometric analysis, and our findings are generally consistent with previous studies that also relied primarily on WOSCC, inclusion of additional databases such as Scopus or PubMed might have captured a broader range of publications and potentially altered the observed collaboration patterns. Second, our search was restricted to English-language publications, which may have underrepresented important contributions published in other languages, particularly from non-English-speaking countries with active SLE research programs. Third, bibliometric analysis describes external characteristics and co-occurrence relationships but cannot assess the quality, innovation, or clinical validity of individual studies. Fourth, the 2016–2025 timeframe was chosen to capture the most recent decade; however, some foundational work published before 2016 is inevitably underrepresented in burst detection. Fifth, citation-based indicators inherently suffer from citation lag, meaning that recently published high-quality studies may have accumulated fewer citations simply because they have not had sufficient time to accrue citations, potentially underestimating their true impact. This temporal bias is particularly relevant for 2025 publications included in our analysis. Finally, we acknowledge that our analysis did not specifically account for potential retractions. Our dataset was derived from the Web of Science Core Collection, which does not automatically exclude retracted articles. Because the analysis did not identify or quantify retracted records, the extent of their influence on aggregate bibliometric patterns is unknown.

In conclusion, this bibliometric analysis provides a comprehensive and objective mapping of the macrophages in the SLE field. The results demonstrate a dynamic evolution from basic immunological observations to detailed mechanistic inquiries and, more recently, to translational and clinical applications. China has emerged as the largest contributor by volume, whereas the United States and European countries continue to lead in impact and collaboration centrality. The knowledge base is anchored by landmark reviews and mechanistic studies on NETosis, type I interferon, and efferocytosis. Current frontiers center on cytokine storms, immunometabolism, and pathway-targeted therapies, with “multicenter diagnosis” and “type I interferon pathways” representing the most vibrant research fronts. Beyond summarizing our current findings, this study proposes several specific applications of bibliometric analysis for guiding future SLE research. First, we have identified sustained research directions, particularly macrophage polarization, metabolic reprogramming, and targeted therapy. These areas provide evidence-based guidance to help funding agencies prioritize resource allocation toward fields that have demonstrated long-term scientific traction. Second, the underrepresentation of clinical trial publications and the scarcity of multicenter validation studies revealed in our analysis highlight critical research gaps that warrant targeted investment. Third, the observed collaborative networks are largely concentrated within China and the United States, while cross-cluster connections with other regions remain relatively sparse. This pattern suggests opportunities for facilitating international collaborative initiatives, especially among research centers in Asia, Europe, and Latin America, to accelerate global progress in macrophage-targeted SLE therapies. Future efforts should prioritize international collaboration, high-quality clinical trials, and the integration of multi-omics approaches to translate macrophage biology into tangible benefits for SLE patients.

Oświadczenia

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

The authors have no conflicts of interest to declare. No AI-assisted tools were used in the preparation of this manuscript, including data analysis, figure generation, or writing.

Podziękowania

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

This work was supported by the Excellence & Innovation Initiative of China-Japan Friendship Hospital (Grant No. ZRZC2025-KCC02), the National High Level Hospital Clinical Research Funding (Grant No. 2025-NHLHCRF-JBGS-B-WZ-15), the National Natural Science Foundation of China (Grant No. 82400846), the Major New Drug Innovation Project of the Ministry of Science and Technology of China (Grant No. 2017ZX09301001), and the Russian National Science Foundation Foreign Top Scientists Program (Grant No. 257431017).

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
CiteSpace (version 6.4.R1)Drexel University, Philadelphia, PA, USAN/AKeyword timeline clustering and citation burst analysis; RRID: SCR_020932; URL: https://citespace.podia.com
GraphPad Prism (version 10.1)Dotmatics, Boston, MA, USAN/AFigure preparation and data visualization; RRID: SCR_002798; URL: https://www.graphpad.com
Scimago Graphica (version 1.0.25)Scimago Lab, Madrid, SpainN/ACountry/region collaboration network visualization; RRID: not available; URL: https://www.graphica.app
VOSviewer (version 1.6.19)Centre for Science and Technology Studies, Leiden University, Leiden, NetherlandsN/ACoauthorship network construction and keyword co-occurrence mapping; RRID: SCR_016598; URL: https://www.vosviewer.com
Web of Science Core CollectionClarivate Analytics, Philadelphia, PA, USAN/ALiterature retrieval and data source; URL: https://clarivate.com/webofscience
WPS Excel (2023)Kingsoft, Zhuhai, ChinaN/ABasic statistical calculations and bar, line, and pie charts; RRID: not available; URL: https://www.wps.com

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Tanaka Y. Systemic lupus erythematosus. Best Pract Res Clin Rheumatol. 2022;36(4):101814.
  2. Cascarano G, et al. Systemic lupus erythematosus: one year in review 2026. Clin Exp Rheumatol. 2026;44(3):427-37.
  3. Mejia-Vilet JM, Turner-Stokes T, Houssiau F, Rovin BH. Kidney involvement in systemic lupus erythematosus: from the patient assessment to a tailored treatment. Best Pract Res Clin Rheumatol. 2023;37(4):101925.
  4. Zheng Z, et al. Immune thrombocytopenia in patients with systemic lupus erythematosus. Clin Rheumatol. 2025;44(1):97-104.
  5. Justiz-Vaillant AA, et al. Neuropsychiatric systemic lupus erythematosus: molecules involved in its immunopathogenesis, clinical features, and treatment. Molecules. 2024;29(4):747.
  6. Fanouriakis A, et al. EULAR recommendations for the management of systemic lupus erythematosus: 2023 update. Ann Rheum Dis. 2024;83(1):15-29.
  7. Su X, et al. Systemic lupus erythematosus: pathogenesis and targeted therapy. Mol Biomed. 2024;5(1):54.
  8. Morand EF, Fernandez-Ruiz R, Blazer A, Niewold TB. Advances in the management of systemic lupus erythematosus. BMJ. 2023;383:e073980.
  9. Mackensen A, et al. Anti-CD19 CAR T cell therapy for refractory systemic lupus erythematosus. Nat Med. 2022;28(10):2124-32.
  10. Wang Q, et al. In vivo CD19 CAR T-cell therapy for refractory systemic lupus erythematosus. N Engl J Med. 2025;393(15):1542-4.
  11. Wang W, et al. BCMA-CD19 compound CAR T cells for systemic lupus erythematosus: a phase 1 open-label clinical trial. Ann Rheum Dis. 2024;83(10):1304-14.
  12. Bao Y, Wang G, Li H. Approaches for studying human macrophages. Trends Immunol. 2024;45(4):237-47.
  13. Bernier ED, Bartnicki E, Khanna KM. Macrophages: sentinels, warriors, and healers. Hum Mol Genet. 2025;34(R1):R110-20.
  14. Zhang L, Sheng J, Liu T. Macrophages in lupus nephritis: insights into its pathogenesis and emerging treatments. Front Biosci (Landmark Ed). 2025;30(10):39365.
  15. Yang S, Zhao M, Jia S. Macrophage: key player in the pathogenesis of autoimmune diseases. Front Immunol. 2023;14:1080310.
  16. Chavanisakun C, Keawvichit R, Benjakul N. M1 and M2 macrophage polarization correlates with activity and chronicity indices in lupus nephritis. Life (Basel). 2025;15(1):55.
  17. Zhao L, et al. Regulation of macrophage polarization by targeted metabolic reprogramming for the treatment of lupus nephritis. Mol Med. 2024;30(1):96.
  18. Fresneda Alarcon M, McLaren Z, Wright HL. Neutrophils in the pathogenesis of rheumatoid arthritis and systemic lupus erythematosus: same foe different M.O. Front Immunol. 2021;12:649693.
  19. Postal M, et al. Type I interferon in the pathogenesis of systemic lupus erythematosus. Curr Opin Immunol. 2020;67:87-94.
  20. Lood C, et al. Neutrophil extracellular traps enriched in oxidized mitochondrial DNA are interferogenic and contribute to lupus-like disease. Nat Med. 2016;22(2):146-53.
  21. Cutolo M, et al. Dynamic macrophage phenotypes in autoimmune and inflammatory rheumatic diseases. Nat Rev Rheumatol. 2025;21(9):546-65.
  22. Wu R, et al. Polydopamine-encapsulated probiotics restore gut homeostasis and reinstate macrophage efferocytosis in systemic lupus erythematosus. Adv Sci (Weinh). 2026;13(24):e22637.
  23. Suvandjieva V, et al. Modelling the impact of NETosis during the initial stage of systemic lupus erythematosus. Bull Math Biol. 2024;86(6):66.
  24. Zhao CL, et al. Long non-coding RNA H19 contributes to M1 macrophage polarization mediated inflammation via miR-145-5p-PAI-1 axis in systemic lupus erythematosus. Autoimmunity. 2026;59(1):2649582.
  25. Su H, et al. Glucose metabolic reprogramming in systemic lupus erythematosus and lupus nephritis: theoretical foundations and therapeutic implications. Front Immunol. 2026;17:1799232.
  26. Lv Q, et al. ANGPTL3 in podocytes contributes to the pathogenesis of lupus nephritis by activating MSR1 in macrophages. Kidney Dis (Basel). 2026;12(1):288-301.
  27. Chen G, Yan Z, Wang Y, Tao Q. Rheumatoid arthritis and fibromyalgia syndrome: a bibliometric and bioinformatics perspective on comorbidity research. J Multidiscip Healthc. 2025;18:6811-27.
  28. 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.
  29. Ma L, Yao T, Jin D, Yan Z. Mapping the knowledge landscape of muscle disorders in rheumatoid arthritis: a bibliometric and bioinformatics study. J Vis Exp. 2026;(230):e70373.
  30. Jia MY, Bai XX. Mapping the knowledge landscape of atopic dermatitis and allergic rhinitis comorbidity: a bibliometrics study. J Vis Exp. 2026;(230):e70363.
  31. Zhao Y, Chen GY, Fang M. Research trends of rheumatoid arthritis and depression from 2019 to 2023: a bibliometric analysis. J Multidiscip Healthc. 2024;17:4465-74.
  32. Fu D, Cao Y, Ma T, Wu H. A bibliometric analysis on immunotherapy treatments for systemic lupus erythematosus: analysis of published evidence from 2014 to 2024. Clin Rheumatol. 2026;45(2):831-44.
  33. Yan YL, et al. Research trends of the aetiology of systemic lupus erythematosus in the past 10 years: a bibliometric analysis (2014-2023). Clin Exp Rheumatol. 2025;43(9):1650-60.
  34. Yu H, et al. Mapping theme evolution and identifying hotspots in biomarkers of systemic lupus erythematosus based on global research. Biomark Med. 2024;18(7):321-32.
  35. Synnestvedt MB, Chen C, Holmes JH. CiteSpace II: visualization and knowledge discovery in bibliographic databases. AMIA Annu Symp Proc. 2005;2005:724-8.
  36. van Eck NJ, Waltman L. Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics. 2010;84(2):523-38.
  37. Wang YF, et al. Global trends and hotspots of artificial intelligence in pain management: a bibliometric analysis. Digit Health. 2026;12:20552076261460708.
  38. Anders HJ, et al. Lupus nephritis. Nat Rev Dis Primers. 2020;6(1):7.
  39. Jing C, et al. Macrophage metabolic reprogramming presents a therapeutic target in lupus nephritis. Proc Natl Acad Sci U S A. 2020;117(26):15160-71.
  40. Tsokos GC, et al. New insights into the immunopathogenesis of systemic lupus erythematosus. Nat Rev Rheumatol. 2016;12(12):716-30.
  41. Mohammadi S, Saghaeian-Jazi M, Sedighi S, Memarian A. Immunomodulation in systemic lupus erythematosus: induction of M2 population in monocyte-derived macrophages by pioglitazone. Lupus. 2017;26(12):1318-27.
  42. Funes SC, et al. Implications of macrophage polarization in autoimmunity. Immunology. 2018;154(2):186-95.
  43. Carter SJ, Tattersall RS, Ramanan AV. Macrophage activation syndrome in adults: recent advances in pathophysiology, diagnosis and treatment. Rheumatology (Oxford). 2019;58(1):5-17.
  44. da Cruz HLA, et al. Differential expression of the inflammasome complex genes in systemic lupus erythematosus. Immunogenetics. 2020;72(4):217-24.
  45. Caricchio R, Gallucci S. Systemic lupus erythematosus and cytokine storm. Adv Exp Med Biol. 2024;1448:355-64.
  46. Ahamada MM, Jia Y, Wu X. Macrophage polarization and plasticity in systemic lupus erythematosus. Front Immunol. 2021;12:734008.
  47. Sadeghi M, et al. Neutrophil extracellular trap: a key player in the pathogenesis of autoimmune diseases. Int Immunopharmacol. 2023;116:109843.
  48. Wang X, et al. Recent advances of type I interferon on the regulation of immune cells and the treatment of systemic lupus erythematosus. J Inflamm Res. 2025;18:4533-49.
  49. Hanata N, Kaplan MJ. The role of neutrophil extracellular traps in inflammatory rheumatic diseases. Curr Opin Rheumatol. 2025;37(1):64-71.
  50. Lee S, et al. AIM2 forms a complex with pyrin and ZBP1 to drive PANoptosis and host defence. Nature. 2021;597(7876):415-9.
  51. Kraaij T, et al. A novel method for high-throughput detection and quantification of neutrophil extracellular traps reveals ROS-independent NET release with immune complexes. Autoimmun Rev. 2016;15(6):577-84.
  52. Li Q, Liu H, Yin G, Xie Q. Efferocytosis: current status and future prospects in the treatment of autoimmune diseases. Heliyon. 2024;10(7):e28399.
  53. Dehdashtian E, Caricchio R. From innate immunity to autoimmunity: neutrophils in systemic lupus erythematosus pathogenesis. Lupus. 2025;34(10):989-1002.
  54. Maria NI, Davidson A. Renal macrophages and dendritic cells in SLE nephritis. Curr Rheumatol Rep. 2017;19(12):81.
  55. Ma C, Xia Y, Yang Q, Zhao Y. The contribution of macrophages to systemic lupus erythematosus. Clin Immunol. 2019;207:1-9.
  56. Kahlenberg JM, Kaplan MJ. The inflammasome and lupus: another innate immune mechanism contributing to disease pathogenesis? Curr Opin Rheumatol. 2014;26(5):475-81.
  57. Khorasani S et al. Amelioration of regulatory T cells by Lactobacillus delbrueckii and Lactobacillus rhamnosus in pristane-induced lupus mice model. J Cell Physiol. 2019;234(6):9778-9786.
  58. Xu H, Yuan K, Chen G. Single-cell transcriptomics reveals CCL3+ classical monocyte subset linked to autoimmune pathogenesis. J Inflamm Res. 2025;18:16273-91.
  59. Wei S, et al. Integrative analysis of single-cell and bulk transcriptome data reveal the significant role of macrophages in lupus nephritis. Arthritis Res Ther. 2024;26(1):84.
  60. Nehar-Belaid D et al. Mapping systemic lupus erythematosus heterogeneity at the single-cell level. Nat Immunol. 2020;21(9):1094-1106.
  61. Liu SY, et al. Hydroxychloroquine enhances efferocytosis and modulates inflammation via MerTK/Gas6 signaling in a pristane-induced lupus mouse model. Front Immunol. 2025;16:1524315.
  62. Xing Y, et al. Single-cell spatial transcriptomics reveals pathogenic mechanism of renal fibrosis in imiquimod-induced lupus nephritis in mice. Biochem Biophys Rep. 2025;43:102087.
  63. Zhao J, et al. Cxcl9high macrophages recruit circulating Cxcr3+ plasmablasts into kidneys to promote pathogenesis of lupus nephritis mice. Commun Biol. 2025;8(1):1446.
  64. Zhou H, et al. Machine learning combined multi-omics analysis to explore key oxidative stress features in systemic lupus erythematosus. Front Immunol. 2025;16:1567466.
  65. Wang K, Li X, Tang Y, Zhao L. Exploring key genes of glutathione metabolism in systemic lupus erythematosus based on Mendelian randomisation, single-cell RNA sequencing and multiple machine learning approaches. IET Syst Biol. 2025;19(1):e70021.
  66. Lee M, et al. Inhibition of salt-inducible kinases resolves autoimmune arthritis by promoting macrophage efferocytosis. Signal Transduct Target Ther. 2025;10(1):293.
  67. Hoover PJ, et al. A human-mouse atlas of intrarenal myeloid cells identifies conserved disease-associated macrophages in lupus nephritis. J Exp Med. 2025;222(11):e20241873.
  68. Zhu H, et al. The expression and clinical significance of different forms of Mer receptor tyrosine kinase in systemic lupus erythematosus. J Immunol Res. 2014;2014:431896.
  69. Yin Y, et al. Amino acid metabolism modulates macrophage polarization: implications for autoimmune-related diseases. Front Immunol. 2026;17:1736082.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Polaryzacja makrofag wodporno wrodzonaodporno nabytainflamasom NLRP3usuwanie kom rek apoptotycznychtocze nerkowyreceptory Toll podobnezesp aktywacji makrofag w

Powiązane artykuły