Исследовательская статья

Картирование ландшафта знаний о мышечных заболеваниях при ревматоидном артрите: библиометрическое и биоинформатическое исследование

199 просмотров

DOI:

10.3791/70373

21 апреля 2026 г.

В этой статье

Краткое содержание

В данном исследовании используется библиометрический анализ для определения текущего ландшафта мышечных заболеваний, связанных с ревматоидным артритом, а также применяются биоинформатики для изучения общих генов и обогащённых путей между ревматоидным артритом и миозитом.

Аннотация

В данном исследовании был проведен библиометрический анализ публикаций, связанных с сопутствующими заболеваниями ревматоидного артрита (РА) и мышечными расстройствами, полученный из базы данных Web of Science Core Collection с 1 января 2015 года по 31 декабря 2024 года. Изучая ключевые характеристики опубликованных статей, исследование ставило целью выявить глобальные горячие точки исследований в этой области. С помощью таких инструментов, как VOSviewer, CiteSpace, Scimago Graphic и Excel, был проведён визуальный анализ исследовательского ландшафта. Анализ показал, что годовой выпуск публикаций в этой области демонстрировал циклические колебания. По общему количеству публикаций лидировали США, за ними следовал Китай. Издательские учреждения сформировали региональные совместные сети с значительным излучающим эффектом. Каролинский институт и Каролинская университетская больница в Швеции заняли первое и второе места с 50 и 30 публикациями соответственно. Что касается конкретных тем исследований, анализ кластеров по ключевым словам выявил 12 тематических кластеров, включая миозит, фактор некроза опухолей и метаболизм. Поскольку миозит является горячей точкой исследований в рамках сопутствующих заболеваний РА и мышечных расстройств, мы дополнительно использовали GeneCards для анализа корреляции между РА и миозитом с точки зрения экспрессии генов и путей, представляя результаты графически. Скрининг GeneCards выявил 359 общих генов. Анализ сетей взаимодействия белков и белков показал, что такие гены, как TNF, IL6 и IFNG, занимают центральные позиции. Анализ обогащения KEGG показал, что сигнальные пути TNF, JAK-STAT и IL-17 играют критическую роль.

Введение

Ревматоидный артрит (РА) — это хроническое аутоиммунное воспалительное заболевание, характеризующееся симметричным поражением суставов, с глобальной распространённостью примерно 0,5–1%1,2. Основной патологический механизм РА заключается в аномальной активации иммунной системы, что приводит к устойчивому воспалению синовиальной мембраны и каскаду суставных патологических изменений 3,4,5. Хотя синовий является основной мишенью РА, заболевание часто сопровождается различными системными проявлениями, включая сердечно-сосудистые заболевания, остеопороз и мышечныерасстройства 6,7,8,9. Среди них мышечные изменения, связанные с РА, такие как атрофия мышц, снижение мышечной силы и миозит, постепенно стали центром исследований в последние годы. Эти осложнения не только усугубляют функциональные нарушения и снижают качество жизни, но и влияют на прогноз заболевания и ответ на лечение 10,11,12,13. Хотя мышечные заболевания клинически распространены среди пациентов с РА, конкретные состояния горячих точек остаются неясными, а сопутствующие молекулярные механизмы пока не систематически выяснены. Кроме того, глобальные тенденции исследований и структура знаний в этой области требуют дальнейшего систематическогоизучения 14.

За последнее десятилетие был достигнут значительный прогресс в исследованиях мышечных расстройств, связанных с РА, благодаря достижениям в области биологических терапий, таргетных методов лечения и реабилитационноймедицины 15,16,17. Однако всесторонний анализ меняющегося направления исследований, коллаборативных сетей и эволюции ключевых тем в академическом сообществе всё ещё отсутствует. Библиометрия, количественный метод анализа академической литературы, может выявлять тенденции исследований, вклад стран и институтов, горячие точки ключевых слов и междисциплинарную динамику в конкретной области18. Методы визуализации, такие как сети ко-возникновения и анализ кластеризации, дополнительно дают интуитивное понимание эволюции структур знаний. Биоинформатический анализ позволяет глубоко анализировать биологические данные для выявления потенциального патогенеза заболеваний и ключевых регуляторных путей на молекулярном уровне. Интеграция этих двух подходов способствует созданию комплексной исследовательской основы, охватывающей макроскопические карты знаний до микроскопических молекулярных сетей, предоставляя тем самым новые многомерные перспективы для понимания патогенеза мышечных заболеваний, связанных с РА, и выявления потенциальных целей для вмешательства.

Основанное на базе данных Web of Science, данное исследование использует библиометрические инструменты, включая VOSviewer, CiteSpace, Scimago Graphica и Excel, для систематического анализа ежегодного объёма публикаций, национальных и институциональных вкладов, совместного использования ключевых слов и новых тематических трендов в области РА, связанных с мышечными расстройствами. Кроме того, база данных GeneCards использовалась для анализа общих генов и обогащённых путей, связанных как с миозитом, так и с РА. Результаты направлены на предоставление новых взглядов на механистические исследования, клиническое вмешательство и междисциплинарное сотрудничество в области мышечных расстройств, связанных с РА.

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

Протокол

Общий процесс исследования иллюстрируется на рисунке 1, где описаны последовательные этапы поиска литературы, библиометрического анализа, идентификации общих генов, построения сети взаимодействия белок-белок и анализа обогащения путей.

Стратегия поиска в литературе
Поиск литературы был проведён 22 июня 2025 года в базе данных Web of Science (WOS) CoreCollection 19. Поиск ограничивался Science Citation Index Expanded (SCI-Expanded) и Social Sciences Citation Index (SSCI), охватывающими публикации с 1 января 2015 года по 31 декабря 2024 года. Конкретные поисковые запросы и соответствующее количество результатов приведены в Таблице 1. После первоначального поиска типы документов, такие как тезисы заседаний, доклады конференций, редакционные материалы, главы книг и отзываемые публикации, были исключены. Впоследствии для дальнейшего анализа сохранялись только записи на английском языке и типов «Статья» или «Обзорная статья».

Библиометрический анализ
Библиометрический анализ и визуализация требуют поддержки определённых программных инструментов, подробности которых приведены в таблице материалов. Цель данного исследования — построить карту знаний междисциплинарной области исследований, объединяющую миозит и ревматоидный артрит. Аналитический спектр охватывает анализ тенденций публикаций за последнее десятилетие, модели международного сотрудничества и коллаборативных сетей, академическое влияние между учреждениями/журналами/авторами, ключевые ключевые слова, отражающие горячие точки исследований, и анализ цитируемой сети.

Данные о ежегодном счёте публикаций впервые экспортировались из базы данных Web of Science и использовались для создания статистических диаграмм, иллюстрирующих тенденции публикаций. Полученные данные литературы затем импортировались в программное обеспечение VOSviewer для анализа: в модуле «Соавторство» последовательно выбирались опции «Авторы», «Организации» и «Страны» для создания сетей-авторов, институциональных и стран-коллаборантских сетей соответственно; в модуле «Цитирование» была выбрана опция «Источники» для создания сетей сотрудничества журналов; в рамках модуля «Со-цитирование» были выбраны «Цитируемые источники» и «Цитированные авторы» для получения сетей сотрудничества с цитируемыми журналами и сетей. Для более интуитивной визуализации международных сотрудничества сеть сотрудничества между странами была дополнительно эстетически оптимизирована с помощью программного обеспечения Scimago Graphica для повышения визуальной чёткости и интерпретации20.

Анализ горячих точек ключевых слов и междисциплинарных тематических терминов проводился с использованием программного обеспеченияCiteSpace 21. Алгоритм Pathfinder был выбран для обрезки сети, с временным интервалом с января 2015 по декабрь 2024 года, разделённым на ежемесячные периоды. Тип узла был настроен как «Ключевое слово», что дало карту кластеров исследовательских горячих точек на основе ключевых слов, репрезентативных тематических терминов для каждого кластера и 20 самых часто встречающихся ключевых слов горячих точек. Анализ сети цитирования следовал аналогичному процедурному процессу, требуя лишь изменения типа узла на «Cited Reference» для выполнения соответствующего анализа.

Идентификация общих генов
Согласно библиометрическому анализу, ключевое слово «миозит» имело значительное значение в междисциплинарной области мышечной патологии и ревматоидного артрита. Поэтому в этом исследовании были выбраны миозит и ревматоидный артрит в качестве объектов для проведения перекрывающегося анализа генов. Конкретная процедура была следующей: Во-первых, из базы данныхGeneCards 22 были получены целевые гены, связанные с миозитом и ревматоидным артритом. Для обеспечения всесторонности анализа в этом исследовании не было установлено порог релевантности и было включено все зарегистрированные гены, связанные с заболеваниями, тем самым сформировав два соответствующих набора генов. Сравнивая эти два набора, были выявлены перекрывающиеся гены. Эти перекрывающиеся гены в конечном итоге были определены как «гены, связанные с сопутствующей морбидностью РА-миозит» и стали основным набором данных для последующих анализов.

Структура сети взаимодействия белков и белков (ИПП)
Используя функцию запроса «Multiple proteins» в базе данных STRING, мы отправили для анализа список «RA-миозит-связанные гены»23. Организм был установлен в «Homo sapiens» с минимальным требуемым порогом ≥0,700 (средняя уверенность). Полученные данные сетей взаимодействия белков и белков затем импортировались в Cytoscape для визуализации. Настраивая формы и цвета узлов через панель STYLE, была создана чётко визуализированная диаграмма взаимодействия белков и белков.

Анализ обогащения путей
Конкретный рабочий процесс анализа обогащения путей происходил следующим образом. Во-первых, анализ обогащения путей Киотской энциклопедии генов и геномов (KEGG) был проведён на общом наборе генов с помощью пакета clusterProfiler в программном обеспеченииR 24. Статистическая значимость оценивалась с помощью гипергеометрического теста, а p-значения корректировались для множественного тестирования с использованием метода Бенджамини-Хохберга для контроля частоты ложных обнаружений. Пути с скорректированным p-значением < 0,05 считались значительно обогащёнными и сохранялись для дальнейшего анализа. Пути, связанные с конкретными заболеваниями человека или общими метаболическими процессами, затем были вручную исключены для фокуса анализа на основных механизмах сигнализации. Фильтрованные пути и связанные с ними гены впоследствии импортировались в программное обеспечение Cytoscape для создания сетивзаимодействия 25. Алгоритм «yFiles Organic Layout» был применён для создания чёткой иерархической структуры. Визуальные атрибуты дополнительно оптимизировались в панели STYLE: интенсивность цвета узлов сопоставлялась с значимостью обогащения, размер узла взвешен по количеству основных генов в каждом пути, а толщина краёв взвешивала по коэффициенту сходства Жаккара между путями для отражения степени перекрытия генов. В конечном итоге была получена сеть взаимодействия путей KEGG для всестороннего анализа.

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

Результаты

Годовое количество публикаций
Поиск в базе данных WOS показал, что за последнее десятилетие было опубликовано всего 1 352 научные статьи по РА и исследованиям, связанным с мышцами. После отбора для исключения типов документов, включая тезисы заседаний, доклады конференций, редакционные материалы, главы книг и отзываемые публикации, остались только статьи и обзорные статьи, в результате чего было опубликовано 1 274 публикации. Дальнейшие ограничения на англоязычные пуб...

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

Обсуждение

Библиометрический анализ показывает явно поэтапную эволюцию направления исследований в этой области: в то время как ранние исследования в основном были сосредоточены на фундаментальных механизмах воспаления суставов, акцент постепенно смещается в сторону комплексных исследовательских направлений, охватывающих создание клинических систем оценки, выяснение молекулярных путей и разработку целевых стратегий вмешательства для системных сопутствующихзаболеваний 26,...

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

Раскрытие информации

У авторов нет конфликта интересов, которые можно было бы заявлять.

Благодарности

Это исследование было поддержано Национальным фондом естественных наук Китая (грант No 81704050).

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

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
CiteSpaceУниверситет Дрекселяhttps://citespace.podia.comКластеризация ключевых слов, обнаружение вспышек и анализ социтирования ссылок
clusterProfilerПакет R / Биопроводникhttps://bioconductor.org/packages/clusterProfilerАнализ обогащения путей KEGG
ЦитоскейпНациональный институт общих медицинских наук (NIGMS)https://cytoscape.orgВизуализация сетей PPI и сетей взаимодействия путей KEGG
ExcelMicrosoft Corporationhttps://www.microsoft.com/excelОрганизация данных, статистические диаграммы и ежегодный анализ тенденций публикаций
GeneCardsИнститут науки Вейцманаhttps://www.genecards.orgИзвлечение целевых генов ревматоидного артрита и миозита
R SoftwareФонд Rhttps://www.r-project.orgСтатистические вычисления, анализ данных и создание графиков обогащения
Scimago GraphicaЛаборатория Scimagohttps://www.graphica.appВизуализация и эстетическая оптимизация сетей сотрудничества между странами
СТРУНАШвейцарский институт биоинформатики (SIB) и др.https://string-db.orgСтруктура сети взаимодействия белков и белков (ИПП)
VOSviewerЛейденский университетhttps://www.vosviewer.comПостроение сетей сотрудничества (авторов, институтов, стран) и анализ социтирования журналов

Ссылки

  1. Brown, P., Pratt, A. G., Hyrich, K. L. Therapeutic advances in rheumatoid arthritis. BMJ. 384, e070856(2024).
  2. Finckh, A., et al. Global epidemiology of rheumatoid arthritis. Nat Rev Rheumatol. 18 (10), 591-602 (2022).
  3. Weyand, C. M., Goronzy, J. J. The immunology of rheumatoid arthritis. Nat Immunol. 22 (1), 10-18 (2021).
  4. Di Matteo, A., Bathon, J. M., Emery, P. Rheumatoid arthritis. Lancet. 402 (10416), 2019-2033 (2023).
  5. Gravallese, E. M., Firestein, G. S. Rheumatoid arthritis—common origins, divergent mechanisms. N Engl J Med. 388 (6), 529-542 (2023).
  6. England, B. R., Thiele, G. M., Anderson, D. R., Mikuls, T. R. Increased cardiovascular risk in rheumatoid arthritis: mechanisms and implications. BMJ. 361, k1036(2018).
  7. Minisola, S., Pepe, J., Cipriani, C. Rheumatoid arthritis, bone and drugs: a dangerous interweave. Ann Rheum Dis. 80 (4), 409-410 (2021).
  8. Bennett, J. L., et al. Rheumatoid sarcopenia: loss of skeletal muscle strength and mass in rheumatoid arthritis. Nat Rev Rheumatol. 19 (4), 239-251 (2023).
  9. Zhao, Y., Chen, G. Y., Fang, M. Research trends of rheumatoid arthritis and depression from 2019 to 2023: a bibliometric analysis. J Multidiscip Healthc. 17, 4465-4474 (2024).
  10. Farrow, M., et al. Muscle deterioration due to rheumatoid arthritis: assessment by quantitative MRI and strength testing. Rheumatology (Oxford). 60 (3), 1216-1225 (2021).
  11. Qu, Y., et al. Development and validation of a predictive model assessing the risk of sarcopenia in rheumatoid arthritis patients. Front Immunol. 15, 1437980(2024).
  12. Cano-García, L., et al. Sarcopenia and nutrition in elderly rheumatoid arthritis patients: a cross-sectional study. Nutrients. 15 (11), 2440(2023).
  13. Chen, G. Y., et al. Mechanisms of total glucosides of paeony in alleviating methotrexate-induced liver injury. Drug Des Devel Ther. 19, 3407-3423 (2025).
  14. Ding, Q., et al. Signaling pathways in rheumatoid arthritis: implications for targeted therapy. Signal Transduct Target Ther. 8 (1), 68(2023).
  15. Aletaha, D., Smolen, J. S. Diagnosis and management of rheumatoid arthritis: a review. JAMA. 320 (13), 1360-1372 (2018).
  16. Chen, G. Y., et al. Network pharmacology analysis and experimental validation of total flavonoids of Rhizoma Drynariae in rheumatoid arthritis. Drug Des Devel Ther. 16, 1743-1766 (2022).
  17. Pavlov-Dolijanovic, S., et al. Elderly-Onset Rheumatoid Arthritis: Characteristics and Treatment Options. Medicina (Kaunas). 59 (10), 1878(2023).
  18. Ninkov, A., Frank, J. R., Maggio, L. A. Bibliometrics: methods for studying academic publishing. Perspect Med Educ. 11 (3), 173-176 (2022).
  19. Li, K., Rollins, J., Yan, E. Web of Science use in published research and review papers 1997–2017. Scientometrics. 115 (1), 1-20 (2018).
  20. Chen, H., Chen, F., Luo, J., Chen, S. Research trends in emergency department overcrowding: a bibliometric study. Technol Health Care. 33 (3), 1159-1168 (2025).
  21. Du, Q., et al. Protocol for conducting bibliometric analysis using CiteSpace and VOSviewer. STAR Protoc. 5 (3), 103269(2024).
  22. Stelzer, G., et al. The GeneCards Suite: from gene data mining to disease genome sequence analyses. Curr Protoc Bioinformatics. 54, 1.30.1-1.30.33 (2016).
  23. Szklarczyk, D., et al. The STRING database in 2023: protein–protein association networks. Nucleic Acids Res. 51 (D1), D638-D646 (2023).
  24. Dessau, R. B., Pipper, C. B. R—project for statistical computing. Ugeskr Laeger. 170 (5), 328-330 (2008).
  25. Shannon, P., et al. Cytoscape: a software environment for biomolecular interaction networks. Genome Res. 13 (11), 2498-2504 (2003).
  26. Su, C. M., et al. Melatonin regulates rheumatoid synovial fibroblast inflammation. J Pineal Res. 76 (6), e13009(2024).
  27. Nygaard, G., Firestein, G. S. Restoring synovial homeostasis in rheumatoid arthritis. Nat Rev Rheumatol. 16 (6), 316-333 (2020).
  28. Xiao, Z. X., Miller, J. S., Zheng, S. G. Advances in autoantibodies in autoimmune diseases. Autoimmun Rev. 20 (2), 102743(2021).
  29. Wu, D., et al. Systemic complications of rheumatoid arthritis. Front Immunol. 13, 1051082(2022).
  30. Deane, K. D., Holers, V. M. Rheumatoid arthritis pathogenesis, prediction, and prevention. Arthritis Rheumatol. 73 (2), 181-193 (2021).
  31. Lekieffre, M., et al. Joint and muscle inflammatory disease: a scoping review. Semin Arthritis Rheum. 61, 152227(2023).
  32. Tian, J., et al. Methotrexate-loaded nanomedicine in rheumatoid arthritis. Acta Biomater. 157, 367-380 (2023).
  33. Hysa, E., et al. Vitamin D and muscle status in autoimmune rheumatic diseases. Nutrients. 16 (14), 2329(2024).
  34. Xu, L., et al. Metabolomics in rheumatoid arthritis: advances and review. Front Immunol. 13, 961708(2022).
  35. Østergaard, M., Boesen, M. Imaging in rheumatoid arthritis. Radiol Med. 124 (11), 1128-1141 (2019).
  36. Chen, Z., Bozec, A., Ramming, A., Schett, G. Anti-inflammatory cytokines in rheumatoid arthritis. Nat Rev Rheumatol. 15 (1), 9-17 (2019).
  37. Liu, W., et al. Sinomenine inhibits rheumatoid arthritis progression. Front Immunol. 9, 2228(2018).
  38. Miyabe, Y., Miyabe, C., Luster, A. D. LTB4 and BLT1 in inflammatory arthritis. Semin Immunol. 33, 52-57 (2017).
  39. Konzett, V., Aletaha, D. Management strategies in rheumatoid arthritis. Nat Rev Rheumatol. 20 (12), 760-769 (2024).
  40. Yang, D., et al. Research trends in heart failure and anxiety comorbidity. J Multidiscip Healthc. 18, 7175-7191 (2025).
  41. Colina, M., Campana, G. Precision medicine in rheumatology. J Clin Med. 14 (5), 1735(2025).
  42. Peilin, Z., et al. Inflammatory cytokines and rheumatoid arthritis. Postgrad Med J. 101 (1194), 313-320 (2025).
  43. Zamri, F., de Vries, T. J. TNF inhibitors in rheumatoid arthritis. Front Immunol. 11, 591365(2020).
  44. Pandolfi, F., et al. Interleukin-6 in rheumatoid arthritis. Int J Mol Sci. 21 (15), 5238(2020).
  45. Rong, H., et al. IL1B polymorphisms and rheumatoid arthritis risk. Int Immunopharmacol. 83, 106401(2020).
  46. Navarro-Compán, V., et al. IL-17 pathways in inflammatory diseases. Front Immunol. 14, 1191782(2023).
  47. Chen, G., Yan, Z., Wang, Y., Tao, Q. Rheumatoid arthritis and fibromyalgia: bibliometric study. J Multidiscip Healthc. 18, 6811-6827 (2025).
  48. Liu, X. R., et al. Isorhamnetin inhibits rheumatoid arthritis progression. Chin J Integr Med. 30 (4), 299-310 (2024).
  49. Niu, X., et al. Tectoridin suppresses inflammatory signaling in RA. Tissue Cell. 77, 101826(2022).
  50. Li, W., et al. Mangiferin and cinnamic acid alleviate rheumatoid arthritis. Front Immunol. 13, 912933(2022).
  51. Wang, Y., et al. Research trends in JAK inhibitors for ulcerative colitis. J Multidiscip Healthc. 18, 6755-6771 (2025).
  52. Bertrand, D., et al. Methotrexate and etanercept in early RA: CareRA2020 trial. RMD Open. 10 (3), e004535(2024).
  53. Simon, L. S., et al. The JAK/STAT pathway in rheumatoid arthritis. Semin Arthritis Rheum. 51 (1), 278-284 (2021).
  54. Hodge, J. A., et al. Mechanism of action of tofacitinib. Clin Exp Rheumatol. 34 (2), 318-328 (2016).
  55. Yang, Y. J., et al. Tubson-2 decoction in rheumatoid arthritis. Phytomedicine. 116, 154875(2023).
  56. Mao, D., et al. HDAC2 in rheumatoid arthritis progression. Environ Toxicol. 38 (7), 1743-1755 (2023).
  57. Kurowska-Stolarska, M., Alivernini, S. Synovial macrophages in rheumatoid arthritis. Nat Rev Rheumatol. 18 (7), 384-397 (2022).
  58. Day, J., et al. Periarticular myositis in inflammatory arthritis. JCI Insight. 10 (7), e179928(2025).

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

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

TNFJAK STATIL 17

Похожие статьи