Globalne i aktualne trendy badawcze w sekwencjonowaniu pojedynczych komórek w raku: badanie bibliometryczne i wizualizacyjne

W naszym badaniu przeanalizowano trendy rozwojowe w sekwencjonowaniu pojedynczych komórek w dziedzinie raka. Wyniki zapewniają badaczom, klinicystom i decydentom dogłębny przegląd obecnego stanu wiedzy i zrozumienia w tej dziedzinie. Nasza analiza bibliometryczna pokazuje, że Chiny i USA przodują w sekwencjonowaniu pojedynczych komórek w badaniach nad rakiem. Pojawiające się terminy, takie jak heterogeniczność wewnątrznowotworowa, ewolucja klonów i systemy dostarczania leków, sugerują przyszłe kierunki badań.

Nasze badanie ma na celu ocenę obecnego krajobrazu badań, zidentyfikowanie istotnych punktów zapalnych badań i wyjaśnienie pojawiających się trendów, aby dostarczyć badaczom i decydentom praktycznych spostrzeżeń.

[Narrator] Aby rozpocząć, uzyskaj dostęp do bazy danych Web of Science Core Collection z ich witryny internetowej. Skonstruuj strategię wyszukiwania, używając ukierunkowanych słów kluczowych, takich jak sekwencjonowanie pojedynczych komórek i rak, aby zidentyfikować odpowiednią literaturę. Następnie wyszukaj wyniki. Ustaw parametry wyszukiwania, wybierając okres publikacji od 1 stycznia 2010 r. do 31 grudnia 2023 r. Wybierz język angielski jako język i wybierz artykuł i recenzja jako typy dokumentów. Zapisz skompilowane dane jako zwykłe pliki tekstowe do późniejszej analizy bibliometrycznej i skompiluj wybrane publikacje w formacie Full Record i Cited References. Teraz uruchom interfejs Biblioshiny z pakietu bibliometrycznego w R. Zaimportuj zwykłe pliki tekstowe i wyeksportuj zestaw danych w formacie danych R do analizy. Utwórz wykres słupkowy, aby pokazać roczną liczbę publikacji, i nałóż wykres liniowy, aby przedstawić liczbę cytowań w czasie. Wyodrębnij dane instytucjonalne z sekcji Przynależności za pomocą funkcji Analizuj wyniki w bazie danych Web of Science Core Collection. Użyj pakietu ggplot2 w języku R, aby wygenerować poziomy wykres słupkowy wizualizujący liczbę publikacji instytucjonalnych. Korzystając z VOSviewer, przeprowadź analizę współautorstwa, wybierając z menu głównego opcję Utwórz i wybierając opcję Utwórz mapę na podstawie danych bibliograficznych. Zaimportuj zwykłe pliki tekstowe i ustaw typ analizy na Współautorstwo. Wybierz opcję Pełna inwentaryzacja i wybierz Organizacje jako jednostkę analizy. Kliknij przycisk Zakończ, aby wygenerować wizualizację. Uzyskaj dostęp do sekcji Profile badaczy w bazie danych Web of Science Core Collection, aby zidentyfikować i uszeregować autorów na podstawie całkowitej liczby opublikowanych artykułów. Użyj pakietu ggplot2 w języku R, aby wygenerować poziomy wykres słupkowy, wizualizujący najlepszych autorów według liczby publikacji. Teraz pobierz szczegółowe wskaźniki, w tym kraj, instytucję stowarzyszoną i indeks H dla 10 najlepszych autorów, korzystając z danych Web of Science Core Collection. W przypadku sieci współpracy autorów uruchom VOSviewer i wybierz przycisk Utwórz, a następnie Utwórz mapę na podstawie danych bibliograficznych. Zaimportuj odpowiednie zwykłe pliki tekstowe, wybierając opcję Odczytaj dane z plików bibliograficznej bazy danych. Ustaw typ analizy na Współautorstwo w VOSviewer. Użyj metody pełnego zliczania i wybierz opcję Autorzy, jako jednostkę analizy. Kliknij przycisk Zakończ, aby wygenerować wizualizację nakładki. Użyj funkcji hindex w języku R, aby obliczyć metryki czasopisma dla zidentyfikowanych źródeł publikacji. Aby przeprowadzić analizę przepływu wiedzy, otwórz CiteSpace i przejdź do menu Dane. Wybierz opcję WOS, aby zaimportować zestaw danych do analizy przepływu wiedzy. W CiteSpace wybierz opcje Overlay Maps i JCR Journals Maps dla konfiguracji mapy z parametrem 0 z-score i dostosuj kolor tła. Otwórz CiteSpace, przejdź do menu Dane i wybierz dane, aby rozpocząć analizę współcytowanych odwołań. Ustaw typ węzła na Odwołanie. Po włączeniu funkcji Pathfinder i oczyszczeniu funkcji sieci podzielonych na plasterki wykonaj analizę. Aby zidentyfikować odniesienia o dużym wpływie, wybierz opcję Burstness w CiteSpace i ustaw parametr gamma na zakres od 0 do 1. W przypadku współwystępowania słów kluczowych przeprowadź analizę częstotliwości słów kluczowych w języku R przy użyciu pakietu bibliometrycznego. Ustaw pole analizy na Słowa kluczowe autora i ogranicz dane wyjściowe do 20 pierwszych słów kluczowych. Do analizy serii słów kluczowych użyj CiteSpace z włączoną burstness. Ustaw parametr gamma na wartość od 0 do 1. Następnie otwórz VOSviewer i wybierz Utwórz, a następnie wybierz Utwórz mapę na podstawie danych bibliograficznych. Użyj opcji Odczytuj dane z plików bibliograficznej bazy danych i zaimportuj pliki tekstowe. Ustaw typ analizy na Współwystępowanie, użyj metody pełnego zliczania i wybierz opcję Autorskie słowa kluczowe jako jednostkę analizy. Zastosuj minimalny próg 40 wystąpień słów kluczowych i kliknij przycisk Zakończ, aby wygenerować sieć współwystępowania. Roczna liczba publikacji na temat sekwencjonowania pojedynczych komórek w badaniach nad rakiem wykazała gwałtowny wzrost po 2016 r., z zauważalnymi szczytami cytowań w 2014 i 2020 r. Głównymi autorami okazały się Chiny i Stany Zjednoczone, przy czym Chiny wykazały najszybszy wzrost produkcji wydawniczej. Uniwersytet Harvarda został uznany za wiodącą instytucję pod względem liczby publikacji, a za nim uplasowało się kilka głównych chińskich uniwersytetów. Frontiers in Immunology opublikowało największą liczbę artykułów, podczas gdy czasopisma takie jak Cell i Nature miały najwięcej cytowań. Artykuły Macosko i in. oraz Tirosha i wsp. miały najsilniejsze wzrosty cytowań, co wskazuje na główne przełomy w technice i analizie. Mikrośrodowisko immunologiczne było najczęściej używanym słowem kluczowym, a pojawiające się trendy, takie jak gruczolakorak płuc i fibroblasty związane z rakiem, zyskały ostatnio na znaczeniu. Ewolucja guza wykazała najdłuższy czas trwania impulsu cytowania.