Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Yöntem makalesi

Kanserde Tek Hücre Dizilemenin Küresel ve Güncel Araştırma Eğilimleri: Bibliyometrik ve Görselleştirme Çalışması

1.6K görüntüleme

⸱

DOI:

10.3791/67880

⸱

18 Nisan 2025

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

* These authors contributed equally

Bu makalede

Özet

Kanser araştırmalarında tek hücre diziliminin bu bibliyometrik analizi, Çin ve ABD'nin diğer ülkelerden önemli ölçüde daha fazla bilimsel makale ürettiğini göstermektedir. Patlama tespiti, gelecekteki araştırmaları etkilemesi beklenen 'tümör içi heterojenlik', 'klonal evrim' ve 'ilaç dağıtım sistemleri' gibi ortaya çıkan terimleri tanımlar.

Özet

Kanser, karmaşık biyolojik sistemleri nedeniyle insan sağlığı için önemli bir sorun teşkil etmekte ve derinlemesine analiz gerektirmektedir. Tek hücre dizilimi, bu sistemleri araştırmak için önemli bir araç haline geldi ve tek hücre düzeyinde gen ekspresyonunun ve epigenetik modifikasyonların tespit edilmesini sağladı. Bu alandaki araştırma eğilimlerini, işbirliği ağlarını ve bilgi yayılımını aydınlatmak için, 1 Ocak 2010 - 31 Aralık 2023 tarihleri arasındaki yayınları kapsayan Web of Science Core Collection veritabanı kullanılarak bibliyometrik bir analiz yapılmıştır. R'deki Bibliometrix paketi, belge türleri, ülkeler, kurumlar, yazarlar ve anahtar kelimeler dahil olmak üzere önemli yayın verilerini çıkarmak ve analiz etmek için kullanıldı. Ek olarak, veri derleme ve görselleştirme için CiteSpace, VOSviewer ve Literatür Metrolojisi Çevrimiçi Analiz Platformu kullanılmıştır. Analiz, 75 ülke ve bölgedeki 3.129 kurumdan 34.074 yazarı belirledi ve kanserde tek hücre dizilimi üzerine 788 akademik dergide yayınlanan 5.680 yayına katkıda bulundu. Çin ve Amerika Birleşik Devletleri, yayın hacminde önde gelen ülkeler olarak ortaya çıktı. Harvard Üniversitesi, Harvard'a bağlı Aviv Regev'in önemli bir katkıda bulunan kişi olarak kabul edilmesiyle en fazla sayıda yayın üretti (320). Frontiers in Immunology ve Nature Communications gibi önde gelen dergiler, bağışıklık mikroçevresi ve immünoterapi dahil olmak üzere hem yerleşik hem de gelişmekte olan araştırma alanlarını vurgulamaktadır. Gelecekteki araştırmalar için temel eğilimler ve potansiyel alanlar arasında tümör içi heterojenlik, klonal evrim ve ilaç dağıtım sistemleri yer almaktadır. Bu çalışma, onkolojideki tek hücre dizileme araştırmalarına kapsamlı bir genel bakış sunmakta ve teknolojik gelişmeler ve uluslararası işbirlikleri tarafından yönlendirilen hızlı ilerlemesini vurgulamaktadır. Küresel ortaklıkları güçlendirmek, bütünleştirici analitik araçlar geliştirmek ve veri karmaşıklıklarını ele almak, kişiselleştirilmiş kanser tedavilerini ilerletmek ve kanser biyolojisine ilişkin içgörüleri derinleştirmek için çok önemli olacaktır.

Giriş

Kanser, en zararlı hastalıklardan birini temsil eder ve dünya çapında ikinci önde gelen ölüm nedeni olarak sıralanır1. 2035 yılına kadar dünya nüfusunun yaklaşık dörtte birinin kanserden doğrudan etkileneceği tahmin edilmektedir 2,3. Kanserin patogenezi esas olarak çeşitli tümörjenik faktörlerden etkilenen hücresel büyümedeki düzensizlik ile bağlantılıdır 4,5. "Kanserin Ayırt Edici Özellikleri", normal hücresel durumlardan neoplastik büyümeye geçişi kolaylaştıran bir dizi işlevsel yetenek, özellikle de kötü huylu tümörlerin oluşumu için gerekli olan yetenekler olarak kavramsallaştırıldı6. Dizileme teknolojisi, hastalık patogenezi anlayışımızı ilerletmede çok önemli bir rol oynamaktadır. Bununla birlikte, tümörlerin doğal heterojenliği nedeniyle, tümör dokularının yüksek verimli dizileme analizi yoluyla düşük bolluklu kök hücrelerin genomik özelliklerinin tanımlanması önemli zorluklar ortaya çıkarmaktadır 7,8.

Genomik, transkriptomik, epigenomik, proteomik ve metabolomiği içeren tek hücre dizilemesi, tek hücre düzeyinde hücresel ve moleküler manzaraları aydınlatmak için güçlü bir metodolojik yaklaşımı temsil eder 9,10. Kanser araştırmalarında uygulanması, neoplastik lezyonlarda bulunan biyolojik özelliklerin ve dinamiklerin anlaşılmasını önemli ölçüde geliştirmiş, böylece kanser gelişimi ve metastazı hakkında daha kapsamlı bir anlayış sağlamıştır.

Bibliyometrik analiz, bilimsel yayınların yapısal özelliklerini ve niteliklerini inceler ve bilimsel literatürün hem nitel hem de nicel değerlendirmelerinde yaygın olarak kullanılmaktadır11,12. Çeşitli ülkelerden, kurumlardan, araştırmacılardan ve yayınlardan gelen katkıları karşılaştırarak, belirli bir araştırma alanındaki potansiyel ilerlemeleri aydınlatmak ve tahmin etmek mümkündür. Kanserde tek hücreli dizileme araştırmalarına odaklanan sistematik ve anlatısal incelemelerde önemli bir artış olmasına rağmen, kantitatif değerlendirme alanındaki kapsamlı analizlerde dikkate değer bir eksiklik vardır 13,14,15. Bu çalışma, kanser alanındaki tek hücreli dizilemedeki gelişimsel eğilimlerin ve öne çıkan araştırma konularının bibliyometrik yöntemler kullanılarak kapsamlı bir analizini yapmayı amaçlamaktadır. Bulgular, araştırmacılara, klinisyenlere ve politika yapıcılara bu alandaki mevcut bilgi ve anlayış durumu hakkında ayrıntılı bir genel bakış sunacaktır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

Bu çalışmada kullanılan veriler Web of Science Core Koleksiyonu'ndan (2010-2023) elde edilmiştir.

1. Veri toplama

  1. Veritabanı seçimi
    1. üzerinden Web of Science Core Collection (WoSCC ) veritabanına erişin. https://webofscience. clarivate.cn/wos/author/author-search.
    2. İlgili literatürü belirlemek için hedeflenen anahtar kelimeleri, özellikle "tek hücreli dizileme" ve "kanseri" kullanarak bir arama stratejisi oluşturun. Literatür taramasını tamamlamak için ara düğmesine tıklayın.
      NOT: Doğruluğu ve kapsayıcılığı artırmak için arama stratejisinde kullanılan anahtar kelimelerin tam listesi için Ek Tablo 1'e bakın.
  2. Arama parametreleri
    1. En yeni ve kapsamlı araştırma trendlerini yakalamak için 1 Ocak 2010 ile 31 Aralık 2023 arasındaki yayın dönemini seçin.
    2. Arama sonuçları için dil olarak İngilizce'yi seçin ve veri tutarlılığını sağlamak ve karşılaştırmalı analizi kolaylaştırmak için makale türleri olarak Makale ve İnceleme'yi seçin.
    3. Tek hücre dizileme ve kanser araştırma alanları dışındaki yayınları hariç tutarak alaka düzeyini sağlayın.
  3. Veri alımı ve biçimi
    1. Ayrıntılı meta verileri korumak için seçilen yayınları Tam Kayıt ve Alıntılanan Referanslar biçiminde derleyin.
    2. Toplanan verileri, bibliyometrik araçları kullanarak daha sonraki analizler için Düz Metin dosyaları olarak kaydedin.
    3. Kapsamlı bir bibliyometrik analiz sağlamak için her kaydın alıntı ve ortak yazarlık bilgileri de dahil olmak üzere eksiksiz meta veriler içerdiğini doğrulayın (Şekil 1).

2. Veri ön işleme

  1. Veri toplama ve içe aktarma
    1. Bibliometrix paketinin biblioshiny arayüzünü R'de başlatın.
      NOT: Özel kod aşağıdaki gibi sağlanır:
      Kütüphane(Bibliometrix)
      packageVersion("bibliometrix")
      biblioshiny()
    2. WoSCC veritabanına erişin ve bibliyometrik veriler içeren birleştirilmiş bir Düz Metin dosyası seçin.
    3. Verileri içeri aktarın ve sonraki analiz için R Veri Biçiminde dışarı aktarın.
  2. Yayınların ve atıfların yıllık büyüme eğilimi
    1. PY (yayın yılı) ve Z9 (atıf sayısı) sütunlarını sayısal biçime dönüştürün.
    2. Verileri yayın yılına göre gruplandırın ve yıllık yayın sayılarını ve toplam atıfları hesaplayın.
    3. Her yıl yayın sayısını temsil etmek için bir çubuk grafiği oluşturun ve zaman içindeki alıntı sayılarını göstermek için bir çizgi grafiği kaplayın.
      NOT: Özel kod, Ek Dosya 1'de Kod 1 olarak sağlanır.
  3. Ulusal yayın ve işbirliği analizi
    1. Ulusal yayın ve işbirliği toplama
      1. Year Published (PY) ve Author Countries(AU_CO1) alanlarını kullanarak her ülkeye göre yıllık yayınları ve atıfları özetleyin.
      2. Analizi, yayın hacmine göre ilk 10 ülkeye odaklayın.
    2. Metrik hesaplama
      1. Yayın sayısı (NP), atıf sıklığı (NC), tek ülkeli yayınlar (SCP) ve çok ülkeli yayınlar (MCP) dahil olmak üzere temel metrikleri hesaplayın16.
      2. Uluslararası işbirliğinin bir göstergesi olarak çok ülkeli yayınların (MCP_Ratio) oranını belirleyin.
      3. 14 yıllık bir süre boyunca her ülke için etki endekslerini (H-endeksi, G-endeksi ve M-endeksi) hesaplamak için R'nin H-indeksi işlevini kullanın17.
        NOT: Özel kod, Ek Dosya 1'de Kod 2 olarak verilmiştir. Ülkeler arasındaki işbirlikçi ilişkileri incelemek için literatür metrolojisinin (https://bibliometric.com/) çevrimiçi analiz platformunu kullanın. Verileri WoSCC'den Düz Metin biçiminde yükleyin. Uluslararası işbirliklerini değerlendirmek için "ülke ilişkileri" özelliğini kullanın. Önde gelen katkıda bulunan ülkeler arasındaki işbirliği ağının görselleştirilmesiyle sonuçlandırın.
  4. Kurumsal yayın ve işbirliği analizi
    1. Veri çıkarma ve sıralama
      1. WoSCC veritabanının Sonuçları Analiz Et özelliğindeki Bağlantılar bölümünden kurumsal verileri ayıklayın.
      2. Kurumları, yayınlanan toplam makale sayılarına göre azalan sırada sıralayın.
    2. Veri görselleştirme
      1. Önde gelen kurumlardaki yayın hacmini göstermek için R'deki ggplot2 paketini kullanarak yatay bir çubuk grafik oluşturun.
        NOT: Özel kod, Ek Dosya 1'de Kod 3 olarak verilmiştir.
    3. Ortak yazarlık analizi
      1. VOSviewer'da analiz kurulumu: VOSviewer'ı başlatın ve ardından ana menüden Oluştur'u seçin. Bibliyografik verilere dayalı bir harita oluştur'u seçin ve Bibliyografik veritabanı dosyalarından veri oku'yu seçin. Son olarak, Düz Metin dosyalarını içe aktarın.
      2. Yapılandırma ve parametreler: Analiz türünü VOSviewer'da ortak yazarlık olarak ayarlayın. Tam sayım yöntemini seçin ve analiz birimi olarak kuruluşları seçin. Kapsamlı bir ağ analizi sağlamak için parametreleri belge başına en fazla 1.200 kuruluş içerecek şekilde yapılandırın ve minimum eşiği kuruluş başına 30 belge olarak ayarlayın.
      3. Görselleştirme ve yorumlama: Kurumlar arasındaki işbirliği ağlarını gösteren bir görselleştirme haritası oluşturmak için Bitir'e tıklayarak kurulumu tamamlayın. Haritanın bağlantı ve ortaklık düzeylerini vurguladığından, araştırma faaliyetinin merkezi merkezlerini ve kurumlar arasındaki kilit işbirliği alanlarını belirlediğinden emin olun.
  5. Yazarların analizi ve yazar işbirliği
    1. Üretken yazarların belirlenmesi: Yazarları yayınlanan toplam makale sayısına göre sıralamak için WoSCC veritabanındaki Araştırmacı Profilleri bölümüne erişin.
    2. Veri görselleştirme: Önde gelen yazarların yayın hacmini görsel olarak temsil eden yatay bir çubuk grafik oluşturmak için R'deki ggplot2 paketini kullanın.
    3. Yazar katkılarının değerlendirilmesi: WoSCC veritabanındaki verileri kullanarak H-indeksi, ülke ve bağlı kurum dahil olmak üzere yayın hacmine göre ilk 10 yazar için ek ölçümler alın.
      NOT: Özel kod, Ek Dosya 1'de Kod 4 olarak sağlanır.
    4. Yazar işbirliği ağları
      1. VOSviewer'da analizin ayarlanması: VOSviewer'ı başlatın ve Oluştur düğmesini seçin, ardından Bibliyografik verilere dayalı bir harita oluştur'u seçin. Bibliyografik veri içeren ilgili Düz Metin dosyalarını, Bibliyografik veritabanı dosyalarından veri oku'yu seçerek içe aktarın.
      2. Yapılandırma ve parametreler: Analiz türünü ortak yazarlık olarak ayarlayın ve Tam sayım yöntemini kullanın. Analiz birimi olarak yazarları seçin. Parametreleri, belge başına en fazla 33 kuruluş içerecek şekilde ayarlayın ve anlamlı işbirliği verilerinin yakalanmasını sağlamak için yazar başına en az 15 belge eşiği belirleyin.
      3. Görselleştirme ve içgörüler: Yazar işbirliklerinin zamansal evrimini gösteren, ortak yazarlık ağlarının dinamikleri ve büyümesi hakkında bilgi sağlayan bir bindirme görselleştirmesi oluşturmak için Son'a tıklayın.
  6. Dergilerin ve ortak atıf yapılan dergilerin analizi
    1. Dergi metriklerinin hesaplanması: Kaynak başına yayın sayısı (NP), atıf sıklığı (NC), ilk yayın yılı (PY_start) ve etki indeksleri (H-indeksi, G-indeksi ve M-indeksi) dahil olmak üzere her dergi için temel metrikleri hesaplamak için R'deki H-indeksi işlevini kullanın.
    2. Etki faktörlerinin ve sıralamaların alınması: Her bir derginin alandaki etkisini ve konumunu daha fazla değerlendirmek için WoSCC veritabanından dergi etki faktörlerini ve çeyrek sıralamalarını elde edin.
      NOT: Özel kod, Ek Dosya 1'de Kod 5 olarak verilmiştir.
    3. Bilgi akışı analizi
      1. CiteSpace'de Verileri İçe Aktarma ve Kurulum: CiteSpace'i açın ve Veri menüsüne gidin. İçeri/Dışarı Aktar'ı seçin ve verileri içeri aktarmak için WOS'u seçin. Giriş ve çıkış yollarını gerektiği gibi yapılandırın.
      2. Harita seçimi ve yapılandırması: CiteSpace içinde Overlay Maps (Yer Paylaşımlı Haritalar) ve JCR Journals Maps (JCR Dergileri Haritaları) seçeneklerini belirleyin ve z-score'u 0 olarak ayarlayın. Bu kurulum, dergiler arasındaki bilgi akışını göstermek için ikili bir haritanın oluşturulmasını sağlar.
  7. Ortak atıf yapılan referansların ve kümeleme ağının analizi
    1. CiteSpace'de veri içe aktarma ve kurulum
      1. CiteSpace'i açın, Veri menüsüne gidin ve İçe/Dışa Aktar'ı seçin.
      2. WoSCC veritabanından verileri düz metin olarak içe aktarın, analiz zaman dilimini Ocak 2010'dan Aralık 2023'e kadar zamansal ayrıntılar için bir yıllık aralıklarla yapılandırın.
    2. Ağ yapılandırması ve budama
      1. CiteSpace'de düğüm türünü Referans olarak ayarlayın. Ağa budama uygulamak için Yol Bulucu seçeneğini ve Dilimlenmiş Ağları Buama özelliğini kullanın.
      2. Bir referans ortak alıntı haritası oluşturmak için GO'ya tıklayarak, daha iyi okunabilirlik için yazı tipi ve renk ayarlarını ayarlayarak analizi gerçekleştirin.
    3. Yüksek etkili referansları belirleme
      1. Burstness (Patlama) seçeneğini belirleyin ve CiteSpace'te γ parametresini [0, 1] olarak ayarlayın.
      2. En güçlü alıntı patlamalarına sahip ilk 20 referansın bir listesini oluşturmak için verileri yenileyin.
  8. Anahtar kelime birlikteliğinin analizi
    1. R'de anahtar kelime frekans analizi
      1. R'deki bibliometrix paketini kullanarak anahtar kelime analizi yapın ve belgelerde en sık kullanılan anahtar kelimelere odaklanın.
      2. Alanı Yazarın anahtar sözcükleri olarak ayarlayın ve tutarlılığı sağlamak için eş anlamlıları filtreleyerek sayıyı ilk 20 anahtar sözcükle sınırlayın.
    2. CiteSpace'de anahtar kelime patlaması analizi
      1. Burstness seçeneğini belirleyerek ve parametre γ'yi [0, 1] olarak ayarlayarak anahtar kelime patlaması analizi yapmak için CiteSpace'i kullanın.
      2. En güçlü alıntı patlamalarına sahip ilk 30 anahtar kelimenin bir listesini oluşturmak için verileri yenileyin.
    3. VOSviewer'da anahtar kelime birlikte oluşum ağı analizi
      1. VOSviewer'ı açın, Oluştur'u seçin ve ardından Bibliyografik verilere dayalı bir harita oluştur'u seçin.
      2. Bibliyografik veritabanı dosyalarından veri oku seçeneğini kullanarak düz metin dosyalarını içe aktarın.
      3. Analiz türünü, Tam sayım yöntemini kullanarak, analiz birimi olarak yazar anahtar sözcükleriyle birlikte oluşacak şekilde ayarlayın.
      4. En az 40 anahtar kelime oluşumu eşiği uygulayın ve analizi tamamlamak için Bitir'e tıklayın, böylece alan içindeki anahtar kelime ilişkilerini görselleştiren bir birlikte oluşma ağı oluşturun.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

Yayınların ve atıfların yıllık büyüme eğilimi
2010'dan 2023'e kadar WoSCC veri tabanında kanserde tek hücre dizilemesi ile ilgili toplam 6.767 yayın tespit edildi. 2010-2023 yılları arasında yayınlanan toplam 602 çalışma analizden çıkarıldı, ardından İngilizce olarak yayınlanmayan beş çalışma hariç tutuldu. Ek olarak, 361 toplantı özeti, 83 editoryal materyal ve diğer kategoriler altında sınıflandırılan 36 makaleden oluşan 480 makale, önceden tanımlanmış dışlama kriterlerine göre hariç tutulmuştur. So...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Bibliyometrik analiz, önemli yayınların özelliklerini ve bilimsel etkisini değerlendirmek için nicel bir yaklaşım olarak hizmet eder26. Bu çalışma, WoSCC veri tabanından çıkarılan ve 2010 ile 2023 yılları arasında yayınlanan, kanser araştırmalarında tek hücre dizilemesi ile ilgili 5.680 makalenin kapsamlı bir bibliyometrik analizini gerçekleştirdi. Bu analiz, araştırmacılar ve politika yapıcılar için eyleme geçirilebilir içgörüler sağlamak için mevcut araştırma du...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarların ifşa edecek hiçbir şeyi yok.

Teşekkürler

Hiç kimse.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
bibliometrix paketiKapsamlı R Arşiv Ağı (CRAN)bibliometrix 4.3.0Satır başına birden çok güven aralığına, her metin öğesi için özel yazı tiplerine, özel güven aralıklarına, ifadelerle karıştırılmış metne ve daha fazlasına izin veren bir orman grafiği.
CiteSpaceChaomei Chen, Drexel ÜniversitesiCiteSpace 6.2.R4 (64-bit) beta Basic‌ CiteSpace‌ bilimsel bir literatür analiz aracıdır. Temel işlevi, bilimsel literatürdeki temel bilgiyi görsel yollarla analiz etmek, bilimsel bilginin yapısını, kurallarını ve dağılımını göstermektir. CiteSpace'in ana işlevleri şunları içerir: araştırma işbirliği analizi ‌, önemli dergi kararı ‌, temel konu madenciliği vb.
dplyrKapsamlı R Arşiv Ağı (CRAN)dplyr 1.1.4dbplyr, dplyr için veritabanı arka ucudur. dplyr kodunu otomatik olarak SQL'e dönüştürerek uzak veritabanı tablolarını bellek içi veri çerçeveleriymiş gibi kullanmanıza olanak tanır.
esquisseComprehensive R Archive Network (CRAN)esquisse 2.0.1Bu eklenti, verilerinizi ggplot2 paketiyle görselleştirerek etkileşimli olarak keşfetmenizi sağlar. Çubuk grafikleri, eğriler, dağılım grafikleri, histogramlar, kutu çizimleri ve sf nesneleri çizmenize, ardından grafiği dışa aktarmanıza veya grafiği yeniden oluşturmak için kodu almanıza olanak tanır.
forcatsComprehensive R Archive Network (CRAN)forcats 1.0.0R, kategorik değişkenleri, sabit ve bilinen bir olası değerler kümesine sahip değişkenleri işlemek için faktörler kullanır. Faktörler, görüntüyü iyileştirmek için karakter vektörlerini yeniden sıralamak için de yararlıdır. forcats paketinin amacı, seviyelerin veya değerlerin sırasını değiştirmek de dahil olmak üzere faktörlerle ilgili yaygın sorunları çözen bir dizi araç sağlamaktır.
ggplot2Kapsamlı R Arşiv Ağı (CRAN)ggplot2 3.5.1ggplot2, Grafiklerin Dilbilgisine dayalı olarak bildirimsel olarak grafik oluşturmak için kullanılan bir sistemdir. Verileri sağlarsınız, ggplot2'ye değişkenleri estetiğe nasıl eşleyeceğini, hangi grafik ilkellerini kullanacağını söylersiniz ve ayrıntılarla ilgilenir.
ggpmiscKapsamlı R Arşiv Ağı (CRAN)ggpmisc 0.6.1Paketi ' ggpmisc' (Çeşitli Uzantılar ' ggplot2') R paketine yönelik bir dizi uzantıdır ' ggplot2' (>= 3.0.0) takılan modellerle ilgili ek açıklamalara ve çizime vurgu yaparak. Model uyum nesnelerinden elde edilen tahminler, ggplot'larda metin, tablo veya denklem olarak görüntülenebilir. Tahmin edilen değerler, kalıntılar, sapmalar ve ağırlıklar çeşitli model uyum fonksiyonları için çizilebilir.
ggsciKapsamlı R Arşiv Ağı (CRAN)ggsci 3.2.0ggsci, bilimsel dergilerden, veri görselleştirme kütüphanelerinden, bilim kurgu filmlerinden ve TV şovlarından ilham alan bir ggplot2 renk paleti koleksiyonu sunar.
openxlsxKapsamlı R Arşiv Ağı (CRAN)openxlsx 4.2.7.1Bu R paketi, çalışma sayfalarını yazmak, biçimlendirmek ve düzenlemek için üst düzey bir arabirim sağlayarak .xlsx dosyalarının oluşturulmasını basitleştirir. Rcpp kullanımı sayesinde, okuma/yazma süreleri, Java'ya olan bağımlılığı ortadan kaldırmanın ek avantajıyla birlikte xlsx ve XLConnect paketleriyle karşılaştırılabilir.
readxlKapsamlı R Arşiv Ağı (CRAN)readxl 1.4.3readxl paketi, verileri Excel'den R'ye almayı kolaylaştırır. Mevcut paketlerin çoğuyla karşılaştırıldığında (ör. gdata, xlsx, xlsReadWrite) readxl'in harici bağımlılığı yoktur, bu nedenle Tüm işletim sistemlerinde kurulumu ve kullanımı kolaydır. Tablo verileriyle çalışmak üzere tasarlanmıştır.
reshape2Kapsamlı R Arşiv Ağı (CRAN)reshape2 1.4.4Reshape2, yeniden şekillendirme paketinin yeniden başlatılmasıdır. Reshape'in ilk sürümünden bu yana beş yıldan fazla zaman geçti ve bu süre zarfında R programlama ve R'de verilerle nasıl çalışılacağı hakkında çok şey öğrendim. Reshape2, verileri yeniden şekillendirmek için çok daha odaklı ve çok daha hızlı yeni bir paket oluşturmak için bu bilgiyi kullanıyor.
stringrKapsamlı R Arşiv Ağı (CRAN)stringr 1.5.1Dizeler, R'nin göz alıcı, yüksek profilli bileşenleri değildir, ancak birçok veri temizleme ve hazırlama görevinde büyük rol oynarlar. Stringr paketi, dizelerle çalışmayı olabildiğince kolaylaştırmak için tasarlanmış uyumlu bir dizi işlev sağlar.
tidytextKapsamlı R Arşiv Ağı (CRAN)tidytext 0.4.2Düzenli veri ilkelerini kullanmak, birçok metin madenciliği görevini daha kolay, daha etkili ve halihazırda yaygın olarak kullanılan araçlarla tutarlı hale getirebilir. Düzenli veri çerçeveleriyle metin madenciliği için gereken altyapının çoğu dplyr, broom, tidyr ve ggplot2 gibi paketlerde zaten mevcuttur. Bu pakette, metnin düzenli biçimlere dönüştürülmesine ve bu biçimlerden dönüştürülmesine olanak tanıyan ve düzenli araçlar ile mevcut metin madenciliği paketleri arasında sorunsuz bir şekilde geçiş yapan işlevler ve destekleyici veri kümeleri sağlıyoruz. Düzenli veri ilkelerini kullanarak metin madenciliği hakkında daha fazla bilgi edinmek için kitabımıza göz atın
tidyverseKapsamlı R Arşiv Ağı (CRAN)tidyverse 2.0.0Tidyverse, veri bilimi için tasarlanmış R paketlerinin inatçı bir koleksiyonudur. Tüm paketler temel bir tasarım felsefesini, dilbilgisini ve veri yapılarını paylaşır.
VennDiagramKapsamlı R Arşiv Ağı (CRAN)VennDiagram 1.7.3VennDiagram, dört sete kadar yüksek çözünürlüklü, özelleştirilebilir Venn diyagramları ve üç sete kadar Euler diyagramları oluşturmak için bir R paketidir. İki durumlu ölçeklendirme ve arsa şekli ve yapısının kapsamlı bir şekilde özelleştirilmesi dahil olmak üzere çeşitli özel durumların işlenmesini içerir.
VOSviewer  Bilim ve Teknoloji Çalışmaları Merkezi, Leiden Üniversitesi, HollandaVOSviewer sürüm 1.6.19VOSviewer, bibliyometrik ağları oluşturmak ve görselleştirmek için kullanılan bir yazılım aracıdır. Bu ağlar örneğin dergileri, araştırmacıları veya bireysel yayınları içerebilir ve alıntı, bibliyografik eşleştirme, ortak alıntı veya ortak yazarlık ilişkilerine dayalı olarak oluşturulabilir. VOSviewer ayrıca, bir bilimsel literatürden çıkarılan önemli terimlerin birlikte oluşum ağlarını oluşturmak ve görselleştirmek için kullanılabilecek metin madenciliği işlevselliği de sunar.

Kaynaklar

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

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Etiketler

Kanser Ara t rmasBibliyometrik Analizmm n Mikro evreT m r EvrimiKlonal EvrimT m r i Heterojenitela Da t m SistemleriOrtak Yazarl k AnaliziAnahtar Kelime Birlikteli i
Kanserde Tek Hücre Dizilemenin Küresel ve Güncel Araştırma Eğilimleri: Bibliyometrik ve Görselleştirme Çalışması
Bize ulaşın
Kütüphaneye tavsiye et

Gizlilik

Kullanım Şartları

İlkeler

Telif hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.