Библиометрический анализ метаболического перепрограммирования в Т-лимфоцитах выявляет тенденции исследований и новые горячие точки на 2016–2025 годы

Краткое содержание

Этот библиометрический анализ использовал CiteSpace, VOSviewer и Scimago Graphica для оценки тенденций публикаций, сетей сотрудничества и новых горячих точек в исследованиях метаболического перепрограммирования T-лимфоцитов с 2016 по 2025 год.

Аннотация

Т-лимфоциты являются центральными регуляторами иммунных ответов, и недавние исследования показали, что метаболические процессы влияют на активацию, дифференцировку и эффекторную функцию Т-лимфоцитов при раке и аутоиммунных заболеваниях. В этом исследовании был проведен библиометрический анализ публикаций с 1 января 2016 года по 31 декабря 2025 года, полученный из Web of Science Core Collection. CiteSpace использовался для анализа совместного появления, социтирования и кластеризации ссылок и ключевых слов. VOSviewer применялся для анализа журналов, авторов, источников, стран и учреждений, в то время как Scimago Graphica визуализировала национальные сети сотрудничества, а Excel использовался для оценки ежегодных тенденций публикаций. Всего было включено 1 882 публикации. Годовой выпуск публикаций стабильно рос, при этом заметный рост был зафиксирован в 2021 и 2025 годах. Китай обеспечил наибольший объём публикаций, тогда как США продемонстрировали большее влияние на цитирование. Самый продуктивный журнал был Frontiers in Immunology, а Nature показал наибольшее влияние на цитирование. Кластеризация ключевых слов и анализ цитирования выявили развивающиеся горячие точки исследований, сосредоточенные на перепрограммировании метаболизма Т-лимфоцитов, метаболизме глюкозы и аминокислот, а также растущем интересе к метаболическим взаимодействиям иммунных клеток. В целом этот библиометрический анализ демонстрирует продолжающееся расширение исследований иммунометаболизма Т-лимфоцитов и выделяет новые тематические направления, включая межклеточную метаболическую регуляцию и липидный метаболизм.

Введение

Наивные Т-лимфоциты в основном полагаются на митохондриальное окислительное фосфорилирование (OXPHOS) для поддержания своего спокойного и низкоэнергетического метаболического^{состояния 1}. Однако после стимуляции антигеном активированные Т-лимфоциты проходят метаболический сдвиг в сторону аэробного гликолиза для поддержки быстрого пролиферации и эффекторной функции². Эффекторные Т-лимфоциты, особенно цитотоксические подмножества, зависят от гликолиза для удовлетворения повышенных биоэнергетических и биосинтетических потребностей, связанных с выработкой цитокинов и расширением^{клеток 3}. Хотя гликолиз производит меньше аденозинтрифосфата (АТФ) на одну молекулу глюкозы, чем OXPHOS, его быстрый метаболизм поддерживает функциональные потребности активированных иммунных^{клеток 4}. Чрезмерная гликолитическая активность также может способствовать негативному воздействию в иммунной микросреде. Накопление лактата может нарушать синтез серина, полученного из глюкозы, и изменять внутриклеточный окислительный баланс, тем самым подавляя пролиферацию и функцию^{Т-лимфоцитов 5}. Кроме того, повышенный уровень лактата нарушает миграционные пути, зависящие от гликолиза, и снижает подвижность T-лимфоцитов CD4⁺ и CD8⁺^6,7.

Клеточный метаболизм динамически адаптируется к воздействию окружающей среды и физиологическим стимулам через процесс, известный как метаболическое^{перепрограммирование 8,9}. Всё больше данных указывает на то, что метаболическое перепрограммирование играет центральную роль в регуляции активации, дифференцировки и функциональной пластичности Т-лимфоцитов^10,11. Эти метаболические изменения особенно актуальны при раке и аутоиммунных заболеваниях, где изменения в иммунной микросреде влияют на функцию Т-лимфоцитов и иммунную^{регуляцию 12,13}. Хотя несколько библиометрических исследований оценивали иммунометаболизм в более широких контекстах, включая иммунометаболизм рака и иммунный метаболизм, связанные с заболеваниями, эти анализы в основном сосредоточены на обобщённых иммунно-метаболических взаимодействиях, а не на специфическом метаболическом перепрограммировании^{Т-лимфоцитов 14,15}. Комплексная библиометрическая оценка, посвящённая иммунометаболизму Т-лимфоцитов, остаётся ограниченной, особенно с точки зрения исследовательских тенденций, сетей сотрудничества и развивающихся тематических горячих точек в этой области.

Для устранения этого пробела в исследовании был проведен библиометрический анализ публикаций, индексируемых в Web of Science Core Collection (WOScc) с 1 января 2016 года по 31 декабря 2025 года. CiteSpace, VOSviewer и Scimago Graphica использовались для количественного анализа публикаций, шаблонов сотрудничества, социтирующих отношений и тематической эволюции в исследованиях метаболического перепрограммирования Т-лимфоцитов. В отличие от традиционных нарративных обзоров, библиометрический анализ предоставляет структурированный и основанный на данных обзор научного ландшафта с помощью цитирования, кластеризации и анализа ключевых слов. Цель данного исследования заключалась в систематической характеристике глобальных исследовательских тенденций и возникающих горячих точек в иммунометаболизме Т-лимфоцитов, а также в предоставлении организованного обзора современного ландшафта знаний в этой быстро меняющейся области.

Протокол

Это исследование исключительно анализировало библиографические данные, полученные из общедоступных баз данных, и не включало участников, животных или идентифицируемые персональные данные; Поэтому одобрение институциональной этики и информированное согласие не требовались.

Стратегия сбора данных и поиска
Данные были извлечены из WoSCC (https://www.webofscience.com/wos/woscc/) 27 января 2026 года. Выбранные издания базы данных включали Science Citation Index Expanded (SCI-EXPANDED) и Social Sciences Citation Index внутри WoSCC. Поиск проводился с использованием интерфейса расширенного поиска. Стратегия поиска применялась в поле «Тема (TS)», а полный поисковый запрос и полученные записи представлены в Таблице 1. Период поиска был ограничен публикациями, индексированными с 1 января 2016 года по 31 декабря 2025 года с использованием фильтра WoSCC «Timespan». С помощью фильтра «Типы документов» включались только оригинальные исследовательские статьи и обзорные статьи. Язык был ограничен английским, и никаких ограничений по стране, учебному заведению или области исследований не применялись. Все записи экспортировались в простом текстовом формате с выделением «Полная запись и цитируемые ссылки» при экспорте. Когда количество полученных записей превышало 500, записи скачивались несколькими партиями и затем объединялись в единый набор данных перед анализом. После извлечения все записи импортировались в CiteSpace для предварительной обработки и библиометрического анализа. Дублирующиеся записи выявлялись и удалялись с помощью встроенной функции дедупликации в CiteSpace на основе библиографических метаданных, включая название, авторов, год публикации и исходный журнал. Когда выявлялись возможные несоответствия или неполные библиографические записи, дополнительно проводилась ручная проверка для обеспечения точности и согласованности данных перед анализом.

Декорации	Результаты	Поисковый запрос
#1	252,461	TS=("Т-клетка*" ИЛИ "Т-клетка*" ИЛИ "Т-лимфоцит*" ИЛИ "Т-лимфоцит*" ИЛИ "Т-лимфа*" ИЛИ "CD4+ Т-клетка*" ИЛИ "CD8+ Т-клетка*" ИЛИ "цитотоксичная Т-клетка*" ИЛИ "регуляторная Т-клетка*" ИЛИ "Т-клетка*" ИЛИ "Т-цельная клетка*" ИЛИ "наивная Т-клетка*" ИЛИ "Т-клетка*" ИЛИ "Т-клетка памяти*" ИЛИ "эффекторная Т-клетка*")
#2	13,799	TS=("метаболическая репрограмма*" ИЛИ "метаболическая ремодель*" ИЛИ "метаболическая перенастройка")
#3	1,882	#1 И #2

Таблица 1: Стратегия поиска Web of Science Core Collection, используемая для поиска библиометрических данных. Таблица обобщает подробную стратегию поиска, комбинации ключевых слов, булевые операторы и итоговые подсчёты поиска, используемые для сбора литературы из WoSCC. Поиск осуществлялся с помощью поля «Тема (TS)» в интерфейсе расширенного поиска. Джокеры (*) использовались для получения нескольких окончаний слов и связанной терминологии. Окончательный набор данных состоял из публикаций, индексируемых с 1 января 2016 года по 31 декабря 2025 года после применения языковых и типовых фильтров.

Аналитические подходы
Многоинструментовый библиометрический подход был систематически реализован для анализа данных. Анализ проводился в операционной среде Windows 10. CiteSpace (v.5.7.R2) использовался для анализа ссылок и ключевых слов путём обработки данных в формате TXT, экспортированных из WoSCC. Параметры CiteSpace были настроены следующим образом: (1) временное слайсирование было установлено с 2016 по 2025 год с одним годом на срез; (2) критерии отбора были настроены с использованием g-индекса (k = 25); (3) методы обрезки включали Pathfinder, Pruninging Sliced Networks и Pruninging the Merged Network для упрощения структур сетей при сохранении ключевых связей; и (4) кластерный анализ проводился с использованием алгоритма логарифм-правдоподобия¹⁶. Этот анализ сгенерировал сети социтирования, карты кластеризации, визуализации временной шкалы и карты обнаружения вспышек как для ссылок, так и для ключевых слов. В визуализационных картах размер узла обозначал частоту, толщина канала — силу совместного появления, а фиолетовые кольца — высокую центральность между ними. Узлы burst отражали резкое увеличение частоты цитирования или ключевых слов со временем.

Впоследствии экспортированные файлы были пересохранены в кодировке UTF-8 с помощью Windows Notepad и импортированы в VOSviewer (версия 1.6.20) для библиометрического отображения, включая анализ соавторства, совместного цитирования и совместного появления среди авторов, журналов, учреждений и стран¹⁷. Применялся метод полного подсчёта, а нормализация проводилась с использованием метода ассоциативно-прочности. Минимальные пороги распространения были установлены в зависимости от размера набора данных (авторы ≥ 5 публикаций; ключевые слова ≥ 5 случаев; учреждения ≥ 3 публикации). Визуализация сети основывалась на весе элемента и общей силе связи. Для анализа сотрудничества на уровне страны файлы GML, экспортированные из VOSviewer, импортировались в Scimago Graphica (версия 1.0.53), где узлы представляли страны. Визуализация и кластеризация сети были созданы с использованием стандартного алгоритма форс-направленной структуры для представления пространственных связей и шаблонов сотрудничества между странами. WPS Excel использовался для описательного статистического анализа ежегодных публикаций и базового суммирования данных. Результаты визуализировались с помощью столбчатых диаграмм, столбцов и линейных графиков.

Дополнительный анализ с ограничением времени был проведён с использованием той же стратегии поиска, описанной выше, при этом поиск был ограничен публикациями, индексированными с 1 января 2025 года по 31 декабря 2025 года. В рамках той же структуры запросов WoSCC и аналитической среды были извлечены недавние публикации и результаты, связанные с конференциями, для контекстуальных и описательных целей. Эта процедура проводилась полностью в рамках встроенного аналитического интерфейса WoSCC. Независимый набор данных не создавался, и полученная информация не интегрировалась в основной библиометрический набор данных и не использовалась для количественного анализа. Общий дизайн исследования и рабочий процесс библиометрического анализа обобщены в блок-схеме (рисунок 1).

Рисунок 1. Рабочий процесс библиометрического анализа исследований метаболического перепрограммирования Т-лимфоцитов. Схематический обзор дизайна исследования и аналитического рабочего процесса, используемых в этом библиометрическом анализе. Публикации были извлечены из Web of Science Core Collection (WoSCC) с использованием заранее определённых стратегий поиска и критериев включения. Полученные записи экспортировались в обычном текстовом формате и подвергались предварительной обработке, включая удаление дубликов и стандартизацию библиографических данных. Библиометрический анализ проводился с использованием CiteSpace для анализа социтирования, совместного появления ключевых слов, кластеризации и обнаружения вспышек, а также VOSviewer для анализа сетей сотрудничества между авторами, учреждениями, странами и журналами. Scimago Graphica использовалась для визуализации международных сетей сотрудничества, а WPS Excel — для анализа ежегодных тенденций публикаций и описательной статистики. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Результаты

Публикационная деятельность и временные тенденции
Для характеристики временной эволюции исследовательской деятельности в этой области был проведён библиометрический анализ с использованием публикаций, индексируемых в WoSCC. Всего за последнее десятилетие было первоначально извлечено 1 991 запись. После удаления дублирующих и неанглийских записей в итоге было включено и проанализировано 1882 публикации, включая 1046 оригинальных научных статей и 836 обзорных статей. Годовые тенденции публикаций и цитирования с 2016 по 2025 годы представлены на рисунке 2, демонстрируя устойчивый рост исследовательской активности со временем. В 2020 году количество публикаций увеличилось на 40 статей, а количество цитируемых — на 1 989 по сравнению с 2019 годом. С 2021 по 2024 год количество цитируемостей продолжало расти ежегодно, тогда как количество публикаций показало относительно меньшие изменения из года к годовому, за исключением увеличения на 55 статей в 2021 году. В 2025 году количество публикаций увеличилось с 252 до 629, а количество цитируемых — с 13 045 до 21 103. Эти результаты свидетельствуют о устойчивом росте научного интереса и академического влияния в исследованиях метаболического перепрограммирования Т-лимфоцитов в течение периода исследования.

Рисунок 2. Ежегодные тенденции публикаций и цитирования в исследованиях метаболического перепрограммирования Т-лимфоцитов с 2016 по 2025 год. Годовое количество публикаций и общее количество цитирований, связанных с метаболическим перепрограммированием в Т-лимфоцитах, получено из базы данных WoSCC в период с 2016 по 2025 год. Синие полосы отражают годовые публикации и ежегодную продуктивность исследований. Оранжевая линия обозначает общее количество цитирований и отражает академическое влияние и влияние на цитирование публикаций, индексируемых в течение каждого года. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Вклад и сотрудничество на уровне страны
Анализ на уровне страны показал, что Китай имел наибольший объём публикаций — 997 публикаций, тогда как США — 510 публикаций (рисунок 3A). Тенденции публикации различались между двумя странами со временем. Выпуск публикаций в Китае стабильно рос на протяжении всего периода исследования, тогда как в США было два локальных пика публикаций, за которыми следовал спад годового выпуска до 2025 года (рисунок 3B). В 2025 году объем публикаций в обеих странах значительно вырос: увеличение на 296 публикаций в Китае и на 42 публикации в США по сравнению с предыдущим годом. Анализ сети сотрудничества выявил обширные взаимодействия между несколькими странами (рисунок 4A) и выделил пять основных стран-кластеров на основе моделей соавторства (рисунок 4B). США, Китай и Южная Корея образовали один тесно связанный кластер сотрудничества, тогда как дополнительные кластеры включали страны из Европы, Азии и Америки. Большинство стран демонстрировали совместные связи с Соединёнными Штатами, что указывает на центральную роль США в международной сети сотрудничества.

Рисунок 3. Тенденции международных публикаций в исследованиях метаболического перепрограммирования T-лимфоцитов с 2016 по 2025 год. (A ) Годовой объём публикаций в десяти странах с наибольшим объёмом публикаций в исследованиях метаболического перепрограммирования Т-лимфоцитов в период с 2016 по 2025 год. Различные цветные линии обозначают отдельные страны и иллюстрируют временные изменения в продуктивности публикаций. (B) Сравнительные годовые тенденции публикаций между Китаем и Соединёнными Штатами, показывающие изменения в результатах исследований со временем. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Рисунок 4. Международные сети сотрудничества в исследованиях метаболического перепрограммирования Т-лимфоцитов с 2016 по 2025 год. (A ) Международная сеть сотрудничества между 20 крупнейшими странами-участниками, созданная с помощью анализа библиометрических сетей. Размер узла отражает объём публикаций, толщина связи — силу сотрудничества между странами, а разные цвета — отдельные кластеры сотрудничества. (B) Диаграмма аккордов, иллюстрирующая совместные взаимодействия между странами. Ширина каждой соединяющей хорды соответствует интенсивности сотрудничества между парными странами. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Институциональная продуктивность и сотрудничество
Анализ институциональной производительности показал, что китайские учреждения занимают девять из десяти самых продуктивных учреждений, тогда как оставшееся учреждение базируется в Соединённых Штатах (рисунок 5A). Шанхайский университет Цзяо Тун занял первое место с 74 публикациями, за ним следуют университет Фудань с 66 публикациями и Центральный южный университет с 51 публикацией. Самыми высокопродуктивными китайскими учреждениями были университеты, преимущественно расположенные на юге Китая. Рейтинги на основе цитирования показали иную схему распределения по сравнению с продуктивностью публикаций (рисунок 5B). Гарвардский университет занял первое место с 2 997 цитатами, за ним следует Институт иммунобиологии и эпигенетики Макса Планка с 2 682 цитатами. Среди китайских учебных заведений Центральный Южный университет имел наибольшее количество цитирований — 2 288 цитат. Сеть институционального сотрудничества демонстрировала широкую взаимосвязь между учреждениями (рисунок 5C). Шанхайский университет Цзяо Тун показал наивысшую общую силу связи (62), что свидетельствует о частых сотрудничествах с другими учреждениями, особенно внутри Китая.

Рисунок 5. Институциональный анализ продуктивности и сотрудничества в исследованиях метаболического перепрограммирования Т-лимфоцитов с 2016 по 2025 год. (A ) Горизонтальная столбчатая диаграмма, ранжирующая топ-10 учебных заведений по объёму публикаций. (B) Горизонтальная столбчатая диаграмма, ранжирующая топ-10 учебных заведений по общему числу цитирований. (C) Институциональная сеть сотрудничества, созданная с использованием VOSviewer. Размер узла отражает результат институциональных публикаций, толщина канала — силу сотрудничества, а разные цвета — отдельные кластеры сотрудничества. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Продуктивность и влияние автора
Среди десяти лучших авторов по объёму публикаций Пин-Чжи Хо имел наибольшее количество публикаций (18 документов), за ним следуют Ли Хуэй с 14 публикациями и несколько дополнительных авторов с 10–12 публикациями (рисунок 6A). Анализ цитирования показал, что наибольшее количество цитирований имела Эрика Л. Пирс (2 384), за ней следуют Пинг-Чи Хо (1 641) и Ромеро Педро (1 352) (рисунок 6B). Пинг-Чжи Хо написал 18 публикаций, получил 1641 цитирование и продемонстрировал общую силу связей 23, что свидетельствует о центральной роли в сети сотрудничества авторов. Анализ совместного цитирования дополнительно иллюстрировал распределение частоты цитирования среди цитируемых авторов. Чанг С.Х. имел наибольшее количество цитирований (561), тогда как автор с самым низким рейтингом в топ-10 — 278 цитирований (рисунок 7A). Анализ сети показал, что авторы с высоким уровнем цитирования обычно демонстрируют более высокие значения общей силы связи, что указывает на более сильные связи социтирования и более широкую интеграцию внутри исследовательской сети (рисунок 7B).

Рисунок 6. Анализ влияния на продуктивность и цитирование авторов в исследованиях метаболического перепрограммирования T-лимфоцитов с 2016 по 2025 год. (A ) Горизонтальная столбчатая диаграмма, ранжирующая авторов по объёму публикаций. (B) Горизонтальная столбчатая диаграмма, ранжирующая авторов по общему числу цитирований. Длина такты отражает количество публикаций или ссылок, связанных с каждым автором. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Рисунок 7. Анализ цитируемых авторов в исследованиях метаболического перепрограммирования T-лимфоцитов с 2016 по 2025 год. (A ) Градиентная гистограмма, ранжирование цитируемых авторов по общему числу цитированных. (B) Градиентная столбчатая диаграмма, иллюстрирующая общую силу ссылок среди цитируемых авторов в сети социтирования. Длина такты означает частоту цитирования или общую силу связи, а более тёмная интенсивность цвета — более высокую частоту цитирования или более сильные соотношения цитирования. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Результаты журнала по публикациям и цитированию
Таблица 2 суммирует топ-10 журналов с наибольшим объёмом публикаций в исследованиях метаболического перепрограммирования T-лимфоцитов, включая количество цитирований и общие значения силы связи. Журнал Frontiers in Immunology имел наивысший объем публикаций — 203 публикации, тогда как Cell Metabolism показал самый высокий импакт-фактор (30,9) среди самых продуктивных журналов (см. рисунок 8A). Большинство журналов были классифицированы в категории Journal Citation Reports (JCR) за первый квартал (рисунок 8B). В сети сотрудничества в журналах пять журналов продемонстрировали общие значения силы связи, превышающие 100, при этом Frontiers in Immunology показали наивысшую общую силу связей (549), что указывает на сильную связность внутри сети сотрудничества журналов (рисунок 8C). Анализ цитирования цитируемых журналов показал, что Nature имеет самую высокую частоту цитирования (6 331), за ней следует Immunity (6 061) (Таблица 3 и рисунок 9A). Журнал Frontiers in Immunology занял третье место по частоте цитирования (5 685), несмотря на более низкий импакт-фактор по сравнению с несколькими другими высокоцитируемыми журналами. Анализ сети совместного цитирования показал сильные коллаборативные связи между цитируемыми журналами, при этом по всей сети наблюдались высокие значения общей силы ссылок (рисунок 9B). Эти результаты свидетельствуют о том, что высоковлиятельные журналы в этой области характеризуются как сильным воздействием цитирования, так и обширной межжурнальной связностью.

Звание	Журналы	Частота	Ссылки	Общая сила связей
1	Границы иммунологии	203	3993	549
2	Рубежи в онкологии	55	1366	113
3	Международный журнал молекулярных наук	49	1112	128
4	Nature Communications	33	2511	96
5	Рак	31	659	54
6	Продвинутая наука	27	1476	136
7	Отчёты о ячейках	27	329	56
8	Метаболизм клеток	25	3076	184
9	Международная иммунофармакология	23	243	45
10	Научные отчёты	22	197	16

Таблица 2: Топ-10 журналов по объёму публикаций в исследованиях метаболического перепрограммирования T-лимфоцитов с 2016 по 2025 год.Таблица суммирует 10 журналов с наибольшим объемом публикаций в исследованиях метаболического перепрограммирования Т-лимфоцитов, полученных из WoSCC. Частота — это количество публикаций, индексируемых в наборе данных. Цитаты показывают общее количество цитирований, связанных с публикациями каждого журнала. Общая сила канала отражает степень связности и совместной ассоциации внутри сети совместного взаимодействия журнала, созданной с помощью VOSviewer.

Рисунок 8. Метрики эффективности журналов и совместный сетевой анализ в исследованиях метаболического перепрограммирования Т-лимфоцитов. (A ) Распределение импакт-факторов среди топ-10 журналов с наибольшим объёмом публикаций. (B) Цитирование входит в десятку самых продуктивных журналов. (C) Сотрудничество в журналах и сеть социтирования, созданная с помощью библиометрического анализа. Длина баров отражает объём публикаций, импакт-фактор, количество цитирований или общую силу ссылок в сети журналов. Импакт-факторы и квартильные рейтинги были получены из Journal Citation Reports (JCR). Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Звание	Цитируемый журнал	Частота	ЕСЛИ	Квартиль JCR
1	Природа	6331	48.5	Q1
2	Иммунитет	6061	26.3	Q1
3	Границы иммунологии	5685	5.9	Q1
4	Ячейка	5539	42.5	Q1
5	Журнал иммунологии	5275	3.4	Q2
6	Метаболизм клеток	4974	30.9	Q1
7	Nature Communications	4515	15.7	Q1
8	Иммунология природы	4345	27.6	Q1
9	Труды Национальной академии наук Соединённых Штатов Америки	3838	9.1	Q1
10	Исследования рака	3818	16.6	Q1

Таблица 3: 10 самых цитируемых журналов по исследованиям метаболического перепрограммирования Т-лимфоцитов с 2016 по 2025 год. Таблица суммирует 10 самых цитируемых журналов, выявленных в анализе социтирования исследований метаболического перепрограммирования Т-лимфоцитов, полученных из WoSCC. Частота представляет собой общую частоту цитирования каждого журнала в наборе данных. IF указывает импакт-фактор журнала, а JCR — квартильную классификацию Journal Citation Reports. Для оценки влияния цитирования и академической значимости цитируемых журналов в библиометрической сети использовались метрики журналов.

Рисунок 9. Цитировал показатели эффективности в журналах и совместный анализ сетей в исследованиях метаболического перепрограммирования Т-лимфоцитов. (A ) распределение по квартилю JCR среди 10 самых цитируемых журналов. (B) Анализ сети совместного цитирования, иллюстрирующий коллаборативные отношения между цитируемыми журналами. Длина такты отражает частоту цитирования или общую силу ссылок в сети социтирования журналов. Метрики журнала были получены из JCR. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Анализ ссылок
Анализ эталонных кластеров выявил несколько взаимосвязанных тематических кластеров, при этом топ-10 кластеров представлены на рисунке 10A. Среди них кластер #0 (поляризация макрофагов) и кластер #2 (Т-лимфоциты) были связаны с регуляцией иммунных клеток. Кластеры #4 (микросреда опухолей) и #7 (истощение Т-клеток) продемонстрировали тесную сетевую связь, отражающую связанные с ними исследовательские темы. Также были выявлены дополнительные кластеры, связанные с метаболическими путями, включая кластер #3 (лактилирование), кластер #9 (метаболизм глутамина), кластер #1 (метаболизм липидов) и кластер #10 (метаболизм аминокислот). Кроме того, «прогноз» (кластер #6) был выделен как отдельный тематический кластер внутри сети социтирования. Анализ социтирования ссылок выявил высоко влиятельные ссылки в исследовательской области (рисунок 10B). Топ-10 источников были ранжированы по частоте цитирования (Таблица 4) и центральности между ссылками (Таблица 5). Ранее широко цитируемые исследования, особенно опубликованные после 2016 года, в основном сосредотачивались на иммунно-метаболических регуляторных механизмах и метаболических взаимодействиях в микросреде опухоли, включая регуляторную метаболическую адаптацию Т-клеток. Исследования, опубликованные в период с 2019 по 2022 год, всё чаще изучали терапевтические стратегии, направленные на метаболизм, включая блокаду глутамина и ось сигнализации лактат–PD-1. Высокоцентральные референции в основном были связаны с взаимодействием между клеточным метаболизмом и функциональностью иммунных клеток, включая поляризацию иммунной системы, истощение Т-клеток и эпигенетическую регуляцию. Одно из широко цитируемых исследований, опубликованных в 2018 году, сообщило, что метаболическое перепрограммирование в микросреде опухолей связано с снижением эффективности терапии с адоптивными Т-клетками.

Рисунок 10. Анализ референсных кластеров и социтирования в исследованиях метаболического перепрограммирования Т-лимфоцитов. (A ) Кластерный анализ цитируемых источников, показывающий топ-10 эталонных кластеров, выявленных с помощью CiteSpace. Разные цвета представляют собой отдельные тематические кластеры. (B) Сеть социтирования ссылок, созданная с помощью библиометрического анализа. Размер узла отражает частоту цитирования, а соединительные линии указывают на соотношения цитирования между ссылками. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Звание	Справочная информация	Название статьи	Название журнала	Ссылки
1	Уотсон, М. Дж. (2021)	Метаболическая поддержка регуляторных Т-клеток, инфильтрирующих опухоли, молочной кислотой	Природа	133
2	Кумагай, С. (2022)	Молочная кислота способствует экспрессии PD-1 в регуляторных Т-клетках в высокогликолитических микроокружениях опухолей	Раковые клетки	105
3	Ся, Л. (2021)	Метаболическое перепрограммирование рака и иммунный ответ	Молекулярный рак	102
4	Леоне, Р. Д. (2019)	Блокада глутамина вызывает разные метаболические программы для преодоления иммунного уклонения от опухоли	Наука	100
5	Фобер, Б. (2020)	Метаболическое перепрограммирование и прогрессирование рака	Наука	89
6	Санг, Х. (2021)	Статистика рака 2020: оценки GLOBOCAN заболеваемости и смертности по всему миру для 36 видов рака в 185 странах	CA: Журнал по раку для клиницистов	85
7	Леоне, Р. Д. (2020)	Метаболизм иммунных клеток при раке	Рак	83
8	Анджелин, А. (2017)	Foxp3 перепрограммирует метаболизм Т-клеток для работы в средах с низким уровнем глюкозы и высоким уровнем лактатов	Метаболизм клеток	83
9	Чанг, Ч. Х. (2015)	Метаболическая конкуренция в микросреде опухоли является фактором прогрессирования рака	Ячейка	74
10	Ван, Х. (2020)	Метаболическая адаптация, опосредованная CD36, поддерживает регуляторную выживаемость и функцию Т-клеток в опухолях	Иммунология природы	74

Таблица 4: Топ-10 самых цитируемых источников в исследованиях метаболического перепрограммирования Т-лимфоцитов с 2016 по 2025 год.В таблице приведены 10 самых часто цитируемых источников, выявленных с помощью анализа со-цитирования в исследованиях метаболического перепрограммирования Т-лимфоцитов. Частота цитирования отражает общее количество цитирований, полученных в библиометрическом наборе данных, полученных из WoSCC. В таблице приведены первый автор, год публикации, название статьи, название журнала и общее количество цитирований, связанных с каждой ссылкой.

Звание	Справочная информация	Название статьи	Название журнала	Центральность
1	Леоне, Р. Д. (2019)	Блокада глутамина вызывает разные метаболические программы для преодоления иммунного уклонения от опухоли	Наука	0.55
2	Хуанг, С. С. (2016)	Метаболическое перепрограммирование, опосредованное осью сигнализации mTORC2-IRF4, имеет решающее значение для активации альтернативных макрофагов	Иммунитет	0.52
3	Бранд, А. (2016)	Выработка молочной кислоты, ассоциированной с ЛДГК, притупляет иммунонадзор опухолей со стороны Т- и NK-клеток	Метаболизм клеток	0.5
4	Накая, М. (2014)	Воспалительные Т-клеточные ответы зависят от облегчения поглощения глутаминов и активации mTORC1 киназы с помощью аминокислотных транспортеров ASCT2	Иммунитет	0.48
5	Касконе, Т. (2018)	Повышенный гликолиз опухолей характеризует иммунную устойчивость к терапии с помощью Т-клеток	Метаболизм клеток	0.44
6	Ма, Х. З. (2019)	Холестерин вызывает истощение CD8+ Т-клеток в микросреде опухоли	Метаболизм клеток	0.41
7	Янг, В. (2016)	Усиление противоопухольного ответа Т-клеток CD8(+) путём модуляции метаболизма холестерина	Природа	0.39
8	Гейгер, Р. (2014)	L-аргинин модулирует метаболизм Т-клеток и повышает выживаемость и противоопухолевую активность	Ячейка	0.37
9	Фримерман, А. Дж. (2014)	Метаболическое перепрограммирование макрофагов: глюкозный метаболизм, опосредованный транспортером глюкозы 1 (GLUT1), стимулирует провоспалительный фенотип	Журнал биологической химии	0.31
10	Бьян, Й. (2020)	Рак SLC43A2 изменяет метаболизм Т-клеток метионина и метилирование гистонов	Природа	0.29

Таблица 5: Топ-10 источников, ранжированных по центральности промежуточности в исследованиях метаболического перепрограммирования Т-лимфоцитов с 2016 по 2025 год. Таблица суммирует топ-10 источников с наивысшей центральностью между ними, выявленных с помощью анализа сети социтирования с использованием CiteSpace. Центральность между эталонами отражает относительную важность референса для соединения различных исследовательских кластеров в библиометрической сети. Более высокие значения центральности указывают на более сильные мостовые роли между тематическими областями и большее влияние на структуру сети знаний.

Анализ ключевых слов и временные тенденции
Анализ кластеризации ключевых слов сгруппировал высокочастотные термины в несколько тематических категорий (рисунок 11A). Среди этих ключевых слов «метаболическое перепрограммирование» и «микросреда опухоли» часто встречались одновременно, что указывает на сильную тематическую связь в исследовательской области. Ключевые слова, такие как «Т-клетки» и «дендритные клетки», также оказались тесно связанными, что отражает устойчивый интерес к роли иммунных клеток в прогрессировании опухоли и регуляции, связанной с иммунотерапией. Анализ временных тенденций (рисунок 11B и 11C) показал меняющиеся приоритеты исследований на протяжении всего периода исследования. Ранние исследования, опубликованные в период с 2016 по 2018 год, в основном были сосредоточены на активации иммунных клеток и метаболизме глюкозы. Исследования, опубликованные в период с 2018 по 2020 год, всё больше акцентировали внимание на метаболической регуляции дифференцировки Т-клеток и иммунной функции. С 2021 года ключевые слова, такие как «метилирование ДНК», «окислительное фосфорилирование» и «IDO», стали появляться чаще, что свидетельствует о растущем интересе к эпигенетической регуляции, метаболизму митохондрий и иммуннометаболическим сигнальным путям в исследованиях Т-лимфоцитов.

Рисунок 11. Кластер ключевых слов, обнаружение вспышек и хронологический анализ тенденций в исследованиях метаболического перепрограммирования Т-лимфоцитов. (A ) Анализ кластеров 15 ключевых слов, выявленных с помощью библиометрического анализа. Разные цвета обозначают разные тематические зоны. (B) Визуализация хронологии топ-10 кластеров ключевых слов, показывающих временную эволюцию основных исследовательских тем. (C) Топ-20 ключевых слов, выявленных с помощью анализа обнаружения вспышек. Красные полосы указывают на периоды сильного увеличения частоты ключевых слов со временем. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Этот библиометрический анализ систематически картировал глобальный исследовательский ландшафт исследований метаболического перепрограммирования Т-лимфоцитов на основе публикаций, полученных в WoSCC. Научные результаты и влияние цитирования неуклонно росли в течение исследования, при этом Китай и США были признаны ведущими участниками публикации и влияния на цитирование. Анализ сетей сотрудничества показал всё более взаимосвязанные международные и институциональные исследовательские связи, а также выявил различия между объёмом публикаций и влиянием цитирования среди участников. Интеллектуальная структура области была в первую очередь сосредоточена на регуляции иммунных клеток и метаболическом перепрограммировании в микросреде опухоли, с временной эволюцией, сосредоточенной на фундаментальной активации иммунитета, в исследованиях эпигенетической регуляции, окислительного фосфорилирования и иммунно-метаболических взаимодействий. В целом, это исследование предоставляет структурированный обзор развития, основных участников, совместных моделей и новых тематических направлений в исследованиях метаболического перепрограммирования Т-лимфоцитов.

Доступность данных:
Анализируемые в этом исследовании наборы данных были получены из Web of Science Core Collection (WoSCC). Оригинальные библиометрические наборы данных и связанные аналитические файлы, созданные в ходе этого исследования, были предоставлены в качестве дополнительных материалов и доступны в публичном доступе через репозиторий Zenodo по адресу: https://doi.org/10.5281/zenodo.20270392. В этом исследовании не использовались ограниченные, конфиденциальные или лично идентифицируемые данные.

Обсуждение

Наш библиометрический анализ метаболического перепрограммирования в Т-клетках показал устойчивый рост исследовательской деятельности со временем. В 2020 году заметно увеличилось количество публикаций и цитирований: появилось 40 дополнительных публикаций и 1 989 дополнительных цитат по сравнению с 2019 годом. Этот рост во времени совпал с несколькими широко цитируемыми публикациями, включая «Глутаминная блокада индуцирует дивергентные метаболические программы для преодоления уклонения от иммунитета опухолей » (опубликовано 22 ноября 2019 года)¹⁸, которые вошли в число самых цитируемых и центральных источников в наборе данных. Это исследование часто цитируется совместно в этой области и связано с концептуальными достижениями в области иммунометаболизма и уклонения от иммунитета при опухоли, что потенциально способствует увеличению внимания учёных в этот период. Объём публикаций впоследствии зафиксировался, за исключением заметного увеличения на 55 статей в 2021 году, что совпало с публикацией нескольких часто цитируемых исследований. Ключевая публикация того года «Метаболическая поддержка регуляторных Т-клеток, инфильтрирующих опухоли, молочной кислотой » (опубликована в марте 2021 года), показала, как внутриклеточные метаболические факторы влияют на противоопухолевую функцию^{Т-клеток 19}. Другая публикация, «Метаболическое перепрограммирование рака и иммунный ответ » (опубликована 5 февраля 2021 года), подробно резюмировала, как иммунитет опухолей влияет на метаболиты, метаболические ферменты, метаболические пути и иммунноклеточное метаболическое^{программирование 20}.

Резкий рост был зафиксирован в 2025 году, когда объёмы публикаций и цитирования были примерно вдвое выше, чем в предыдущем году. Встроенный аналитический интерфейс WoSCC использовался для дальнейшего изучения динамики роста 2025 года и новых исследовательских горячих точек. Крупные международные конференции, состоявшиеся в 2025 году, включали 28-е ежегодное собрание Американского общества генной и клеточной терапии, ежегодное собрание Американской ассоциации исследований рака, ежегодное собрание Американской ассоциации иммунологов, 67-е ежегодное собрание Американского общества гематологии, ежегодное собрание Общества исследовательской дерматологии. и Международной конференции Американского торакального общества. Эти конференции составляли 14,6% (6/41) основных встреч, организованных за последнее десятилетие. Эти наблюдения могут отражать повышение академической активности и видимости в области в этот период. Лучшая статья, выявленная в 2025 году, называлась « tRNA m1A модификация регулирует биосинтез холестерина для укрепления противоопухолевой иммунитета CD8⁺ Т-клеток » (опубликована в марте 2025 года в The Journal of Experimental Medicine). В этом исследовании была выявлена модификация тРНК m1A как метаболический контрольный пункт в биосинтезе холестерина и продемонстрирована её важность для поддержки функции CD8⁺ T-клеток. Это наблюдение согласуется с библиометрическими результатами, указывающими на рост внимания исследований к метаболизму липидов в иммунометаболизме^{Т-клеток 21}.

В десятку лидеров по объёму публикаций за последнее десятилетие вошли Китай, Соединённые Штаты, Германия, Великобритания, Италия, Швейцария, Франция, Индия, Испания и Япония, которые вместе внесли 1 062 публикации (56,43% от общего объема). В 2016 году США лидировали в этой области с 25 публикациями, тогда как большинство других стран ежегодно выпускали менее 10 публикаций. США вошли в период относительно высокого выпуска с 2020 по 2022 год, за которым последовал стабильный плато и восстановление до 99 публикаций в 2025 году. Китай демонстрировал непрерывный рост после 2021 года, начиная с 2022 года, превысив 100 публикаций ежегодно. К 2025 году объем публикаций в Китае был в 64,9 раза выше, чем в 2016 году, и превысил 358,6% от общего объема публикаций в США за тот же год. Среди европейских стран Германия показала наивысший объем публикаций (133 публикации). Швейцария и Нидерланды также показали относительно высокую продуктивность исследований: Пинг-Чих Хо (Швейцария) и Михай Г. Нетеа (Нидерланды) внесли вклад соответственно в 18 и 12 публикаций. Эрика Л. Пирс из Германии заняла 10-е место среди самых плодовитых авторов (9 публикаций) и 9-е место среди самых цитируемых авторов (281 цитирование), с общей силой связей 179. Эти результаты указывают на всё более глобализированные модели сотрудничества и расширение международного участия в исследованиях иммунометаболизма Т-клеток.

Десять лучших журналов по объёму публикаций в этой области включали Frontiers in Immunology, Cell Metabolism, Nature Communications, Advanced Science, Frontiers in Oncology, International Journal of Molecular Sciences, Cancers, Cell Reports, International Immunopharmacology и Scientific Reports. Семь из этих журналов имели импакт-факторы от 3 до 7, тогда как в оставшихся трёх журналах импакт-факторы больше 10. Cell Metabolism имел наивысший импакт-фактор (30,9), но занял восьмое место по объёму публикаций с 25 публикациями, тогда как Frontiers in Immunology показал наивысший объём публикаций — 203 публикации, в среднем около 20 публикаций в год. Примечательно, что исследование Foxp3 Reprogramming T Cell Metabolism to Function в средах с низким уровнем глюкозы и высоким уровнем лактата, опубликованное в Cell Metabolism²², заняло восьмое место среди десяти самых цитируемых источников. Однако ни одна публикация из Frontiers in Immunology не вошла в список самых цитируемых источников. Четыре из десяти самых цитируемых источников были опубликованы в журналах Cell, Nature и Science. Иммунитет занял второе место по частоте цитирования и продемонстрировал сильное представительство среди центральных источников. Две публикации из десяти лучших источников по центральности были опубликованы в Immunity, хотя одна была опубликована до^{2016 года — 23,24}. В отличие от этого, Cell Metabolism сохранял сильное влияние на цитирование на протяжении всего периода исследования^{2016–2025 годов 25,26}. Из 1882 публикаций, включённых в этот анализ, 1046 были оригинальными научными статьями, а 836 — обзорными, что составляет необычно высокий процент обзорных статей в данной области. Примечательно, что три из десяти самых цитируемых источников были обзорными статьями. Этот паттерн может отражать быстро меняющийся характер исследований иммунометаболизма Т-клеток, что вызвало растущий спрос на интегративные обзоры, обобщающие новые результаты и концептуальные разработки.

На сегодняшний день исследования в этой области в основном были сосредоточены на метаболической регуляции подмножеств Т-клеток, включая эффекторные Т-клетки, Т-клетки памяти и регуляторные Т-клетки, при этом млекопитающим млекопитающим является один из самых часто изучаемых сигнальных путей. Помимо Т-клеток, всё больше внимания к исследованиям сосредоточено и на дендритных клетках, которые играют важную роль в активации Т-клеток и регуляции иммунной системы. Библиометрический анализ также показал неравномерное внимание исследований по метаболическим путям. Хотя метаболизм аминокислот и глюкозы были широко изучены, липидный метаболизм остаётся сравнительно недоизученным, несмотря на растущий интерес в последнее время. Эти результаты свидетельствуют о том, что будущие исследования будут всё больше сосредоточены на липидно-опосредованной иммунной регуляции, метаболическом перекрёстном взаимодействии в микросреде опухоли и эпигенетически-метаболических взаимодействиях. Эта библиометрическая структура также может помочь исследователям выявлять новые иммунометаболические темы, влиятельные коллаборации и малоизученные терапевтические направления, актуальные для иммунотерапии рака и иммунной регуляции.

У этого исследования есть несколько ограничений. Во-первых, данные были извлечены исключительно из WoSCC, что могло привести к пропуску соответствующих исследований, индексируемых в других базах данных, таких как Scopus или PubMed, что ввело к потенциальному смещению отбора, несмотря на высокое качество индексации WoSCC. Во-вторых, были включены только англоязычные издания, что могло привести к языковой предвзятости. В-третьих, метрики, основанные на цитировании, могут зависеть от возраста публикации, видимости журнала и практики цитирования, поэтому не полностью отражать научное качество или клиническую значимость. Наконец, хотя применялось несколько библиометрических индикаторов, более стандартизированные показатели, такие как H-индекс и среднее количество цитат на статью, не были включены. Будущие исследования, объединяющие несколько баз данных, дополнительные библиометрические индикаторы и подходы к продольной валидации, могут дать более полное понимание меняющегося ландшафта исследований иммунометаболизма Т-клеток.

Материалы

Список материалов, использованных в этой статье

Имя	Компания	Каталожный номер	Комментарии
CiteSpace	Drexel University	v.5.7.R2	SCR_025121
Microsoft Excel	Microsoft Corporation	v.2604 Build 16.0.19929.20136	SCR_016137 (Microsoft Excel)
WPS Excel	Kingsoft Office	v.12.1.0.26375
Scimago Graphica	Scimago Lab	v.1.0.53	Недоступно
VOSviewer	Leiden University	v.1.6.20	SCR_023516
Web of Science Core Collection	Clarivate Analytics	обращение 27 января 2026 года; версия не применима	Недоступно
Windows Operating System	Microsoft Corporation	Windows 10	Недоступно