Методическая статья

Библиометрия и биоинформатика. Исследование горячих точек исследований и ключевых целей при сопутствующих заболеваниях: интерстициальные заболевания лёгких и легочная гипертензия

DOI:

10.3791/71631

⸱

7 августа 2026 г.

 ,  ,  , 
1Graduate School, Beijing University of Chinese Medicine, 2Physical Examination Center, China-Japan Friendship Hospital, 3Qihuang School, Beijing University of Chinese Medicine, 4National Center for Integrative Medicine, China-Japan Friendship Hospital, 5School of Population Medicine and Public Health, Chinese Academy of Medical Sciences and Peking Union Medical College

В этой статье

Краткое содержание

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

Этот протокол использует интерстициальные заболевания лёгких и легочную гипертензию в качестве примеров и интегрирует библиометрию с биоинформатикой для систематического и предварительного изучения их исследовательских тенденций, горячих точек, ключевых целей и связанных путей. Этот протокол можно было воспроизвести для анализа любых пар заболеваний путём изменения подсказок.

Аннотация

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

Интерстициальная болезнь лёгких (ILD) и легочная гипертензия (PH) часто сосуществуют как сопутствующие заболевания, что приводит к плохим клиническим результатам и ограниченным терапевтическим возможностям. Выявление важных точек исследований и выявление ключевых целей сопутствующих заболеваний крайне важно для улучшения управления заболеваниями и разработки новых терапевтических стратегий. Этот протокол извлекает релевантные публикации из баз данных Web of Science Core Collection и Scopus, а также использует CiteSpace и VOSviewer для картирования горячих точек исследований и меняющихся тенденций. Впоследствии из базы данных GeneCards выявляются перекрывающиеся генетические цели, связанные с обоими заболеваниями. Сети взаимодействия белок-белок строятся с помощью STRING для идентификации генов-хабов, а анализ обогащения путей KEGG проводится с помощью языка R для выяснения ключевых сигнальных путей. Результаты показывают, что библиометрия определяет траекторию развития этой междисциплинарной области с макроточки зрения; биоинформатический анализ выявляет FN1, IL6 и TNF как потенциальные основные цели для сопутствующих заболеваний; а анализ обогащения KEGG показывает, что иммунно-связанные пути, сосредоточенные на PI3K-Akt и MAPK, глубоко вовлечены в патогенез сопутствующего заболевания. Интегрируя оба подхода, этот протокол систематически определяет траекторию развития и горячие точки исследований в исследованиях сопутствующих заболеваний ILD-PH, одновременно предварительно отбирая потенциальные цели и пути сопутствующих заболеваний. Она обеспечивает направление и вычислительную базу для будущих экспериментальных исследований и клинической валидации. Эта интегрированная структура предлагает воспроизводимую методологию, применимую для изучения других сложных сопутствующих заболеваний.

Введение

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

Интерстициальное заболевание легких (ILD) относится к группе диффузных заболеваний лёгких, патологически характеризующихся воспалениями и фиброзом легочного интерстиция. В ходе прогрессирования заболевания он часто осложняется множественными сопутствующими заболеваниями, среди которых легочная гипертензия (PH) является одной из распространённых сопутствующих инфекций, существенно влияющих на прогноз 1,2. Эпидемиологические данные показывают, что заболеваемость РГ у пациентов с ББ варьируется в зависимости от подтипа и стадии заболевания, варьируясь от 13% до 86%3,4,5. Это сопутствующее состояние не только значительно снижает качество жизни пациентов и увеличивает риск смертности, но и усугубляет социально-экономическую и медицинскуюнагрузку 6,7. В отличие от легочной артериальной гипертензии, патогенез легочной гипертензии, связанной с интерстициальными заболеваниями лёгких, более сложный и включает множество патологических процессов, таких как гипоксическая лёгочная вазоконстрикция, профиброзная и воспалительный фактор сосудистая ремоделирование, а также отложение внеклеточногоматрикса 8,9,10. В настоящее время клиническая диагностика и стратегии лечения этого сопутствующего состояния остаются относительно ограниченными, а специфические таргетные препараты отсутствуют. Её молекулярные механизмы, ключевые сигнальные пути и ранние биомаркеры всё ещё требуют систематическогоразъяснения 11,12.

В качестве объективного инструмента для выявления ключевых точек исследований и эволюционных траекторий библиометрия получила широкое применение впоследние годы 13,14. Биоинформатический анализ выявляет ключевые цели и основные пути пути интеграции ранее обнаруженных мишеней, связанных сболезнью 15. Для исследований сопутствующих заболеваний интеграция макроскопических горячих точек с информацией о молекулярных путях и целях углубляет понимание механизмов сопутствующих заболеваний и обеспечивает вычислительные прогнозы и направление для последующих экспериментальных исследований. Однако исследования сопутствующих заболеваний интерстициального заболевания лёгких и легочной гипертензии по-прежнему не имеют систематического интегрированного анализа, который бы сочетал макроскопическое картирование знаний с микроскопическими молекулярными сетями. Соответственно, это исследование использовало базы данных Web of Science Core Collection (WoSCC) и Scopus для всестороннего описания траектории развития и горячих точек исследований сопутствующих заболеваний ILD-PH с помощью библиометрических методов. В то же время биоинформатические инструменты использовались для выявления основных генов и потенциальных молекулярных путей, связанных с сопутствующей заболеванием, что предоставило кандидатурную молекулярную основу и направление экспериментального проектирования для последующих экспериментальных исследований и целенаправленных исследований.

Протокол

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

В исследовании использовались общедоступные вторичные базы данных, включая GeneCards, STRING и KEGG. Согласно статье 32 Положения о человеческих генетических ресурсах Китая, эти базы данных не связаны с прямым сбором человеческих генетических ресурсов внутри Китая; Поэтому для этого исследования не требовалось ни этическое одобрение, ни информированное согласие. Подробная информация о версиях программного обеспечения и платформ, используемых в этом разделе, приведена в Таблице материалов.

1. Сбор и организация литературы

  1. Получите доступ к базе данных MeSH (таблица материалов).
  2. Ищите термины «Интерстициальное заболевание легких» и «Легочная гипертензия» отдельно, чтобы найти их связанные подзаголовки.
  3. Разработать комплексную стратегию поиска на основе выявленных терминов и подзаголовков MeSH.
  4. 9 марта 2026 года откройте базу данных WoSCC (Таблица материалов).
  5. Выберите расширенный поиск. Вводите стратегию поиска: TS=("Диффузное паронхимальное заболевание легких" ИЛИ "Диффузные паренхимальные заболевания легких" ИЛИ "Интерстициальные заболевания легких" ИЛИ "Интерстициальные заболевания легких") И TS=("Легочная гипертензия"). Определите диапазон даты публикации с 1 января 2016 года по 31 декабря 2025 года и нажмите «Поиск».
  6. Выберите статьи и обзорные статьи в качестве типов документов, а английский язык — язык. Выберите Полный материал и Цитируемые ссылки в качестве содержания записи. Экспортируйте записи в формате txt и сохраняйте как wos.txt, затем конвертируйте в формат csv и сохраняйте как wos.csv.
  7. 9 марта 2026 года откройте базу данных Scopus (Таблица материалов).
  8. Установить поле поиска на "Title"/ "Abstract" / "Keywords". Входите в стратегию поиска: TITLE-ABS-KEY (("Диффузная паренхимальная болезнь легких" ИЛИ "Диффузные паренхимальные заболевания" ИЛИ "Интерстициальные заболевания лёгких" ИЛИ "Интерстициальные заболевания легких")) и TITLE-ABS-KEY ("Легочная гипертензия"). Выберите годовой диапазон с 1 января 2016 года по 31 декабря 2025 года, выберите Медицина в качестве предметной области и нажмите Поиск (Дополнительная таблица 1).
  9. Нажмите «Экспорт», выберите формат CSV, экспортируйте все полученные записи и сохраните как scopus.csv.
  10. Откройте wos.csv, скопируйте столбец DOI и вставьте его в scopus.csv. Проведите сравнение данных, используйте функцию Delete Duplicates в Excel для маркировки дубликатов записей, удалите дубликаты и получите scopus1.csv. Для очень немногих записей без DOI мы вручную проверяли с помощью комбинации «заголовок + автор + год», чтобы обеспечить полное включение необходимой литературы для этого исследования.
  11. Создайте новые папки с названиями Input Directory и Output Directory. Поместите scopus1.csv, полученные после дедупликации, в каталог ввода. Откройте CiteSpace, нажмите Data, выберите Scopus, укажите соответствующие папки и нажмите кнопку Scopus (csv) > WoS , чтобы преобразовать формат данных Scopus, унифицируя формат обеих баз данных в формат txt. Назовите получившийся файл scopus1.txt.
  12. Объедините данные из двух баз данных. Поместите scopus1.txt и wos.txt в CiteSpace для дедупликации и слияния, чтобы получить однородно форматированные, дедупликационные данные литературы: dataset.txt, для последупального анализа (Дополнительная таблица 2).
  13. Проверьте полученные wos.txt и scopus.csv файлы, чтобы убедиться, что процесс дедупликации использует DOI в качестве соответствующего критерия и что dataset.txt-файл успешно сгенерирован.

2. Анализ ежегодных тенденций публикации

  1. В Microsoft Excel подсчитайте количество публикаций по годам, чтобы сгенерировать две колонки данных (Год, Публикации).
  2. Выберите набор данных, получите доступ к разделу Insert > Chart > Column Chart , чтобы создать столбцовую диаграмму годовой публикации.
  3. Обозначить горизонтальную ось как Год , а вертикальную — как Публикации.
  4. Разрешить метки данных отображать конкретное количество публикаций за каждый год.
  5. Экспортировать все фигуры в формате Tagged Image File Format (TIFF), обеспечив разрешение не менее 300 dpi.

3. Анализ национальных и региональных публикаций и международного сотрудничества

  1. Запустите VOSviewer, выберите Создать > Создать карту на основе библиографических данных > Прочитать данные из библиографических файлов базыданных 16.
  2. Импортируйте обычный текст, сгенерированный на шаге 1.12.
  3. Выберите соавторство в качестве типа анализа и страны как единицу анализа.
  4. Установите минимальное количество документов для страны на уровне 40, сохраняя топ-20 стран по объёму публикаций. Чтобы сеть сотрудничества сосредоточилась на странах с высоким уровнем выпуска, сохраняя при этом ясность и читаемость карты, что облегчает читателям интуитивное понимание основных международных исследовательских сил и моделей сотрудничества.
  5. В интерфейсе Verify selected items выберите все страны, скопируйте список в Excel и экспортируйте количество публикаций и количество цитируемых для каждой страны.
  6. В полученной таблице Excel выберите топ-10 стран по результатам публикаций и создайте диаграмму, отображающую их количество публикаций и цитирований.
  7. Выберите кнопку «Закончить», чтобы построить национальную сеть сотрудничества и сохранить её в формате GML.
  8. Запустите Scimago Graphic и импортируйте файл GML.
  9. Сопоставьте поле метки в Country и установите тип поля кластера на String.
  10. В конфигурации визуализации поместите поле выхода публикации (обычно вес<Документы> или похожее название) в поле Размер, установите поле кластера как поле Цвет и сопоставьте поле метки с полями Label, Tooltip и Unit.
  11. Зайдите на Marks > Map. Используйте Edges для коррекции кривизны линии и Edge color для конфигурации цвета узлов.
  12. Экспортируйте финальную карту в формате PNG.
  13. Импортируйте обычный текст, сгенерированный на шаге 1.12, в Библиометрическую онлайн-аналитическую платформу (https://bibliometric.com), нажмите «Загрузить данные цитирования» и выберите «Отношения стран », чтобы создать национальную диаграмму аккордов сотрудничества для визуализации.
  14. Ключевой контрольный пункт — корректировать минимальное количество документов так, чтобы получившаяся сеть была хорошо сбалансированной и визуально чёткой, при этом отражая цели исследования.

4. Анализ публикаций и цитирования в журналах

  1. Импортируйте тот же набор данных в VOSviewer, выберите тип анализа Citation и Sources в качестве единицы анализа.
  2. Установите минимальное количество документов для источника на 5, а минимальное количество ссылок — на 20.
  3. В интерфейсе Verify selected items скопируйте список журналов в Excel, чтобы получить количество публикаций и общее количество цитирований для каждого журнала.
  4. Выберите Finish, и будет сгенерирована карта сети совместного цитирования журнала. Настройте параметры притяжения и отталкивания для улучшения планировки, уточните внешний вид с помощью панели визуализации и сохраните карту в формате TIFF с разрешением не менее 300 dpi.
  5. В Excel отсортуйте журналы по количеству публикаций, выберите топ-10 журналов по объёму публикаций. 9 марта 2026 года получите доступ к официальной платформе JCR (Таблица материалов), найдите каждый журнал соответственно и зафиксируйте их последний импакт-фактор и квартиль JCR. Создайте таблицу с отображением топ-10 журналов по публикациям.
  6. В Excel отсортируйте журналы по общему количеству цитирований, выберите топ-10 журналов по частоте цитирования. 9 марта 2026 года получите и запишите их последний импакт-фактор и квартиль JCR с официальной платформы JCR. Создайте таблицу с отображением топ-10 журналов по частоте цитирования.

5. Анализ сотрудничества авторов с высокой продуктивностью и сеть сотрудничества

  1. Импортируйте набор данных в VOSviewer, выберите тип анализа соавторство и выберите авторов в качестве единицы анализа.
  2. Установите минимальное количество документов для автора до 3, чтобы фильтровать авторов с определённым уровнем активности.
  3. В интерфейсе Verify selected items скопируйте список авторов и сохраните количество публикаций и цитирований авторов в файле Excel.
  4. Выберите Finish , чтобы создать сеть совместной работы автора, скорректируйте структуру и внешний вид сети, а также сохраняйте в формате TIFF.
  5. В Excel отсортируйте авторов по числу публикаций, выберите 10 самых продуктивных исследователей и составьте диаграмму пончиков для отображения количества публикаций.
  6. Из исходного набора данных найдите топ-10 авторов по количеству цитирований, определите их страны, назначьте отдельные цвета в зависимости от страны и составьте диаграмму с топ-10 авторами по частоте цитирования.

6. Сосуществование ключевых слов и тематический анализ эволюции

  1. Запустите CiteSpace и перейдите к Data > импорту/экспорту.
  2. Поместите txt-файл, экспортированный на шаге 1.12, в папку ввода. В интерфейсе импорта/ экспорта задайте пути ввода и вывода , выберите статьи и обзор как типы документов и нажмите Старт , чтобы выполнить конвертацию формата данных.
  3. После конвертации скопируйте файлы из папки вывода в папку с данными. В основном интерфейсе CiteSpace нажмите New, установите каталог проекта и каталог данных, выберите WoS в качестве источника данных и выберите английский язык.
  4. Перейдите к панели слайсирования времени справа, установите диапазон на 2016–2025, выберите окно в 1 год и выберите тип узла Keyword .
  5. Примените g-индекс (k=10) для масштабирования сети и выберите три стратегии обрезки: Pathfinder, Обрезка срезанных сетей и Обрезка объединённой сети.
  6. Нажмите «Начать», чтобы запустить анализ. После завершения работы используйте функцию оптимизации метки кластерирования одним кликом для создания карты совместного появления ключевых слов.
  7. Настройте отображение меток узлов и кластеров из панели управления и оптимизируйте визуальные элементы, такие как размер узла.
  8. Выберите Layout > Timeline , чтобы сгенерировать просмотр хронологии ключевых слов.
  9. В панели управления выберите «Burstness», нажмите « Обновить » и «Просмотр » последовательно, установить количество топ-25 ключевых слов для отображения и сгенерировать таблицу 25 ключевых слов по силе вспышки. Экспортировать сгенерированные изображения в формате TIFF для хранения.

7. Анализ социтирования ссылок

  1. Загрузите тот же набор данных в CiteSpace. Задайте временной диапазон и стратегии обрезки, как описано в шагах 6.4–6.5, и выберите тип узла Cited Reference .
  2. После запуска анализа используйте функцию оптимизации меток кластерирования одним кликом для создания карты совместного появления ссылок.
  3. Отрегулировать метки узлов и кластеров, а также выбрать кластеры для генерации карты референсного кластерирования.
  4. В панели Burstness настройте дисплей так, чтобы отображать 20 наиболее цитируемых ссылок по частоте цитирования и сгенерируйте таблицу 20 самых социтируемых ссылок по силе всплеска.
  5. Экспортировать все изображения в формате TIFF для хранения.

8. Анализ сетей PPI

  1. Получите доступ к базе данных GeneCards (https://www.genecards.org)1712 марта 2026 года и выполните поиск по ключевым словам «Interstitial Lung Disease» и «Pulmonary Hypertension» соответственно. Используемые для поиска термины заболеваний соответствуют тем, что были в литературном поиске, и дополнительные варианты терминов не были расширены.
  2. Экспортируйте список целей с показателем релевантности ≥ 1 для каждого поиска. Метод извлечения включал сортировку по Релевантности и экспорт всех целей с оценкой ≥ 1. Порог ≥ 1 был выбран потому, что он охватывает подавляющее большинство сопутствующих генов, подтверждённых литературой, при этом минимизируя ложноположительные результаты.
  3. Используйте R для получения пересечения двух целевых множеств, что приводит к получению ILD-PH коморбидных целей.
  4. Получите доступ к модулю Multiple Proteins базы данных STRING (https://cn.string-db.org/)18, введите список целей сопутствующих заболеваний в поисковую строку и выберите Homo sapiens в качестве вида.
  5. Нажмите «Продолжить», затем в панели «Настройки» установите минимальный требуемый балл взаимодействия на высокую уверенность (0.700) и включите скрытие отключённых узлов в сети19.
  6. После обновления сети скачайте данные взаимодействия в виде TSV-файла из меню экспорта .
  7. Запустите Cytoscape и загрузите TSV-файл через File > Import > Network from File System.
  8. В разделе Tools > NetworkAnalyzer > Network Analysis > Network Interpretation выберите Считать сеть ненаправленной и вычислить топологические параметры, включая степень узла.
  9. Настройте форму, цвет, размер и другие параметры внешнего вида узла в панели Style , а также вручную регулируйте положение узлов для получения чёткого расположения.
  10. Сохраняйте сетевой образ PPI через File > Export > Network Image to File, а результаты сетевого анализа экспортируйте через File > Export > Table to File.
  11. Откройте экспортированную таблицу в Excel, упорядочивайте по столбцу Degree с убывающим порядком, выберите 20 ключевых целей вместе с их значениями степеней, создайте столбчатую диаграмму с метками данных и экспортируйте в формате TIFF.

9. Анализ обогащения путей KEGG

  1. Запустите R и введите команды для установки и загрузки необходимых пакетов (Дополнительная таблица 3):
    install.packages("BiocManager")
    BiocManager::install(c("clusterProfiler", "org. Hs.eg.db"))
    library(clusterProfiler)
    Library(org. Hs.eg.db)
  2. Преобразуйте генные символы коморбидных мишень ILD-PH в идентификаторы Entrez с помощью функции bitr(). В букве R введём:
    coma_entrez <- bitr(coma_genes, fromType = «SYMBOL», toType = «ENTREZID», OrgDb = org. Hs.eg.db)
  3. Проведите анализ обогащения с помощью функции enrichKEGG() со следующими параметрами: организм = "has", pvalueCutoff = 0,05, qvalueCutoff = 0,05. Метод Бенджамини-Хохберга (BH) использовался для коррекции множественных испытаний. Введите следующий код:
    kegg_result <- enrichKEGG(ген = coma_entrez$ENTREZID,
    организм = «имеет»,
    pvalueCutoff = 0.05,
    qvalueCutoff = 0.05,
    use_internal_data = ЛОЖНО)
    ПРИМЕЧАНИЕ: p-значение: исходное p-значение, представляющее вероятность наблюдения заданного уровня обогащения; q-значение: FDR (коэффициент ложного обнаружения) после коррекции Бенджамини-Хохберга, контролирующий уровень ложноположительных результатов. В этом исследовании критерий значительного обогащения использовался q < 0,05.
  4. Отфильтруйте результаты с помощью ключевых слов «Человеческие болезни» и «Метаболизм», чтобы удалить пути, связанные с заболеваниями человека и метаболизмом, сохраняя пути, связанные с биологическими процессами. Человеческие болезни и метаболические пути в основном описывают общие механизмы заболеваний и метаболические сети, которые слабо связаны с фиброзом, воспалениями и механизмами сосудистой ремоделирования сопутствующей ILD-PH. Поэтому их исключили, чтобы сосредоточить результаты на ключевых сигнальных путях. Встречайтесь:
    kegg_result_df <- as.data.frame(kegg_result)
    kegg_filtered <- kegg_result_df[!grepl(«Болезни человека|Метаболизм", kegg_result_df$Описание), ]
  5. Отсортируйте пути в убывающем порядке по количеству генов, выберите топ-10 путей, сгенерируйте точечный график с помощью функции dotplot() и экспортируйте график в формате PNG. Встречайтесь:
    top10_pathways <- голова(kegg_filtered[order(kegg_filtered$Count, убывающая = TRUE), ], 10)
    dotplot_result <- dotplot(enrichResult(select(top10_pathways)), showCategory = 10)
    ggsave("KEGG_dotplot.png", dotplot_result, ширина = 8, высота = 6, dpi = 300)
  6. Извлеките топ-10 путей и связанные с ними целевые гены, постройте таблицу из двух столбцов (название пути, целевой ген) и сохраните таблицу как TXT-файл с разделением по табуляциям.
  7. Импортируйте файл в Cytoscape, настройте различия в форме и цвете между узлами пути и целевой узлами через панель Style , вручную уточните расположение и экспортируйте сетевоеизображение цели пути 20.

Результаты

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

Извлечение и скрининг данных

Всего из базы данных Scopus было собрано 2 400 записей, а в базе WoSCC — 696. После объединения двух наборов данных и удаления 533 дублирующихся записей для последующего библиометрического анализа было включено всего 2 563 уникальных публикации (рисунок 1).

Годовые тенденции публикаций

Ежегодные публикации в области интерстициальных заболеваний легких и легочной гипертензии с 2016 по 2025 годы показаны на рисунке 2. За десять лет количество публикаций демонстрировало колеблясущую тенденцию к росту. В первые четыре года он оставался относительно стабильным, за которым последовал быстрый рост в 2020–2022 и 2023–2025 годах, достигнув двух пиков в 2022 и 2025 годах соответственно. В целом количество публикаций увеличилось с 142 в 2016 году до 402 в 2025 году, что составляет почти тройной рост (см. рисунок 2).

Национальная публикация и международное сотрудничество

Всего 20 стран достигли порога не менее 40 публикаций и были включены в анализ национальной сети сотрудничества. Соединённые Штаты лидировали как по объему публикаций, так и по частоте цитирования, имея 823 публикации и 21 943 цитирования. Италия заняла второе место с 271 публикацией (7 037 цитирований), за ней следуют Франция (237 публикаций, 8 172 цитирования), Великобритания (231 публикация, 9 764 цитирования) и Япония (205 публикаций, 3 221 цитирование). Китай занял шестое место с 185 публикациями и 2 978 цитатами, а Германия — 7-е с 184 публикациями и 7 932 цитатами (Рисунок 3A, Таблица 1).

Что касается международного сотрудничества, показатели общей силы связей показали, что США (общая сила связей = 523), Италия (448), Великобритания (447), Германия (443) и Франция (405) демонстрируют наиболее тесные сотрудничества (рисунок 3B). Анализ сети сотрудничества выявил три основных кластера. Первый кластер включал 10 европейских стран, включая Бельгию, Францию, Германию, Грецию, Италию, Нидерланды, Польшу, Испанию, Швейцарию и Турцию, образовав тесно взаимосвязанную европейскую исследовательскую сеть. Второй кластер включал девять стран, включая Австралию, Бразилию, Канаду, Китай, Индию, Японию, Южную Корею, Великобританию и Соединённые Штаты. Этот кластер был сосредоточен вокруг Соединённых Штатов при интеграции основных исследовательских сил из Азии, Америки и Океании, что демонстрировало межрегиональную схему сотрудничества. Третий кластер включал только Австрию, демонстрируя относительно независимую модель сотрудничества (рисунок 3C).

Публикации в журналах и анализ цитирования

Среди журналов, публикующихся в этой области, Journal of Clinical Medicine (54 документа), Pulmonary Circulation (53 документа) и Clinical Rheumatology (51 документ) заняли высокие места по объёму публикаций, при этом Chest (IF = 8,6, Q1) и Frontiers in Immunology (IF = 5,9, Q1) показали наивысшие импакт-факторы среди 10 ведущих журналов по продуктивности (рисунок 4A). По влиянию цитирования наиболее влиятельными были European Respiratory Journal (1 885 цитирований), Journal of Heart and Lung Transplantation (1 817 цитирований) и European Respiratory Review (1 600 цитат) (см. рисунок 4B). Сеть совместных встреч в журналах выявила высокую степень кластеризации среди журналов по респираторной медицине, ревматологии и трансплантации, и для управления сопутствующей морбидностью ИГЛ и РГ требуется междисциплинарное сотрудничество (рисунок 4C).

Публикации авторов и сеть сотрудничества

Среди самых продуктивных авторов лидировал Натан, Стивен Д. из США с 45 публикациями, за ним следовала группа французских авторов, включая Лоне, Дэвида (27), Коттина, Винсента (27) и Гумбера, Марка (26), выделяя Францию как ключевого участника в этой области (рисунок 5A, таблица 2). По влиянию на цитирование Натан, Стивен Д. также лидировали с 2446 цитатами, в то время как Гумбер, Марк (1675), Коттин, Винсент (1347) и Шлобин, Оксана А (1153) проявили значительное влияние, при этом США и Франция доминировали в списке наиболее цитируемых авторов (рисунок 5B). Сеть сотрудничества авторов выделила в общей сложности шесть кластеров. В целом модель сотрудничества была преимущественно внутренней с относительно ограниченным международным сотрудничеством (см. рисунок 5C).

Совместное появление ключевых слов и тематическая эволюция

Среди высокочастотных ключевых слов, помимо распространённых терминов индекса базы данных, таких как «человек» и «статья», специфические для заболевания ключевые слова, такие как «легочная гипертензия», «интерстициальное заболевание легких» и «системный склероз», занимали центральное место, отражая основные исследовательские темы в данной области (Таблица 3). Анализ центральности показал, что термины, связанные с терапевтическими препаратами (азатиоприн, терапия кортикостероидами), терминами дизайна исследования (рандомизированное контролируемое исследование, клиническая статья, клиническая статья, клинический случай) и описаниями симптомов (диспноэ), обладают высокой центральностью промежуточности, служа связующим звеном, связывающим различные темы, такие как этиология, симптомы, диагностика, лечение и прогноз. В целом исследования в этой области во многом опираются на клинические данные, особенно на клинические исследования, связанные с иммуносупрессивной терапией (рисунок 6A, таблица 4).

Согласно анализу 25 ключевых слов с самыми сильными всплесками цитирования, показанному на рисунке 6B, наблюдается временная эволюция исследовательской направленности. Ранние всплески включали такие термины, как «патофизиология» и «способность диффузии лёгких» (2016–2020), за которыми следовал акцент в среднем периоде на «дифференциальную диагностику» и «промывание легких» (2018–2022), при этом последние всплески выделяли «COVID-19», «усталость», «NT-proBNP» и «отделение интенсивной терапии» (2021–2025), отражая переход от фундаментальных механизмов к диагностическим процедурам, идентификации биомаркеров и управлению интенсивной медициной.

Временная шкала иллюстрирует временную эволюцию ключевых исследовательских тем (рисунок 6C). Ранние всплески (2016–2020) включали такие термины, как «приоритетный журнал», «патофизиология», «способность диффузии легких», «рандомизированное контролируемое исследование (тема)» и «томография», отражая акцент на фундаментальных патофизиологических механизмах и диагностической визуализации. Промежуточные всплески (2018–2022) включали «дифференциальную диагностику», «промывание лёгких», «стероиды» и «практические рекомендации», что указывает на переход к диагностическим процедурам и клиническому лечению. Недавние всплески (2021–2025) включали «коронавирусную болезнь 2019», «лабораторные анализы», «усталость», «аминотерминальный про мозговый натриуретический пептид», «отделение интенсивной терапии» и «операционную характеристику приемника», подчеркивая растущий интерес к воздействиям, связанным с COVID-19, идентификации биомаркеров и интенсивной терапии, демонстрируя переход от базовой патофизиологии и тестирования функции лёгких к клиническим инструментам оценки и таргетным терапиям.

Анализ социтирования ссылок

Референсная сеть социтирования выделила 16 основных кластеров, крупнейшие из которых были сосредоточены на идиопатическом фиброзе лёгких, системном склерозе, заболеваниях соединительной ткани, легочной гипертензии и прогрессирующем фиброзе лёгких, что отражает основные знания в данной области (рисунок 7A). Наиболее часто цитируемой ссылкой было исследование клинического лечения системного склероза, за которым последовало исследование эффективности ингаляционного трепростанила при легочной гипертензии, связанной с интерстициальным заболеванием лёгких, и исследование, обновляющее гемодинамическое определение и клиническую классификацию легочнойгипертензии 4,21,22 (Таблица 5). С точки зрения центральности промежуточности рандомизированное контролируемое исследование, сравнивающее микофенолат мофетил с пероральным циклофосфамидом при системном склерозе интерстициальных заболеваний легких, заняло высокие места, за ним последовало исследование начальной комбинированной терапии при легочной артериальной гипертензии, связанной с заболеваниями соединительной ткани, что указывает на ключевую связь этих двух исследований в связи различных областейисследований 23,24 (рисунок 7B, Таблица 6). Анализ цитируемых вспышек выявил временную эволюцию влиятельных работ в этой области: ранние всплески (2016–2019) включали классификацию идиопатических интерстициальных пневмоний по ATS/ERS и исследование DETECT для скрининга системной артериальной артериальной гипертензии, связанной с склерозом; промежуточные вспышки (2017–2021) охватывали рекомендации ESC/ERS 2015 года по диагностике и лечению легочной гипертензии, а также исследование SLS II для склеродермии интерстициального заболевания легких; Недавние всплески (2020–2025) включали клиническую практику ATS/ERS/JRS/ALAT 2022 года по идиопатическому легочному фиброзу и исследование Nintedanib при прогрессирующей фиброзирующей интерстициальной болезни лёгких. Эта эволюция отражает сдвиг от диагностической классификации к целевым терапевтическимстратегиям 25, 26, 27, 28 (рисунок 7C).

Анализ ИПП перекрывающихся генетических мишеней

С помощью анализа диаграмм Венна было выявлено 271 перекрывающийся ген, ассоциирующий ILD и PH (рисунок 8A). На его основе была создана сеть PPI для изучения функциональных взаимосвязей между этими общими целями (Дополнительная таблица 4). Сеть PPI состояла из 271 узла и 3 414 рёбер, со средней степенью узла 25,2, что указывало на плотно взаимосвязанную сеть. Визуализация сети PPI выявляет тесно взаимосвязанную архитектуру с несколькими функциональными кластерами (рисунок 8B). Топ-20 генов, ранжированных по степени центральности, включают FN1, IL6, TNF, AKT1, EGFR, TGFB1, CTNNB1, IL1B, TP53, MMP9, ALB, STAT3, INS, IL10, CXCL8, CCL2, ICAM1, IFNG, SMAD4 и CRP, что подчёркивает эти молекулы как центральные узлы в сети взаимодействия (рисунок 8C). Воспалительные и фиброзные процессы могут служить кандидатами в качестве факторов сопутствующей болезни, требующих экспериментальной валидации. Обогащённые пути указывают на потенциальные основные кандидатские пути, участвующие в механизме сопутствующей болезни.

Анализ обогащения путей KEGG

Для дальнейшего прояснения функциональных механизмов, лежащих в основе сопутствующих ILD и PH, был проведён анализ обогащения путей KEGG на перекрывающихся генетических мишенях (Дополнительная таблица 5). Наиболее значительно обогащённые пути включали сигнальный путь PI3K-Act, сигнальный путь релаксина, сигнальный путь Интегрина, путь сигнализации FoxO, фокальную адгезию, сигнальный путь HIF-1, клеточную старение, путь сигнализации TGF-бета, путь сигнализации MAPK и путь сигнализации по фосфолипазе D (см. рисунок 8D). Сеть пути-мишень визуализирует взаимосвязи между этими обогащёнными путями и генами-хабами, выявленными в сети PPI (рисунок 8E). В частности, были обнаружены основные гены, такие как AKT1, EGFR, TGFB1, IL6, TNF и FN1, вовлечённые в несколько путей, особенно в сигнализации PI3K-Akt, MAPK и TGF-бета, что свидетельствует о том, что эти пути представляют собой кандидатные механизмы, требующие дальнейшей экспериментальной или клинической валидации.

Контрольные точки проверки протокола и воспроизводимости

Проверка протокола требует подтверждения того, что каждый модуль достигает ожидаемых результатов и соответствует ключевым точкам воспроизводимости. Для модуля библиометрии ожидаемые результаты включают столбцовую таблицу годового объёма публикаций, карту национальной сети сотрудничества и рейтинговые таблицы десяти лучших журналов и авторов. Контрольные точки воспроизводимости: количество дедупликационных записей должно составлять более 80% от первоначально полученных записей, преобразование данных CiteSpace должно завершаться без ошибок, а узлы крупных стран должны быть чётко различимы в сети сотрудничества. Для модуля анализа сети PPI ожидаемые результаты включают граф сети PPI с узлами ≥250 узлов и ≥3 000 рёбер, а также список 20 лучших генов хаба, ранжированных по степени. Контрольные точки таковы: порог доверия в STRING должен быть установлен на 0,700, средний уровень узла, рассчитанный Cytoscape, ≥20, и сеть не должна содержать отключённых изолированных узлов. Для модуля анализа обогащения KEGG ожидаемыми результатами являются точечный график 10 основных путей и граф сети путь–цель. Контрольные точки требуют, чтобы анализ обогащения давал p < 0,05 и q < 0,05, чтобы после исключения категорий «Человеческие болезни» и «Метаболизм» оставалось как минимум 5 путей, а также чтобы точечный график показывал явную тенденцию к снижению числа генов с ранжированием.

figure-results-1
Рисунок 1: Диаграмма Венна результатов поиска базы данных. Эта диаграмма иллюстрирует количество записей, полученных из баз данных Scopus и Web of Science Core Collection (WoSCC), а также количество удаленных дублирующих записей. Перекрывающаяся область представляет собой дублирующиеся записи, идентифицированные DOI, и указываются окончательные уникальные записи, используемые для библиометрического анализа. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-2
Рисунок 2: Результаты исследований и цитаты по интерстициальным заболеваниям лёгких и легочной гипертензии (2016–2025). Годовой объем публикаций и тенденции цитирования в исследованиях ILD и PH (2016–2025). Столбчатая диаграмма показывает годовое количество статей, а линейный график — совокупную частоту цитирования. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-3
Рисунок 3: Национальные/региональные публикации и международное сотрудничество. (A) Национальный рейтинг публикаций и цитирования; (B) Диаграмма аккордов межстранового сотрудничества; (C) Кластеры международных сетей сотрудничества. На этом рисунке показаны национальные рейтинги публикаций и цитирования, межстрановые связи сотрудничества с помощью аккордовой диаграммы и модели кластеризации международных сетей сотрудничества. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-4
Рисунок 4: Публикации и цитирование в журнале. (A) Топ-10 журналов по объёму публикаций; (B) Ведущие журналы по влиянию цитирования; (C) Сеть совместного появления журналов. Ранжированные по объёму публикаций и количеству цитирований, топ-10 журналов представлены с их импакт-факторами и квартилями. Сеть интуитивно отображает объём публикаций журналов и совместные отношения. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-5
Рисунок 5: Высокопродуктивная сеть сотрудничества авторов. (A) Топ-10 продуктивных авторов; (B) Топ-10 авторов по влиянию цитирования; (C) Сеть сотрудничества авторов. Авторы были отсортированы по количеству публикаций и влиянию на цитирование. Страновые принадлежности десяти ведущих авторов были извлечены из скачанных файлов Web of Science и представлены в виде рисунка. Сеть кластеризации ясно и интуитивно иллюстрирует шаблоны сотрудничества авторов. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-6
Рисунок 6: Совместное появление ключевых слов и тематическая эволюция. (A) Кластеризация совместимости ключевых слов; (B) Топ-25 ключевых слов для burst; (C) Хронология эволюции ключевых слов. Анализ ключевых слов проводился с использованием CiteSpace с g-индексом, настроенным на 10, и алгоритмом случайного леса. Карта совместного возникновения генерировалась путём корректировки размера и цвета узлов, а также проводился кластерный анализ узлов для получения карты кластера. Временная шкала в основном иллюстрирует тенденции и изменения исследований за последнее десятилетие. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-7
Рисунок 7: Анализ социтирования ссылок. (A) Кластерный анализ социтируемых ссылок. (B) Сеть социтирования высокоцитируемых источников. (C) Топ-20 ссылок с самыми сильными всплесками цитирования. Со-цитируемый референс-анализ проводился с использованием CiteSpace с g-индексом 10 и алгоритмом случайного леса. Сеть социтирования генерировалась путём корректировки размера и цвета узлов, а также проводился кластерный анализ узлов для получения карты кластера, выявившей различные тематические области исследований. Обнаружение всплеска цитирования выявило 20 лучших источников с самыми сильными всплесками цитирования и их активными периодами, с акцентом на отражение изменений в исследовательских горячих точках за последнее десятилетие. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-8
Рисунок 8: Идентификация хаб-мишеней, связанных с сопутствующими заболеваниями ILD-PH, и обогащённых путей .(A) Диаграмма Венна, показывающая перекрывающиеся гены, связанные с ILD и PH. (B) Сеть взаимодействия белков и белков (PPI). (C) Топ-20 целей хаба, выявленных из сети PPI. (D) Анализ обогащения путей KEGG перекрывающихся генетических мишеней. (E) Сеть взаимодействия, иллюстрирующая связи между сигнальными путями и соответствующими целевые гены. Гены, связанные с сопутствующими заболеваниями, были получены как пересечение мишень ILD и PH из GeneCard. Была построена сеть PPI (доверительность ≥ 0,700) с использованием STRING, визуализированная в Cytoscape, а топ-20 хабов выбирались по степени узлов. Было проведено обогащение KEGG (q < 0,05, коррекция BH), исключая пути заболеваний человека и метаболизма. Была построена сеть путь-мишень, чтобы показать связи между сигнальными путями и соответствующими целевые гены. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

ЗваниеКантриДокументыСсылкиСредняя цитата на статьюОбщая сила соединения
1США8232194326.7523
2Италия271703726.0448
3Франция237817234.5407
4Великобритания231976442.3447
5Япония205322115.7147
6Китай185297816.168
7Германия184793243.1443
8Канада153598239.1282
9Испания133512238.5294
10Австралия123433435.2217

Таблица 1: Топ-10 стран по объему публикаций и частоте цитирования. Данные были извлечены из баз данных Web of Science Core Collection и Scopus 9 марта 2026 года и объединены после дедупликации. Страны ранжировались по общему числу публикаций (документов). «Общая сила связи» означает сумму сильных сил связей для сотрудничества с другими странами сети соавторства VOSviewer. Среднее количество цитирования на статью рассчитывается как цитаты / документы.

ЗваниеАвторДокументыСсылкиКантри
1Натан, Стивен Д452446США
2Лоней, Дэвид27784Франция
3Коттин, Винсент271347Франция
4Гумбер, Марк261675Франция
5Никпур, Мандана22250Австралия
6Алланор, Янник21482Франция
7Стивенс, Венди20236Австралия
8Хачулла, Эрик20706Франция
9Ханна, Динеш20755США
10Праудман, Сюзанна17163Австралия

Таблица 2: Топ-10 продуктивных авторов в области ББК и ПГ .Авторы ранжировались по общему числу публикаций. Включены только авторы с как минимум тремя публикациями. Количество цитирований отражает общее количество случаев, когда публикации автора были процитированы в наборе данных. Принадлежность к стране определяется основным учреждением автора, указанным в найденных статьях.

ЗваниеКлючевые словаГраф
1Человек2311
2Легочная гипертензия2289
3Интерстициальное заболевание легких2201
4Статья1719
5Люди1544
6женский1444
7мужчина1410
8Взрослый1276
9Средний возраст903
10Основное клиническое исследование897

Таблица 3: Топ-10 ключевых слов по частоте. Ключевые слова были извлечены из дедупликационного набора данных и проанализированы с помощью CiteSpace. Частота указывает количество встреч каждого ключевого слова в заголовке, аннотации или полях ключевых слов в полученной литературе. Общие термины индексации автоматически назначаются базами данных и отражают практики индексирования, а не конкретные исследовательские направления.

ЗваниеКлючевые словаЦентральность
1Человек0.95
2Статья0.71
3Азатиоприн0.44
4Клиническая особенность0.43
5Рандомизированное контролируемое исследование (тема)0.42
6Терапия кортикостероидами0.41
7Люди0.39
8Клиническая статья0.35
9Отчёт по делу0.35
10ДЫШКОЭ0.28

Таблица 4: Топ-10 ключевых слов по центральности. Центральность рассчитывалась с помощью CiteSpace для выявления ключевых слов, которые служат мостами между различными исследовательскими кластерами. Более высокие значения центральности указывают на более сильную связность и большую посредническую роль в сети совместного явления.

ЗваниеГрафЦитируемые источники
168Ханна Д, 2017, СИСТЕМНЫЙ СКЛЕРОЗ @ LANCET, V390, стр. 1685-1699
241Thenappan T, 2021, ВДЫХАЛ ТРЕПРОСТИНИЛ ПРИ ЛЕГОЧНОЙ ГИПЕРТЕНЗИИ ИЗ-ЗА ИНТЕРСТИЦИАЛЬНОГО ЗАБОЛЕВАНИЯ ЛЁГКИХ @ N ENGL J MED, V384, P325-334
336Celermajer DS, 2019, ГЕМОДИНАМИЧЕСКИЕ ОПРЕДЕЛЕНИЯ И ОБНОВЛЁННАЯ КЛИНИЧЕСКАЯ КЛАССИФИКАЦИЯ ЛЕГОЧНОЙ ГИПЕРТЕНЗИИ @ EUR RESPIR J, V0, P53
432Коттин В., 2020, СПЕКТР ФИБРОЗНЫХ ЗАБОЛЕВАНИЙ ЛЕГКИХ @ N ENGL J MED, V383, P958-968
529Шлобин OA, 2020, ПРОБЛЕМА С ЛЕГОЧНОЙ ГИПЕРТЕНЗИЕЙ ГРУППЫ 3 ПРИ ИНТЕРСТИЦИАЛЬНЫХ ЗАБОЛЕВАНИЯХ ЛЁГКИХ: ДИЛЕММЫ В ДИАГНОСТИКЕ И ЗАГАДКА ЛЕЧЕНИЯ @ CHEST, V158, P1651-1664
627Gahlemann M, 2019, NINTEDANIB ДЛЯ СИСТЕМНОГО СКЛЕРОЗА ИНТЕРСТИЦИАЛЬНОГО ЗАБОЛЕВАНИЯ ЛЁГКИХ @ N ENGL J MED, V380, P2518-2528
726Коттин В., 2019, NINTEDANIB ПРИ ПРОГРЕССИРУЮЩЕМ ФИБРОЗИРУЮЩЕМ ИНТЕРСТИЦИАЛЬНЫХ ЗАБОЛЕВАНИЯХ ЛЕГКИХ @ N ENGL J MED, V381, P1718-1727
826Richeldi L, 2022, ИДИОПАТИЧЕСКИЙ ЛЁГОЧНЫЙ ФИБРОЗ (ОБНОВЛЕНИЕ) И ПРОГРЕССИРУЮЩИЙ ЛЁГОЧНЫЙ ФИБРОЗ У ВЗРОСЛЫХ: ОФИЦИАЛЬНОЕ РУКОВОДСТВО ПО КЛИНИЧЕСКОЙ ПРАКТИКЕ ATS/ERS/JRS/ALAT @ AM J RESPIR CRIT CARE MED, V205, P0
924Clements PJ, 2016, МИКОФЕНОЛАТ МОФЕТИЛ ПРОТИВ ПЕРОРАЛЬНОГО ЦИКЛОФОСФАМИДА ПРИ ИНТЕРСТИЦИАЛЬНЫХ ЗАБОЛЕВАНИЯХ ЛЕГКИХ, СВЯЗАННЫХ СО СКЛЕРОДЕРМИЕЙ (SLS II): РАНДОМИЗИРОВАННОЕ КОНТРОЛИРУЕМОЕ ДВОЙНОЕ СЛЕПОЕ ПАРАЛЛЕЛЬНОЕ ГРУППОВОЕ ИССЛЕДОВАНИЕ @ LANCET RESPIR MED, V4, P708-719
1023Hoeper MM, 2022, 2022 РУКОВОДСТВА ESC/ERS ПО ДИАГНОСТИКЕ И ЛЕЧЕНИЮ ЛЕГОЧНОЙ ГИПЕРТЕНЗИИ @ EUR HEART J, V43, P3618-3731

Таблица 5: Топ-10 самых часто цитируемых источников. Цитированные ссылки были извлечены из дедупликационного набора данных и проанализированы с помощью CiteSpace. «Count» относится к частоте, с которой ссылка цитировалась совместно в литературе. Показаны только ссылки с наибольшим числом социтирований.

ЗваниеЦентральностьЦитируемые источники
10.42Clements PJ, 2016, МИКОФЕНОЛАТ МОФЕТИЛ ПРОТИВ ПЕРОРАЛЬНОГО ЦИКЛОФОСФАМИДА ПРИ ИНТЕРСТИЦИАЛЬНЫХ ЗАБОЛЕВАНИЯХ ЛЕГКИХ, СВЯЗАННЫХ СО СКЛЕРОДЕРМИЕЙ (SLS II): РАНДОМИЗИРОВАННОЕ КОНТРОЛИРУЕМОЕ ДВОЙНОЕ СЛЕПОЕ ПАРАЛЛЕЛЬНОЕ ГРУППОВОЕ ИССЛЕДОВАНИЕ @ LANCET RESPIR MED, V4, P708-719
20.41Barbera JA, 2017, НАЧАЛЬНАЯ КОМБИНИРОВАННАЯ ТЕРАПИЯ АМБРИСЕНТАНОМ И ТАДАЛАФИЛОМ ПРИ ЛЕГОЧНОЙ АРТЕРИАЛЬНОЙ ГИПЕРТЕНЗИИ, СВЯЗАННОЙ С ЗАБОЛЕВАНИЯМИ СОЕДИНИТЕЛЬНОЙ ТКАНИ (CTD-PAH): АНАЛИЗ ПОДГРУПП ИЗ ИССЛЕДОВАНИЯ AMBITION @ ANN RHEUM DIS, V76, P1219-1227
30.32Хачулла Э., 2013, ВЫЖИВАЕМОСТЬ ПРИ СИСТЕМНОЙ СКЛЕРОЗНОЙ АРТЕРИАЛЬНОЙ ГИПЕРТЕНЗИИ В СОВРЕМЕННУЮ ЭПОХУ УПРАВЛЕНИЯ @ ANN RHEUM DIS, V72, P1940-1946
40.26Visovatti S, 2019, РАСПРОСТРАНЕННОСТЬ ЛЕЧЕНИЯ И РЕЗУЛЬТАТЫ СОСУЩЕСТВУЮЩЕЙ ЛЕГОЧНОЙ ГИПЕРТЕНЗИИ И ИНТЕРСТИЦИАЛЬНОГО ЗАБОЛЕВАНИЯ ЛЁГКИХ ПРИ СИСТЕМНОМ СКЛЕРОЗЕ @ АРТРИТ РЕВМАТОЛ, V71, P1339-1349
50.25Димопулос К., 2014, БОЗЕНТАН ПРИ ЛЕГОЧНОЙ ГИПЕРТЕНЗИИ, СВЯЗАННОЙ С ФИБРОЗНОЙ ИДИОПАТИЧЕСКОЙ ИНТЕРСТИЦИАЛЬНОЙ ПНЕВМОНИЕЙ @ AM J RESPIR CRIT CARE MED, V190, P208-217
60.24Smith P, 2021, ВДЫХАНИЕ ТРЕПРОСТИНИЛА ПРИ ЛЕГОЧНОЙ ГИПЕРТЕНЗИИ ИЗ-ЗА ИНТЕРСТИЦИАЛЬНОГО ЗАБОЛЕВАНИЯ ЛЁГКИХ @ N. ENGL. J. MED, V384, P325-334
70.24Pausch C, 2022, ФЕНОТИПИРОВАНИЕ ИДИОПАТИЧЕСКОЙ АРТЕРИАЛЬНОЙ ГИПЕРТЕНЗИИ ЛЁГОЧНОЙ АРТЕРИИ: АНАЛИЗ РЕЕСТРА @ LANCET RESPIR MED, V10, P937-948
80.21Коттин В., 2019, NINTEDANIB ПРИ ПРОГРЕССИРУЮЩЕМ ФИБРОЗИРУЮЩЕМ ИНТЕРСТИЦИАЛЬНЫХ ЗАБОЛЕВАНИЯХ ЛЕГКИХ @ N ENGL J MED, V381, P1718-1727
90.21Бегетти М, 2016, 2015 РУКОВОДСТВА ESC/ERS ПО ДИАГНОСТИКЕ И ЛЕЧЕНИЮ ЛЕГОЧНОЙ ГИПЕРТЕНЗИИ: СОВМЕСТНАЯ РАБОЧАЯ ГРУППА ПО ДИАГНОСТИКЕ И ЛЕЧЕНИЮ ЛЕГОЧНОЙ ГИПЕРТЕНЗИИ ЕВРОПЕЙСКОГО ОБЩЕСТВА КАРДИОЛОГИИ (ESC) И ЕВРОПЕЙСКОГО РЕСПИРАТОРНОГО ОБЩЕСТВА (ERS): ОДОБРЕНО: АССОЦИАЦИЕЙ ЕВРОПЕЙСКОЙ ПЕДИАТРИЧЕСКОЙ И ВРОЖДЁННОЙ КАРДИОЛОГИИ (AEPC) @ МЕЖДУНАРОДНЫМ ОБЩЕСТВОМ ТРАНСПЛАНТАЦИИ СЕРДЦА И ЛЁГКИХ (ISHLT), Очень хорошо. Сердце J, стр. 67-119
100.21Pope JE, 2018, АЛГОРИТМЫ ЛЕЧЕНИЯ СИСТЕМНОГО СКЛЕРОЗА ПО МНЕНИЮ ЭКСПЕРТОВ @ ARTHRITIS RHEUMATOL, V70, P1820-1828

Таблица 6: Топ-10 источников по центральности. Центральность рассчитывалась с помощью CiteSpace. Она измеряет важность ссылки как моста, соединяющего разные кластеры социтирования. Более высокие значения указывают на то, что справочник играет ключевую роль в интеграции различных исследовательских тем.

Дополнительная таблица 1: Параметры поиска базы данных для Web of Science Core Collection и Scopus. В этой таблице подробно описаны версии базы данных, даты доступа, поля поиска, диапазоны дат, типы документов, языковые ограничения и фильтры по предметным областям, применяемые в процессе поиска литературы. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительная таблица 2: Полные литературные записи, полученные из Web of Science и Scopus до и после удаления дубликатов. В этой таблице представлены полные экспортированные записи всех документов, идентифицированных из Web of Science Core Collection и Scopus. Таблица содержит три раздела: записи только из WoSCC, записи только из Scopus и дедупликационный объединённый список. Дублирующиеся записи были выявлены и удалены на основании DOI. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительная таблица 3: R-скрипты, используемые для обработки, анализа и визуализации данных в данном исследовании. В этой таблице перечислены все R-скрипты, использованные в этом исследовании, включая те, что используются для библиометрического анализа, слияния и дедупликации данных, генерации диаграмм Венна, а также статистических и графиковых задач для пересекающихся генов. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительная таблица 4: Сырые данные о взаимодействии белков и белков (PPI). В этой таблице представлены конкретные данные, загруженные из базы STRING и визуализированные на этапе анализа PPI. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительная таблица 5: Подробные исходные данные о путях KEGG, полученные для этого исследования. В этой таблице представлены полные исходные данные анализа обогащения путей KEGG (Киотская энциклопедия генов и геномов), включая идентификацию путей, название пути, количество входных генов, сопоставленных на путь, список вовлечённых генов и специфические параметры обогащения. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Обсуждение

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

Это исследование представляет собой первое интегрированное применение библиометрии и биоинформатики для изучения сопутствующих заболеваний ББ и PH. Он систематически анализирует траекторию развития, структуру знаний и передовые тенденции в этой области за последнее десятилетие, а также выявляет центральные гены и ключевые сигнальные пути, лежащие в основе этого сопутствующего состояния на молекулярном уровне. С точки зрения макротенденций, ежегодное количество публикаций в этой области увеличилось с 142 в 2016 году до 402 в 2025 году, что представляет собой почти тройной рост, отражая устойчивый рост академического внимания к сопутствующей ILD-PH. Значительные всплески наблюдались в два периода: 2020–2022 и 2023–2025 годы. Переломы роста около 2020 года совпали с пандемией COVID-19; возможно, пандемия косвенно стимулировала всплеск связанных исследований, вызвав или усугубив ILD и PH. Пик с 2022 по 2023 год можно объяснить увеличением исследований, валидации и предварительного клинического применения методов леченияPH-ILD 29,30,31. Последний всплеск частично можно объяснить разработкой новых таргетных терапий и применением искусственного интеллекта вдиагностике 32,33,34.

Что касается национального вклада и международного сотрудничества, Соединённые Штаты лидировали с 823 публикациями и 21 943 общим числом цитирования. Её центральное положение отражается не только в объёмах выпуска, но и в значительно более высокой общей силе связей в международной сети сотрудничества по сравнению с другими странами, формируя обширную сеть сотрудничества. Европейские страны, включая Италию, Францию и Великобританию, следовали за ними, образовав тесно связанный исследовательский кластер с тесными кооперативными связями. Среди азиатских стран Япония и Китай заняли пятое и шестое места по объёму публикаций соответственно, но их количество цитируемых на статью остаётся заметно ниже, чем в европейских странах, таких как Германия и Франция, что свидетельствует о том, что их академическое влияние в этой области требует дальнейшего улучшения. Что касается распространения журналов, наиболее влиятельные результаты в этой области публикуют журналы с высоким импакт-эффектом, включая European Respiratory Journal и Journal of Heart and Lung Transplantation, а специализированные журналы, такие как Journal of Clinical Medicine и Pulmonary Circulation , обеспечивают основную часть публикаций. Эта схема распределения демонстрирует, что исследования в этой области в основном публикуются в специализированных журналах по респираторным наукам, а также включают междисциплинарное сотрудничество. На уровне автора американский учёный Натан Стивен Д. занял первое место как по количеству публикаций, так и по числу цитирований, что делает его самым влиятельным ключевым исследователем в этой области. Французские учёные Лоне, Давид, Коттин, Винсент и Умбер, Марк сформировали вторую по величине исследовательскую группу, сосредоточенную во Франции. Это распределение тесно соответствует доминированию США и Франции, наблюдаемым в анализах стран и журналов, что дополнительно подтверждает ведущие роли этих двух стран в исследованиях сопутствующих заболеваний ILD-PH.

Интеграция библиометрии и биоинформатики в этот протокол предлагает двухуровневую аналитическую структуру, выходящую за рамки одного из этих методов. Bibliometrics фиксирует макроуровневые исследовательские тенденции, сети сотрудничества и развивающиеся горячие точки из литературы, предоставляя обзор области с высоты птичьего полёта. Биоинформатика, напротив, использует молекулярные данные из публичных баз данных для выявления кандидатных генов, взаимодействий белков и обогащённых путей. Связывая эти два уровня, этот подход позволяет исследователям оценить, соответствует ли молекулярная цель или путь новым клиническим интересам, тем самым создавая гипотезы, подкреплённые литературой и механистически правдоподобные. Эта синергия особенно ценна для сложных сопутствующих заболеваний, таких как ILD-PH, где часто отсутствует междисциплинарная интеграция.

Что касается эволюционной траектории исследовательских тем, анализ совместного появления и обнаружения взрывов по ключевым словам и ссылкам в совокупности выявляет путь развития в этой области: от понимания механизмов заболеваний до изучения диагноза и норм лечения, а затем до точного управления и оценки прогноза. В период с 2016 по 2020 годы появление ключевых слов для взрывов, таких как «патофизиология», «диффузионная способность легких» и «томография», отражало фундаментальные исследования патологических механизмов ILD-PH и методов оценки функции лёгких/визуализации. С 2018 по 2022 год многочисленные ключевые слова, такие как «дифференциальная диагностика», «практическое руководство» и «стероид», показывали, что стандартизированная клиническая диагностика и лечение стали центром внимания. В период с 2021 по 2025 год серьёзные ключевые слова, такие как «COVID-19», «усталость», «NT-proBNP», «отделение интенсивной терапии» и «операционная характеристика приёмника», продемонстрировали сдвиг в горячих точках исследований в сторону точного и управления интенсивной помощью. Эта эволюционная тенденция дополнительно подтверждается референсным анализом: ранние знаковые исследования заложили диагностическую основу, включая классификацию идиопатических интерстициальных пневмоний и исследование DETECT для скрининга. Среднесрочные рекомендации, такие как рекомендации ESC/ERS 2015 года по легочной гипертензии, способствовали стандартизации диагностики и лечения. В последнее время многочисленные публикации, включая обновлённое руководство по клинической практике IPF и исследование nintedanib при прогрессирующем фиброзирующем ILD, свидетельствовали о переходе от эмпирического лечения к целенаправленным прецизионным вмешательствам.

На уровне молекулярного механизма биоинформатика выявила 271 ген, связанных с сопутствующими заболеваниями ILD-PH, а последующий сетевой анализ выявил потенциальную молекулярную основу этой сопутствующей заболезненности. Сеть PPI показала высокую связность между 20 основными генами, включая FN1, IL6, TNF, AKT1, EGFR и STAT1. Среди них FN1 является ключевым компонентом внеклеточной матрицы (ECM) и участвует в сборке и ремоделированииматрицы 35,36,37. Фиброзный процесс при ILD может привести к чрезмерному отложению ECM, что, как предполагается, запускает ремоделирование лёгочных сосудистых систем посредством механотрансдукции и секвестра факторов роста. Воспалительные факторы, такие как IL6, TNF и IL1B, не только вызывают воспалительное повреждение при ILD, но и могут участвовать в инициации и прогрессировании PH, активируя эндотелиальные клетки и способствуя пролиферации гладкоймышцы 38,39,40,41. Анализ обогащения путей KEGG дополнительно сопоставил эти основные гены с критическими сигнальными сетями, включая PI3K-Akt, TGF-β, MAPK, HIF-1 и интегринные сигнальные пути. Ранее были подтверждены участие этих путей в патогенезе лёгочной фиброза и легочной гипертензии. В частности, сигнальный путь TGF-β участвует как в лёгочном фиброзе, так и в ремоделировании сосудов, служа ключевым молекулярным мостом, соединяющим ILD иPH 42,43,44; сигнальный путь HIF-1 регулирует вазоконстрикцию и ремоделирование сосудов45,46; а путь PI3K-Akt широко участвует в выживаемости, пролиферации и воспаленииклеток 47,48,49. Основываясь на приведённом выше биоинформатическом анализе, это исследование предварительно предполагает, что ILD и PH могут совместно активировать несколько сигнальных путей. Будущие исследования должны быть сосредоточены на следующих направлениях: во-первых, изучение подтип-стратифицированных механизмов коморбидности ILD-PH, включая молекулярные характеристики отдельных подгрупп, таких как IPF-PH и CTD-ILD-PH; во-вторых, разработка таргетных препаратов для сопутствующих заболеваний и продвижение клинической трансляции; В-третьих, укрепление создания глобальных многоцентровых коллаборативных сетей.

Для повышения практической воспроизводимости этого протокола в исследовании рассматриваются следующие шаги, склонные к проблемам. Во-первых, несовместимость экспорта базы данных может возникать, когда разные базы данных используют несогласованные поля или форматы файлов. Мы рекомендуем экспортировать записи в формате простого текста со стандартизированным набором тегов, таким как «Полный запись и цитируемые ссылки» для Web of Science и «CSV экспорт со всеми доступными полями» для Scopus. Во-вторых, конфликты дублирования часто возникают, когда отсутствует DOI или содержит мелкие вариации, такие как дополнительные пробелы или строчные буквы. Наш протокол использует DOI в качестве основного ключа дедупликации. Если в записи отсутствует DOI, используйте составный ключ, объединяющий название, имена авторов, год публикации и журнал. Для несоответствий из-за несогласованного форматирования примените шаг нормализации строк, который убирает пунктуацию, переводит в строчные буквы и убирает пробелы. В-третьих, пороговая чувствительность в биоинформатических анализах, такая как совокупный порог балла в STRING или порог p-значения и logFC при дифференциальной экспрессии, может сильно влиять на полученные списки генов сети PPI и хаба. Если наблюдается нестабильность, выберите более консервативный порог или интегрируйте данные из нескольких баз данных. В-четвёртых, ошибки фильтрации и вывода KEGG могут выглядеть как отсутствующие аннотации путей или неудача в получении обновлённых карт путей. Обычно это происходит из-за устаревшей версии KEGG API или неправильного кода организма. Убедитесь, что установлена последняя версия инструмента обогащения, например clusterProfiler, и что параметр организма установлен правильно, например, «has» для человека. Если на выходе есть пути без отображённых генов, проверьте, совпадают ли идентификаторы вводных генов с версией базы данных аннотации. Пытаясь выполнить эти корректировки, исследователи могут предварительно выявить и решить соответствующие проблемы.

В целом, этот протокол сочетает макроуровневую идентификацию горячих точек с помощью библиометрии с поиском коморбидных мишеней с помощью биоинформатики в качестве предварительного исследовательского подхода, что может дать полезные инсайты для исследований в области сопутствующих заболеваний. Тем не менее, следует признать ряд ограничений этого протокола. Что касается воспроизводимости, переносимость этой системы к другим сопутствующим заболеваниям может зависеть от таких факторов, как охват базы данных, стратегия поиска, терминология заболеваний и наличие соответствующих молекулярных наборов данных. Библиометрический компонент исключает неанглоязычные статьи, что может ограничивать полноту карты знаний. Компонент биоинформатики опирается на публичные базы данных с гетерогенными источниками данных и составом образцов, что может влиять на воспроизводимость и согласованность результатов между наборами данных. Кроме того, дата обновления базы данных также может влиять на результаты. Наконец, все результаты биоинформатики являются ассоциативными и генерируют гипотезы, а не причинными, и для применения новых исследовательских вопросов требуется дальнейшая валидация с помощью животных моделей или клинических когортных исследований.

Раскрытие информации

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

Авторы не сообщают о конфликтах интересов в этой работе.

Благодарности

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

Авторы с благодарностью выражают финансовую поддержку от проекта «Неинфекционные хронические заболевания — Национальный научно-технический проект» (2024ZD0522300, 2024ZD0522301) и Фонда некоммерческого Центрального исследовательского института Китайской академии медицинских наук (2022-ZHCH330-01).

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Библиометрическая онлайн-платформа анализаK-Synth Srl (Библиометрическое)https://bibliometric.comОнлайн-платформа анализа; модуль: отношения стран; генерирует хордовую диаграмму сотрудничества стран; доступ 10 марта 2026
CiteSpaceУниверситет Дрекселя6.4.R1Библиометрический анализ; временное разбиение: 2016–2025; типы узлов: ключевые слова, ссылки; обрезка: Pathfinder + обрезка разрезанных сетей
clusterProfiler (пакет R)Guangchuang Yu et al.4.13.2KEGG анализ обогащения; пороги: p < 0,05, q < 0,2
CytoscapeКонсорциум Cytoscape3.10.3Визуализация и анализ сети; плагин: CytoHubba; алгоритм: центральность степени; используется для идентификации центральных генов
GeneCardsИнститут Вейцманаhttps://www.genecards.orgБаза данных информации о генах; версия базы данных 5.22; доступ 12 марта 2026; критерий фильтрации: Балл значимости ≥ 1
Journal Citation Reports (JCR)Clarivate Analyticshttps://jcr.clarivate.comИмпакт-фактор и квартильный показатель журналов; доступ 9 марта 2026
KEGGКиотская энциклопедия генов и геномовhttps://www.kegg.jpБаза данных путей; доступ через API clusterProfiler 13 марта 2026; вид: hsa
MeSH DatabaseНациональная медицинская библиотека (NLM)https://meshb.nlm.nih.govБаза данных запросов к терминам MeSH; доступ 9 марта 2026; используется для построения стратегии поиска
Microsoft ExcelMicrosoft Corporation16.88 (Microsoft 365)Статистика данных и создание графиков; используется для подсчета публикаций, удаления дубликатов, построения графиков
org.Hs.eg.db (пакет R)Bioconductor Core Team3.20.0База данных аннотации человеческого генома; используется для конвертации идентификаторов генов
RR Core Team4.4.2Среда статистических вычислений и построения графиков; дата запуска: 13 марта 2026
Scimago GraphicaScimago Lab2Инструмент визуализации; раскладка: проекция карты; кривизна ребра: 0,5; картирование цветов: по кластерам
ScopusElsevierhttps://www.scopus.comБаза данных для получения литературы; полное издание Elsevier Scopus 2026; дата получения: 9 марта 2026
STRINGEMBL12.0 / https://cn.string-db.orgБаза данных взаимодействий белок-белок; доступ 12 марта 2026; порог порогового значения взаимодействия: 0,7 (высокая уверенность); тип сети: физический + функциональный
VOSviewerУниверситет Лейдена1.6.20Библиометрический анализ; соавторство как тип анализа; метод нормализации: сила ассоциации
Web of Science Core CollectionClarivate Analyticshttps://www.webofscience.comБаза данных для получения литературы; охватывает подбазы данных SCIE и SSCI; дата получения: 9 марта 2026

Ссылки

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Wijsenbeek M, Suzuki A, Maher TM. Interstitial lung diseases. Lancet. 2022;400(10354):769-786.
  2. Maher TM. Interstitial Lung Disease: A Review. JAMA. 2024;331(19):1655-1665.
  3. King CS, Shlobin OA. The Trouble With Group 3 Pulmonary Hypertension in Interstitial Lung Disease: Dilemmas in Diagnosis and the Conundrum of Treatment. Chest. 2020;158(4):1651-1664.
  4. Waxman A, et al. Inhaled Treprostinil in Pulmonary Hypertension Due to Interstitial Lung Disease. N Engl J Med. 2021;384(4):325-334.
  5. Rutland C, et al. Pulmonary Hypertension Associated with Interstitial Lung Disease: Screening and Epidemiology. ATS Sch. 2025;6(4):521-522.
  6. Ang HL, et al. Pulmonary Hypertension in Interstitial Lung Disease: A Systematic Review and Meta-Analysis. Chest. 2024;166(4):778-792.
  7. Nathan SD, et al. Pulmonary hypertension in chronic lung disease and hypoxia. Eur Respir J. 2019;53(1):1801914.
  8. King CS, Nathan SD. Pulmonary hypertension due to interstitial lung disease. Curr Opin Pulm Med. 2019;25(5):459-467.
  9. Shlobin OA, et al. Pulmonary hypertension associated with lung diseases. Eur Respir J. 2024;64(4):2401200.
  10. Olsson KM, et al. Pulmonary hypertension associated with lung disease: new insights into pathomechanisms, diagnosis, and management. Lancet Respir Med. 2023;11(9):820-835.
  11. van den Bosch L, Luppi F, Ferrara G, Mura M. Immunomodulatory treatment of interstitial lung disease. Ther Adv Respir Dis. 2022;16:17534666221117002.
  12. Kattih Z, Kim HC, Aryal S, Nathan SD. Review of the Diagnosis and Management of Pulmonary Hypertension Associated with Interstitial Lung Disease (ILD-PH). J Clin Med. 2025;14(6):2029.
  13. Wang Y, et al. Research Trends and Hotspots in JAK Inhibitors for Ulcerative Colitis: A Bibliometric Analysis From 2015 to 2024. J Multidiscip Healthc. 2025;18:6755-6771.
  14. Zhao Y, Chen GY, Fang M. Research Trends of Rheumatoid Arthritis and Depression from 2019 to 2023: A Bibliometric Analysis. J Multidiscip Healthc. 2024;17:4465-4474.
  15. Chen GY, et al. Mechanisms of Total Glucosides of Paeony in Alleviating Methotrexate-Induced Liver Injury. Drug Des Devel Ther. 2025;19:3407-3423.
  16. Arruda H, et al. VOSviewer and Bibliometrix. J Med Libr Assoc. 2022;110(3):392-395.
  17. Stelzer G, et al. The GeneCards Suite: From Gene Data Mining to Disease Genome Sequence Analyses. Curr Protoc Bioinformatics. 2016;54:1.30.1-1.30.33.
  18. Szklarczyk D, et al. The STRING database in 2023: protein-protein association networks and functional enrichment analyses for any sequenced genome of interest. Nucleic Acids Res. 2023;51(D1):D638-D646.
  19. Szklarczyk D, et al. The STRING database in 2025: protein networks with directionality of regulation. Nucleic Acids Res. 2025;53(D1):D730-D737.
  20. Kanehisa M, Goto S. KEGG: kyoto encyclopedia of genes and genomes. Nucleic Acids Res. 2000;28(1):27-30.
  21. Denton CP, Khanna D. Systemic sclerosis. Lancet. 2017;390(10103):1685-1699.
  22. Simonneau G, et al. Haemodynamic definitions and updated clinical classification of pulmonary hypertension. Eur Respir J. 2019;53(1):1801913.
  23. Tashkin DP, et al. Scleroderma Lung Study II Investigators. Mycophenolate mofetil versus oral cyclophosphamide in scleroderma-related interstitial lung disease (SLS II): a randomized controlled, double-blind, parallel group trial. Lancet Respir Med. 2016;4(9):708-719.
  24. Kuwana M, et al. Initial combination therapy of ambrisentan and tadalafil in connective tissue disease-associated pulmonary arterial hypertension (CTD-PAH) in the modified intention-to-treat population of the AMBITION study: post hoc analysis. Ann Rheum Dis. 2020;79(5):626-634.
  25. Travis WD, et al. An official American Thoracic Society/European Respiratory Society statement: Update of the international multidisciplinary classification of the idiopathic interstitial pneumonias. Am J Respir Crit Care Med. 2013;188(6):733-748.
  26. Visovatti SH, et al. Borderline pulmonary arterial pressure in systemic sclerosis patients: a post-hoc analysis of the DETECT study. Arthritis Res Ther. 2014;16(6):493.
  27. Subias PE; SEC Working Group for ESC/ERS 2015 Guidelines for Diagnosis and Treatment of Pulmonary Hypertension; Expert Reviewers for ESC/ERS 2015 Guidelines for Diagnosis and Treatment of Pulmonary Hypertension; SEC Guidelines Committee. Comments on the 2015 ESC/ERS Guidelines for the Diagnosis and Treatment of Pulmonary Hypertension. Rev Esp Cardiol (Engl Ed). 2016;69(2):102-8.
  28. Raghu G, et al. Idiopathic Pulmonary Fibrosis (an Update) and Progressive Pulmonary Fibrosis in Adults: An Official ATS/ERS/JRS/ALAT Clinical Practice Guideline. Am J Respir Crit Care Med. 2022;205(9):e18-e47.
  29. Valenzuela C, Waterer G, Raghu G. Interstitial lung disease before and after COVID-19: a double threat? Eur Respir J. 2021;58(6):2101956.
  30. DeDent AM, Farrand E. Vaccine-induced interstitial lung disease: a rare reaction to COVID-19 vaccination. Thorax. 2022;77(1):9-10.
  31. Wells AU, Devaraj A, Desai SR. Interstitial Lung Disease after COVID-19 Infection: A Catalog of Uncertainties. Radiology. 2021;299(1):E216-E218.
  32. Hyldgaard C, et al. Immunomodulatory treatment in unclassifiable interstitial lung disease: A retrospective study of treatment response. Respirology. 2023;28(4):373-379.
  33. Ma H, et al. Editorial: Regulatory immune cells in organ transplantation. Front Immunol. 2024;15:1383563.
  34. Carbone RG, et al. Future perspectives in interstitial lung disease: state of the art. Eur Rev Med Pharmacol Sci. 2025;29(3):123-134.
  35. Nishio J, et al. Fibronectin 1 (FN1)-rearranged Mesenchymal Neoplasms: An Updated Review. Cancer Genomics Proteomics. 2026;23(2):156-168.
  36. Wang C, et al. Discovery of an EGFR tyrosine kinase inhibitor from Ilex latifolia in breast cancer therapy. Bioorg Med Chem Lett. 2019;29:1282-1290.
  37. Zeng Y, et al. Fisetin micelles precisely exhibit a radiosensitization effect by inhibiting PDGFRβ/STAT1/STAT3/Bcl-2 signaling pathway in the tumor. Chin Chem Lett. 2025;36:109734.
  38. Behr J, et al. The Role of Inflammation and Fibrosis in Interstitial Lung Disease Treatment Decisions. Am J Respir Crit Care Med. 2024;210(4):392-400.
  39. Montero P, Milara J, Roger I, Cortijo J. Role of JAK/STAT in Interstitial Lung Diseases; Molecular and Cellular Mechanisms. Int J Mol Sci. 2021;22(12):6211.
  40. Stancil IT, et al. Interleukin-6-dependent epithelial fluidization initiates fibrotic lung remodeling. Sci Transl Med. 2022;14(654):eabo5254.
  41. Rastrick J, Birrell M. The role of the inflammasome in fibrotic respiratory diseases. Minerva Med. 2014;105(1):9-23.
  42. Liu Y, et al. Nerandomilast Improves Bleomycin-Induced Systemic Sclerosis-Associated Interstitial Lung Disease in Mice by Regulating the TGF-β1 Pathway. Inflammation. 2025;48(4):1760-1774.
  43. Wollin L, et al. Mode of action of nintedanib in the treatment of idiopathic pulmonary fibrosis. Eur Respir J. 2015;45(5):1434-45.
  44. Sitbon O, et al. Drugs targeting novel pathways in pulmonary arterial hypertension. Eur Respir J. 2025;66(2):2401830.
  45. Luo Y, et al. CD146-HIF-1α hypoxic reprogramming drives vascular remodeling and pulmonary arterial hypertension. Nat Commun. 2019;10(1):3551.
  46. Lei W, et al. Expression and analyses of the HIF-1 pathway in the lungs of humans with pulmonary arterial hypertension. Mol Med Rep. 2016;14(5):4383-4390.
  47. Wang J, et al. Targeting PI3K/AKT signaling for treatment of idiopathic pulmonary fibrosis. Acta Pharm Sin B. 2022;12(1):18-32.
  48. Bhatt J, Ghigo A, Hirsch E. PI3K/Akt in IPF: untangling fibrosis and charting therapies. Front Immunol. 2025;16:1549277.
  49. Zhu M, et al. Fibroblast Activation Protein Promotes Pulmonary Artery Hypertension via Activation of the PTEN/PI3K/Akt Pathway. J Cardiovasc Pharmacol. 2025;86(4):391-407.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

234234

Похожие статьи