Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Глобальные и современные тенденции в области секвенирования одиночных клеток при раке: библиометрическое и визуализационное исследование

1.6K просмотров

⸱

DOI:

10.3791/67880

⸱

18 апреля 2025 г.

 ,  ,  ,  ,  ,  ,  , 
1Department of Operating Theatre, Tianjin Medical University General Hospital, 2Department of General Surgery, Tianjin Medical University General Hospital, Tianjin Medical University, 3Department of Medical Oncology, Tianjin Medical University General Hospital

* These authors contributed equally

В этой статье

Краткое содержание

Этот библиометрический анализ секвенирования одиночных клеток в исследованиях рака показывает, что Китай и США производят значительно больше научных статей, чем другие страны. Обнаружение всплесков выявляет новые термины, такие как «внутриопухолевая гетерогенность», «клональная эволюция» и «системы доставки лекарств», которые, как ожидается, повлияют на будущие исследования.

Аннотация

Рак представляет собой серьезную проблему для здоровья человека из-за его сложных биологических систем, требующих глубокого анализа. Секвенирование отдельных клеток стало важным инструментом для исследования этих систем, позволяя обнаруживать экспрессию генов и эпигенетические модификации на уровне отдельных клеток. Для выяснения тенденций исследований, сетей сотрудничества и распространения знаний в этой области был проведен библиометрический анализ с использованием базы данных Web of Science Core Collection, охватывающей публикации с 1 января 2010 года по 31 декабря 2023 года. Пакет Bibliometrix в R использовался для извлечения и анализа ключевых данных о публикациях, включая типы документов, страны, учреждения, авторов и ключевые слова. Кроме того, для сбора и визуализации данных были использованы CiteSpace, VOSviewer и онлайн-платформа анализа метрологии литературы. В ходе анализа было выявлено 34 074 автора из 3 129 учреждений в 75 странах и регионах, которые внесли свой вклад в 5 680 публикаций по секвенированию одиночных клеток при раке, опубликованных в 788 академических журналах. Китай и Соединенные Штаты стали ведущими странами по объему публикаций. Наибольшее количество публикаций было выпущено в Гарвардском университете (320), а Авив Регев, связанный с Гарвардом, признан ключевым участником. Ведущие журналы, такие как Frontiers in Immunology и Nature Communications, освещают как существующие, так и новые области исследований, включая иммунное микроокружение и иммунотерапию. Ключевые тенденции и потенциальные области для будущих исследований включают внутриопухолевую гетерогенность, клональную эволюцию и системы доставки лекарств. В этом исследовании представлен всесторонний обзор исследований в области секвенирования одиночных клеток в онкологии, подчеркнув их быстрый прогресс, обусловленный технологическим прогрессом и международным сотрудничеством. Укрепление глобальных партнерств, разработка интегративных аналитических инструментов и решение сложных проблем с данными будут иметь решающее значение для продвижения персонализированной терапии рака и углубления понимания биологии рака.

Введение

Рак является одним из самых опасных заболеваний, занимая второе место по смертности во всем мире1. По оценкам, к 2035 году примерно четверть населения мира будет непосредственно затронута раком 2,3. Патогенез рака в первую очередь связан с нарушением регуляции клеточного роста, на который влияют различные опухолевые факторы4,5. «Отличительные черты рака» были концептуализированы как набор функциональных возможностей, которые облегчают переход от нормальных клеточных состояний к опухолевому росту, в частности, те способности, которые необходимы для формирования злокачественныхопухолей. Технология секвенирования играет ключевую роль в углублении нашего понимания патогенеза заболеваний. Тем не менее, из-за присущей опухолям гетерогенности, идентификация геномных характеристик стволовых клеток с низким содержанием с помощью высокопроизводительного анализа секвенирования опухолевых тканей представляет собой значительную проблему 7,8.

Секвенирование отдельных клеток, которое включает в себя геномику, транскриптомику, эпигеномику, протеомику и метаболомику, представляет собой мощный методологический подход к выяснению клеточных и молекулярных ландшафтовна уровне отдельных клеток. Его применение в исследованиях рака значительно улучшило понимание биологических характеристик и динамики, присутствующих в опухолевых поражениях, тем самым способствуя более полному пониманию развития рака и метастазирования.

Библиометрический анализ изучает структурные характеристики и атрибуты научных публикаций и широко используется как в качественных, так и в количественных оценках научной литературы11,12. Сравнивая вклады различных стран, учреждений, исследователей и публикаций, можно пролить свет и предсказать потенциальные достижения в конкретной области исследований. Несмотря на значительное увеличение количества систематических и описательных обзоров, посвященных исследованиям секвенирования одиночных клеток при раке, остается заметный недостаток в комплексном анализе в области количественной оценки 13,14,15. Данное исследование направлено на проведение всестороннего анализа тенденций развития и основных тем исследований в области секвенирования одиночных клеток в области рака с использованием библиометрических методов. Полученные результаты предложат исследователям, клиницистам и политикам подробный обзор текущего состояния знаний и понимания в этой области.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

Данные, использованные в данном исследовании, были получены из Web of Science Core Collection (2010-2023).

1. Сбор данных

  1. Выбор базы данных
    1. Доступ к базе данных Web of Science Core Collection (WoSCC) через: https://webofscience. clarivate.cn/wos/author/author-search.
    2. Разработайте стратегию поиска, используя целевые ключевые слова, в частности, «секвенирование одиночных клеток» и «рак», чтобы найти релевантную литературу. Нажмите кнопку поиска , чтобы завершить поиск литературы.
      ПРИМЕЧАНИЕ: Обратитесь к Дополнительной таблице 1 для получения полного списка ключевых слов, используемых в стратегии поиска для повышения точности и инклюзивности.
  2. Параметры поиска
    1. Выберите период публикации с 1 января 2010 года по 31 декабря 2023 года, чтобы отразить самые последние и всесторонние тенденции исследований.
    2. Выберите английский язык в качестве языка для результатов поиска и выберите Статья и Обзор в качестве типов статей, чтобы обеспечить согласованность данных и облегчить сравнительный анализ.
    3. Обеспечьте актуальность, исключив публикации, выходящие за рамки секвенирования одиночных клеток и исследований рака.
  3. Получение и формат данных
    1. Скомпилируйте выбранные публикации в формате Full Record и Cited References , чтобы сохранить подробные метаданные.
    2. Сохраняйте собранные данные в виде текстовых файлов для последующего анализа с помощью библиометрических инструментов.
    3. Убедитесь, что каждая запись содержит полные метаданные, включая информацию о цитировании и соавторстве, чтобы обеспечить тщательный библиометрический анализ (рис. 1).

2. Предварительная обработка данных

  1. Сбор и импорт данных
    1. Запустите библиошинный интерфейс пакета bibliometrix в R.
      ПРИМЕЧАНИЕ: Конкретный код предоставляется следующим образом:
      Библиотека (Библиометрика)
      packageVersion("bibliometrix")
      biblioshiny()
    2. Откройте базу данных WoSCC и выберите объединенный текстовый файл, содержащий библиометрические данные.
    3. Импортируйте данные и экспортируйте их в формате R Data Format для последующего анализа.
  2. Ежегодная тенденция роста публикаций и цитирований
    1. Преобразуйте столбцы PY (год публикации) и Z9 (количество цитирований) в числовой формат.
    2. Сгруппируйте данные по году публикации и рассчитайте количество публикаций за год и общее количество цитирований.
    3. Создайте столбчатую диаграмму, чтобы представить количество публикаций каждый год, и наложите линейный график, чтобы проиллюстрировать количество цитирований с течением времени.
      ПРИМЕЧАНИЕ: Конкретный код указан как код 1 в дополнительном файле 1.
  3. Анализ публикаций и сотрудничества на национальном уровне
    1. Агрегация публикаций и сотрудничества на национальном уровне
      1. Суммируйте ежегодные публикации и цитаты по каждой стране с помощью полей «Год публикации» (PY) и «Страны-авторы» (AU_CO1).
      2. Сосредоточьте анализ на 10 ведущих странах по объему публикаций.
    2. Вычисление метрик
      1. Рассчитайте ключевые показатели, включая количество публикаций (NP), частоту цитирования (NC), публикации в одной стране (SCP) и публикации в нескольких странах (MCP)16.
      2. Определение доли публикаций в нескольких странах (MCP_Ratio) в качестве показателя международного сотрудничества.
      3. Используйте функцию индекса Хирша R для вычисления индексов воздействия (индекс Хирша, G-индекс и М-индекс) для каждой страны за 14-летний период17.
        ПРИМЕЧАНИЕ: Конкретный код указан в виде кода 2 в дополнительном файле 1. Используйте онлайн-платформу для анализа метрологии литературы (https://bibliometric.com/) для изучения отношений сотрудничества между странами. Выгрузка данных в формате Plain Text из WoSCC. Используйте функцию «отношения со странами» для оценки международного сотрудничества. Кульминацией является визуализация сети сотрудничества между ведущими странами-донорами.
  4. Анализ институциональных публикаций и сотрудничества
    1. Извлечение и ранжирование данных
      1. Извлекайте институциональные данные из раздела «Аффилированности » в функции «Анализ результатов » базы данных WoSCC.
      2. Ранжируйте учреждения в порядке убывания их общего количества опубликованных статей.
    2. Визуализация данных
      1. Создайте горизонтальную линейчатую диаграмму с помощью пакета ggplot2 в R, чтобы проиллюстрировать объем публикаций по ведущим учреждениям.
        ПРИМЕЧАНИЕ: Конкретный код указан в виде кода 3 в дополнительном файле 1.
    3. Анализ соавторства
      1. Настройка анализа в VOSviewer: Запустите VOSviewer, а затем выберите Создать в главном меню. Выберите Создать карту на основе библиографических данных и выберите Чтение данных из файлов библиографической базы данных. Наконец, импортируйте файлы Plain Text.
      2. Конфигурация и параметры: Установите тип анализа на соавторство в VOSviewer. Выберите метод Полный подсчет и выберите организации в качестве единицы анализа. Настройте параметры так, чтобы они включали не более 1 200 организаций на документ, и установите минимальное пороговое значение на уровне 30 документов на организацию, чтобы обеспечить комплексный анализ сети.
      3. Визуализация и интерпретация: Завершите настройку, нажав кнопку «Готово », чтобы создать карту визуализации, иллюстрирующую сети сотрудничества между учреждениями. Убедитесь, что на карте выделены уровни взаимосвязанности и партнерства, определены центральные узлы исследовательской деятельности и ключевые области сотрудничества между учреждениями.
  5. Анализ авторов и авторское сотрудничество
    1. Идентификация плодовитых авторов: Перейдите в раздел «Профили исследователей » в базе данных WoSCC для ранжирования авторов на основе общего количества опубликованных статей.
    2. Визуализация данных: Используйте пакет ggplot2 в R для создания горизонтальной гистограммы, визуально представляющей объем публикаций ведущих авторов.
    3. Оценка вклада авторов: Получите дополнительные показатели для 10 лучших авторов по объему публикаций, включая индекс Хирша, страну и аффилированное учреждение, используя данные из базы данных WoSCC.
      ПРИМЕЧАНИЕ: Конкретный код указан в виде кода 4 в дополнительном файле 1.
    4. Сети сотрудничества авторов
      1. Настройка анализа в VOSviewer: Запустите VOSviewer и нажмите кнопку Создать , а затем Создать карту на основе библиографических данных. Импортируйте соответствующие текстовые файлы, содержащие библиографические данные, выбрав Чтение данных из файлов библиографической базы данных.
      2. Конфигурация и параметры: Установите тип анализа как «Соавторство » и используйте метод полного подсчета . Выберите авторов в качестве единицы анализа. Настройте параметры, включив в них не более 33 организаций на документ, и установите минимальное пороговое значение в 15 документов на одного автора, чтобы обеспечить сбор значимых данных о совместной работе.
      3. Визуализация и аналитика: нажмите « Готово », чтобы создать наложенную визуализацию, которая иллюстрирует временную эволюцию сотрудничества авторов, предоставляя представление о динамике и росте сетей соавторства с течением времени.
  6. Анализ журналов и совместно цитируемых журналов
    1. Расчет метрик журнала: Используйте функцию индекса Хирша в R для расчета ключевых метрик для каждого журнала, включая количество публикаций на источник (NP), частоту цитирования (NC), год первой публикации (PY_start) и индексы влияния (индекс Хирша, G-индекс и M-индекс).
    2. Извлечение импакт-факторов и рейтингов: Получите импакт-факторы журналов и рейтинги квартилей из базы данных WoSCC для дальнейшей оценки влияния и репутации каждого журнала в этой области.
      ПРИМЕЧАНИЕ: Конкретный код указан в виде кода 5 в дополнительном файле 1.
    3. Анализ потока знаний
      1. Импорт и настройка данных в CiteSpace: откройте CiteSpace и перейдите в меню « Данные ». Выберите Импорт/Экспорт и выберите WOS для импорта данных. При необходимости настройте входной и выходной пути.
      2. Выбор и настройка карты: Выберите опции Overlay Maps и JCR Journals Maps в CiteSpace, установив z-score равным 0. Такая конфигурация позволяет создавать двойную карту для иллюстрации потока знаний между журналами.
  7. Анализ совместно цитируемых ссылок и кластеризация сети
    1. Импорт и настройка данных в CiteSpace
      1. Откройте CiteSpace, перейдите в меню «Данные» и выберите «Импорт/экспорт».
      2. Импортируйте данные из базы данных WoSCC в виде обычного текста, настроив временной срез анализа с января 2010 года по декабрь 2023 года с интервалом в один год для временной детализации.
    2. Настройка и обрезка сети
      1. Задайте тип узла Reference в CiteSpace. Используйте опцию Обработка контуров и функцию Обрезка срезов сетей , чтобы применить обрезку к сети.
      2. Выполните анализ, нажав кнопку GO, чтобы создать справочную карту совместного цитирования, настроив параметры шрифта и цвета для улучшения читаемости.
    3. Выявление высокоэффективных ссылок
      1. Выберите опцию Burstness и установите параметр γ в значение [0, 1] в CiteSpace.
      2. Обновите данные, чтобы создать список из 20 лучших ссылок с самыми сильными всплесками цитирования.
  8. Анализ совпадения ключевых слов
    1. Частотный анализ ключевых слов в R
      1. Проводите анализ ключевых слов с помощью пакета bibliometrix в R, уделяя особое внимание наиболее часто встречающимся ключевым словам в документах.
      2. Установите в поле значение Ключевые слова автора и ограничьте их число до 20 первых ключевых слов, отфильтровав синонимы для обеспечения согласованности.
    2. Анализ пакетов ключевых слов в CiteSpace
      1. Используйте CiteSpace для выполнения анализа пакетов ключевых слов, выбрав опцию Burstness и установив параметр γ в значение [0, 1].
      2. Обновите данные, чтобы создать список из 30 лучших ключевых слов с самыми сильными всплесками цитирования.
    3. Анализ сети совместного использования ключевых слов в VOSviewer
      1. Откройте VOSviewer, выберите Создать, а затем Создать карту на основе библиографических данных.
      2. Импортируйте обычные текстовые файлы с помощью опции Чтение данных из файлов библиографической базы данных .
      3. Задайте для параметра Тип анализа совместное вхождение, используя метод Полный подсчет , с ключевыми словами автора в качестве единицы анализа.
      4. Примените минимальное пороговое значение в 40 вхождений ключевых слов и нажмите кнопку Готово , чтобы завершить анализ, создав сеть совместного вхождения, которая визуализирует отношения ключевых слов в поле.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Ежегодная тенденция роста публикаций и цитирований
С 2010 по 2023 год в базе данных WoSCC было выявлено в общей сложности 6 767 публикаций, связанных с секвенированием одиночных клеток при раке. В общей сложности 602 исследования, опубликованные в период с 2010 по 2023 год, были исключены из анализа, за которым последовали пять исследований, опубликованных не на английском языке. Кроме того, 480 статей были исключены на основе заранее определенных критериев исключения, включая 361 тезисы заседаний, 83...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Библиометрический анализ служит количественным подходом к оценке характеристик и научного влияния значимых публикаций26. В этом исследовании был проведен обширный библиометрический анализ 5 680 статей, связанных с секвенированием одиночных клеток в исследованиях рака, извлеченных из базы данных WoSCC и опубликованных в период с 2010 по 2023 год. Этот анализ был направлен на оценку текущего состояния исследований, выявление ключевых горячих точек исследований и выя...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Авторам нечего раскрывать.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
bibliometrix packageComprehensive R Archive Network (CRAN)bibliometrix 4.3.0Лесной график, который позволяет использовать несколько доверительных интервалов для каждой строки, пользовательские шрифты для каждого текстового элемента, пользовательские доверительные интервалы, текст смешивается с выражениями и многое другое.
CiteSpaceChaomei Chen, Drexel UniversityCiteSpace 6.2.R4 (64-bit) beta Basic‌ CiteSpace‌ является инструментом анализа научной литературы. Его основная функция заключается в анализе знаний, лежащих в основе научной литературы, с помощью наглядных средств, показывая структуру, правила и распределение научных знаний. Основные функции CiteSpace включают в себя: анализ исследовательского сотрудничества ‌, суждение о важных журналах ‌, анализ основных тем и так далее.
dplyrComprehensive R Archive Network (CRAN)dplyr 1.1.4dbplyr — это бэкенд базы данных для dplyr. Он позволяет использовать удаленные таблицы базы данных так, как если бы они были кадрами данных в памяти, автоматически преобразуя dplyr код в SQL.
esquisseComprehensive R Archive Network (CRAN)esquisse 2.0.1Эта надстройка позволяет интерактивно исследовать данные, визуализируя их с помощью пакета ggplot2. Он позволяет рисовать столбчатые диаграммы, кривые, точечные диаграммы, гистограммы, ящичковые диаграммы и объекты sf, а затем экспортировать график или извлекать код для воспроизведения графика.
forcatsComprehensive R Archive Network (CRAN)forcats 1.0.0R использует факторы для обработки категориальных переменных, переменных, которые имеют фиксированный и известный набор возможных значений. Факторы также полезны для изменения порядка векторов символов для улучшения отображения. Целью пакета forcats является предоставление набора инструментов, которые решают общие проблемы с факторами, включая изменение порядка уровней или значений.
ggplot2Comprehensive R Archive Network (CRAN)ggplot2 3.5.1ggplot2 — это система для декларативного создания графики, основанная на Грамматике графики. Вы предоставляете данные, указываете ggplot2, как сопоставлять переменные с эстетикой, какие графические примитивы использовать, и он заботится о деталях.
ggpmiscComprehensive R Archive Network (CRAN)ggpmisc 0.6.1Пакет ' ggpmisc' (Различные расширения к ' ggplot2') — набор расширений для пакета R ' ggplot2' (>= 3.0.0) с акцентом на аннотации и построение графиков, связанных с подогнанными моделями. Оценки из объектов, подогнанных под модель, могут быть отображены в виде ggplots в виде текста, таблиц или уравнений. Прогнозируемые значения, невязки, отклонения и веса могут быть построены на графике для различных функций аппроксимации модели.
ggsciComprehensive R Archive Network (CRAN)ggsci 3.2.0ggsci предлагает коллекцию цветовых палитр ggplot2, вдохновленных научными журналами, библиотеками визуализации данных, научно-фантастическими фильмами и телешоу.
openxlsxComprehensive R Archive Network (CRAN)openxlsx 4.2.7.1Этот пакет R упрощает создание файлов .xlsx, предоставляя высокоуровневый интерфейс для написания, стилизации и редактирования рабочих листов. Благодаря использованию Rcpp, время чтения/записи сравнимо с пакетами xlsx и XLConnect с дополнительным преимуществом устранения зависимости от Java.
readxlComprehensive R Archive Network (CRAN)readxl 1.4.3Пакет readxl позволяет легко извлекать данные из Excel в R. По сравнению со многими существующими пакетами (например, gdata, xlsx, xlsReadWrite) readxl не имеет внешних зависимостей, поэтому он прост в установке и использовании на всех операционных системах. Он предназначен для работы с табличными данными.
reshape2Comprehensive R Archive Network (CRAN)reshape2 1.4.4Reshape2 - это перезагрузка пакета reshape. Прошло более пяти лет с момента первого выпуска Reshape, и за это время я узнал огромное количество информации о программировании на R и о том, как работать с данными в R. Reshape2 использует эти знания для создания нового пакета для изменения данных, который гораздо более сфокусирован и намного быстрее.
stringrComprehensive R Archive Network (CRAN)stringr 1.5.1Строки не являются гламурными, высокозаметными компонентами R, но они играют большую роль во многих задачах очистки и подготовки данных. Пакет стрингеров предоставляет целостный набор функций, разработанных для того, чтобы максимально упростить работу со струнами.
tidytextComprehensive R Archive Network (CRAN)tidytext 0.4.2Использование принципов tidy data может сделать многие задачи интеллектуального анализа текста проще, эффективнее и совместимыми с уже широко используемыми инструментами. Большая часть инфраструктуры, необходимой для интеллектуального анализа текста с аккуратными фреймами данных, уже существует в таких пакетах, как dplyr, broom, tidyr и ggplot2. В этом пакете мы предоставляем функции и вспомогательные наборы данных, позволяющие преобразовывать текст в форматы tidy и обратно, а также легко переключаться между инструментами tidy и существующими пакетами интеллектуального анализа текста. Ознакомьтесь с нашей книгой, чтобы узнать больше о интеллектуальном анализе текста с использованием принципов tidy
tidyverseComprehensive R Archive Network (CRAN)tidyverse 2.0.0Tidyverse — это самоуверенная коллекция R-пакетов, разработанных для науки о данных. Все пакеты имеют общую философию проектирования, грамматику и структуры данных.
VennDiagramComprehensive R Archive Network (CRAN)VennDiagram 1.7.3VennDiagram — это пакет R для создания настраиваемых диаграмм Венна с высоким разрешением, содержащих до четырех наборов, и диаграмм Эйлера с числом до трех наборов. Включает в себя обработку нескольких особых случаев, включая масштабирование в двух случаях, а также обширную настройку формы и структуры участка.
VOSviewer  Центр исследований в области науки и технологий, Лейденский университет, НидерландыVOSviewer версии 1.6.19VOSviewer — это программное средство для построения и визуализации библиометрических сетей. Эти сети могут включать, например, журналы, исследователей или отдельные публикации, и они могут быть построены на основе цитирования, библиографической связи, совместного цитирования или отношений соавторства. VOSviewer также предлагает функциональные возможности интеллектуального анализа текста, которые могут быть использованы для построения и визуализации сетей совместного использования важных терминов, извлеченных из массива научной литературы.
Data:

Ссылки

  1. Kocarnik, J. M., et al. Cancer incidence, mortality, years of life lost, years lived with disability, and disability-adjusted life years for 29 cancer groups from 2010 to 2019: A systematic analysis for the global burden of disease study 2019. JAMA Oncol. 8 (3), 420-444 (2022).
  2. Soerjomataram, I., Bray, F. Planning for tomorrow: Global cancer incidence and the role of prevention 2020-2070. Nat Rev Clin Oncol. 18 (10), 663-672 (2021).
  3. Bray, F., et al. Global cancer statistics 2022: Globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 74 (3), 229-263 (2024).
  4. Zhang, Y., Zhang, Z. The history and advances in cancer immunotherapy: Understanding the characteristics of tumor-infiltrating immune cells and their therapeutic implications. Cell Mol Immunol. 17 (8), 807-821 (2020).
  5. Xu, X., et al. Metabolic reprogramming and epigenetic modifications in cancer: From the impacts and mechanisms to the treatment potential. Exp Mol Med. 55 (7), 1357-1370 (2023).
  6. Hanahan, D. Hallmarks of cancer: New dimensions. Cancer Discov. 12 (1), 31-46 (2022).
  7. Kashyap, A., et al. Quantification of tumor heterogeneity: From data acquisition to metric generation. Trends Biotechnol. 40 (6), 647-676 (2022).
  8. Vredevoogd, D. W., Peeper, D. S. Heterogeneity in functional genetic screens: Friend or foe. Front Immunol. 14, 1162706(2023).
  9. Jovic, D., et al. Single-cell RNA sequencing technologies and applications: A brief overview. Clin Transl Med. 12 (3), e694(2022).
  10. Hong, M., et al. RNA sequencing: New technologies and applications in cancer research. J Hematol Oncol. 13 (1), 166(2020).
  11. Moed, H. F. New developments in the use of citation analysis in research evaluation. Arch Immunol Ther Exp (Warsz). 57 (1), 13-18 (2009).
  12. Ninkov, A., Frank, J. R., Maggio, L. A. Bibliometrics: Methods for studying academic publishing. Perspect Med Educ. 11 (3), 173-176 (2022).
  13. Li, X., Wang, L., Wang, L., Feng, Z., Peng, C. Single-cell sequencing of hepatocellular carcinoma reveals cell interactions and cell heterogeneity in the microenvironment. Int J Gen Med. 14, 10141-10153 (2021).
  14. Li, Y., Jin, J., Bai, F. Cancer biology deciphered by single-cell transcriptomic sequencing. Protein Cell. 13 (3), 167-179 (2022).
  15. Bai, X., Li, Y., Zeng, X., Zhao, Q., Zhang, Z. Single-cell sequencing technology in tumor research. Clin Chim Acta. 518, 101-109 (2021).
  16. Zhang, L., et al. Worldwide research trends on tumor burden and immunotherapy: A bibliometric analysis. Int J Surg. 110 (3), 1699-1710 (2024).
  17. Ghorbani, B. D. A scientometrics research perspective in applied linguistics. Meihami, H., Esfandiari, R. , Springer Nature. Switzerland, Cham. 197-234 (2024).
  18. Chen, C. M., Leydesdorff, L. Patterns of connections and movements in dual-map overlays: A new method of publication portfolio analysis. J Assoc Inf Sci Technol. 65 (2), 334-351 (2014).
  19. Shen, S., et al. Analyzing and mapping the research status, hotspots, and frontiers of biological wound dressings: An in-depth data-driven assessment. Int J Pharm. 629, 122385(2022).
  20. Small, H., Sweeney, E., Greenlee, E. Clustering the science citation index using co-citations .2. Mapping science. Scientometrics. 8 (5-6), 321-340 (1985).
  21. Butler, A., Hoffman, P., Smibert, P., Papalexi, E., Satija, R. Integrating single-cell transcriptomic data across different conditions, technologies, and species. Nat Biotechnol. 36 (5), 411-420 (2018).
  22. Stuart, T., et al. Comprehensive integration of single-cell data. Cell. 177 (7), 1888-1902.e21 (2019).
  23. Baysoy, A., Bai, Z., Satija, R., Fan, R. The technological landscape and applications of single-cell multi-omics. Nat Rev Mol Cell Biol. 24 (10), 695-713 (2023).
  24. Macosko, E. Z., et al. Highly parallel genome-wide expression profiling of individual cells using nanoliter droplets. Cell. 161 (5), 1202-1214 (2015).
  25. Tirosh, I., et al. Dissecting the multicellular ecosystem of metastatic melanoma by single-cell RNA-seq. Science (New York, N.Y.). 352 (6282), 189-196 (2016).
  26. Martinez-Simon, A., et al. Covid-19 publications in anaesthesiology journals: A bibliometric analysis. Br J Anaesth. 128 (3), e239-e241 (2022).
  27. Wen, L., Tang, F. Single-cell sequencing in stem cell biology. Genome Biol. 17, 71(2016).
  28. Zhang, Y., et al. Single-cell RNA sequencing in cancer research. J Exp Clin Cancer Res. 40 (1), 81(2021).
  29. Tang, F., et al. MRNA-seq whole-transcriptome analysis of a single-cell. Nat Methods. 6 (5), 377-382 (2009).
  30. Navin, N., et al. Tumour evolution inferred by single-cell sequencing. Nature. 472 (7341), 90-94 (2011).
  31. Tang, J., et al. Single-cell exome sequencing reveals multiple subclones in metastatic colorectal carcinoma. Genome Med. 13 (1), 148(2021).
  32. Song, H., et al. Single-cell analysis of human primary prostate cancer reveals the heterogeneity of tumor-associated epithelial cell states. Nat Commun. 13 (1), 141(2022).
  33. Zheng, X., et al. Single-cell transcriptomic profiling unravels the adenoma-initiation role of protein tyrosine kinases during colorectal tumorigenesis. Signal Transduct Target Ther. 7 (1), 60(2022).
  34. Chan, T. J., Zhang, X., Mak, M. Biophysical informatics reveals distinctive phenotypic signatures and functional diversity of single-cell lineages. Bioinformatics. 39 (1), btac833(2023).
  35. Chen, Y. P., et al. Single-cell transcriptomics reveals regulators underlying immune cell diversity and immune subtypes associated with prognosis in nasopharyngeal carcinoma. Cell Res. 30 (11), 1024-1042 (2020).
  36. Small, H. Co-citation in scientific literature - new measure of relationship between 2 documents. J Am Soc Inf Sci. 24 (4), 265-269 (1973).
  37. Villani, A. -C., et al. Single-cell RNA-seq reveals new types of human blood dendritic cells, monocytes, and progenitors. Science (New York, N.Y.). 356 (6335), eaah4573(2017).
  38. Sun, D., et al. Identifying phenotype-associated subpopulations by integrating bulk and single-cell sequencing data. Nat Biotechnol. 40 (4), 527-538 (2022).
  39. Pe'er, D., et al. Tumor heterogeneity. Cancer Cell. 39 (8), 1015-1017 (2021).
  40. Liu, X., et al. Single-cell transcriptomics links malignant T cells to the tumor immune landscape in cutaneous T-cell lymphoma. Nat Commun. 13 (1), 1158(2022).
  41. Yan, Y., et al. Clonal phylogeny and evolution of critical cytogenetic aberrations in multiple myeloma at single-cell level by qm-fish. Blood Adv. 6 (2), 441-451 (2022).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Теги

Глобальные и современные тенденции в области секвенирования одиночных клеток при раке: библиометрическое и визуализационное исследование
Свяжитесь с нами
Рекомендовать библиотеке

Конфиденциальность

Условия эксплуатации

Политика

Авторские права © 2026 MyJoVE Corporation. Все права защищены.