Yöntem makalesi

Bibliyometrik ve Biyoinformatik, Komorbiditede Araştırma Noktaları ve Temel Hedeflerin Keşfi: Interstisiyal Akciğer Hastalığı ve Pulmoner Hipertansiyon

DOI:

10.3791/71631

⸱

7 Ağustos 2026

 ,  ,  , 
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

Bu makalede

Özet

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

Bu protokol, interstisyel akciğer hastalığı ve pulmoner hipertansiyonu örnek olarak kullanır ve bibliyometri biyoinformatikle bütünleştirerek araştırma eğilimlerini, sıcak noktalarını, ana hedeflerini ve ilgili yolları sistematik ve ön planda inceler. Bu protokol, herhangi bir hastalık çiftini analiz etmek için promptları değiştirerek çoğaltılabilir.

Özet

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

Interstisyel akciğer hastalığı (ILD) ve pulmoner hipertansiyon (PH) sıklıkla eşzamanlı hastalıklar olarak birlikte bulunur; bu da kötü klinik sonuçlara ve sınırlı tedavi seçeneklerine yol açar. Önemli araştırma noktalarının belirlenmesi ve temel eşzamanlı hastalık hedeflerinin ortaya çıkarılması, hastalık yönetimini iyileştirmek ve yeni terapötik stratejiler geliştirmek için gereklidir. Bu protokol, Web of Science Core Collection ve Scopus veritabanlarından ilgili yayınları alır ve CiteSpace ile VOSviewer kullanarak araştırma noktalarını ve gelişen eğilimleri haritalar. Daha sonra, her iki hastalıkla ilişkili örtüşen genetik hedefler GeneCards veritabanından tanımlanmıştır. Protein-protein etkileşim ağları STRING kullanılarak merkez genleri tanımlanır ve KEGG yol zenginleştirme analizi R dili kullanılarak ana sinyal yollarını aydınlatmak için yapılır. Sonuçlar, bibliyometrinin bu disiplinlerarası alanın gelişim yolunu makro bir perspektiften tanımladığını göstermektedir; biyoinformatik analiz, FN1, IL6 ve TNF'yi potansiyel çekirdek komorbidite hedefleri olarak ortaya koymaktadır; ve KEGG zenginleştirme analizi, PI3K-Akt ve MAPK merkezli bağışıklık ilişkili yolların komorbiditenin patogenezinde derin bir rol oynadığını göstermektedir. İki yaklaşımı entegre ederek, bu protokol ILD-PH komorbidite araştırmalarında gelişim yörüngesini ve araştırma noktalarını sistematik olarak belirlerken, potansiyel komorbidite hedefleri ve yolları önceden tarar. Bu program, gelecekteki deneysel araştırmalar ve klinik doğrulama için yönlendirme ve hesaplamalı bir temel sağlar. Bu entegre çerçeve, diğer karmaşık hastalık eş hastalıklarının incelenmesine uygulanabilir tekrarlanabilir bir metodoloji sunar.

Giriş

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

Interstisyel akciğer hastalığı (ILD), patolojik olarak akciğer interstitiyumunun iltihaplanması ve fibrozisiyle karakterize edilen bir grup diffuz akciğer hastalıklarını ifade eder. Hastalığın ilerlemesi sırasında, genellikle birden fazla eşzamanlı hastalık ile karmaşıklaşır; bunlar arasında pulmoner hipertansiyon (PH),prognoz 1,2'yi önemli ölçüde etkileyen yaygın eşzamanlı hastalıklardan biridir. Epidemiyolojik veriler, ILD hastalarında PH insidansının alt tip ve hastalık evresine bağlı olarak değiştiğini, %13'ten %86'ya kadar değiştiğini göstermektedir3,4,5. Bu eşzamanlı durum, hastaların yaşam kalitesini önemli ölçüde azaltmakla kalmaz, ölüm riskini artırır, aynı zamanda sosyoekonomik ve sağlık yükünü de artırır 6,7. Pulmoner arterial hipertansiyonun aksine, interstisyel akciğer hastalığına bağlı pulmoner hipertansiyonun patogenezi daha karmaşıktır ve hipoksik akciğer vazokonstriksiyon, pro-fibrotik ve inflamatuar faktörle aracılı damar yeniden yapılandırma ve ekstraselüler matriks birikintisi gibi birçok patolojik süreciiçerir 8,9,10. Şu anda, bu eşzamanlı durum için klinik tanı ve tedavi stratejileri nispeten sınırlı kalmakta olup, belirli hedeflenmiş ilaçlar eksiktir. Altında yatan moleküler mekanizmaları, temel sinyal yolları ve erken biyobelirteçleri hâlâ sistematik olarak açıklanmalıdır11,12.

Araştırma odak noktalarını ve evrimsel yollarını tespit etmek için nesnel bir araç olarak, bibliyometri son yıllarda yaygın bir uygulamakazanmıştır 13,14. Biyoinformatik analiz, daha önce keşfedilmiş hastalıkla ilişkili hedefleri entegre ederek ana hedefleri ve temel yollarıbelirler 15. Komorbidite araştırmaları için, makroskopik araştırma noktalarını moleküler seviyedeki yol ve hedef bilgiyle entegre etmek, komorbidite mekanizmalarının anlaşılmasını derinleştirir ve sonraki deneysel çalışmalar için hesaplamalı tahminler ve yönlendirici rehberlik sağlar. Ancak, interstisyel akciğer hastalığı ile pulmoner hipertansiyonun eş hastalığı üzerine yapılan araştırmalar, makroskobik bilgi haritalamasını mikroskobik moleküler ağlarla birleştiren sistematik entegre bir analiz henüz eksiktir. Buna göre, bu çalışma Web of Science Core Collection (WoSCC) ve Scopus veritabanlarını kullanarak ILD-PH komorbidite araştırmalarının gelişim yolunu ve araştırma noktalarını bibliyometrik yöntemlerle kapsamlı şekilde özetlemiştir. Aynı zamanda, biyobilişim araçları kullanılarak komorbiditeyle ilişkili çekirdek genler ve potansiyel moleküler yollar belirlendi; böylece sonraki deneysel araştırmalar ve hedefli araştırmalar için aday moleküler temel ve deneysel tasarım yönü sağlandı.

Protokol

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

Çalışma, GeneCards, STRING ve KEGG dahil olmak üzere halka açık ikincil veritabanlarını kullandı. Çin İnsan Genetik Kaynakları Yönetmeliği'nin 32. Maddesine göre, bu veri tabanları Çin içinde insan genetik kaynaklarının doğrudan toplanmasını içermez; bu nedenle bu çalışma için etik onay veya bilgilendirilmiş onay gerekmemiştir. Bu bölümde kullanılan yazılım ve platformların ayrıntılı versiyon bilgileri Materyaller Tablosu'nda verilmiştir.

1. Edebiyat koleksiyonu ve organizasyonu

  1. MeSH veritabanına (Materyal Tablosu) erişin.
  2. "Interstisial Akciğer Hastalığı" ve "Pulmoner Hipertansiyon" hastalık terimlerini ayrı ayrı araarak ilgili alt başlıkları elde edin.
  3. Belirlenen MeSH terimleri ve alt başlıklarına dayalı kapsamlı bir arama stratejisi geliştirin.
  4. 9 Mart 2026'da WoSCC veritabanını (Materyal Tablosu) açın.
  5. Gelişmiş Arama'yı seçin. Arama stratejisine girin: TS=("Diffüz Parenkimal Akciğer Hastalığı" VEYA "Dağınık Parenkimal Akciğer Hastalıkları" VEYA "Interstisial Akciğer Hastalığı" VEYA "Interstisyel Akciğer Hastalıkları") VE TS=("Pulmoner Hipertansiyon"). Yayın tarihini 1 Ocak 2016 ile 31 Aralık 2025 arasında ayarlayın ve Ara'ya tıklayın.
  6. Belge türleri olarak Makaleler ve İnceleme Makaleleri seçin, dil olarak İngilizce seçin. Kayıt içeriği olarak Tam Kayıt ve Atıflanan Referansları seçin. Kayıtları txt formatında dışa aktarın ve wos.txt olarak kaydedin, sonra csv formatına dönüştürüp wos.csv olarak kaydedin.
  7. 9 Mart 2026'da Scopus veritabanını (Materyal Tablosu) açın.
  8. Arama alanını "Başlık" / "Özet" / "Anahtar Kelimeler" olarak ayarlayın. Arama stratejisine girin: TITLE-ABS-KEY (("Diffüz Parenkimal Akciğer Hastalığı" VEYA "Dağınık Parenkimal Akciğer Hastalıkları" YA da "Interstisial Akciğer Hastalığı" YA DA "Interstisial AKCIĞER Hastalıkları")) ve TITLE-ABS-KEY ("Pulmoner Hipertansiyon"). 1 Ocak 2016 ile 31 Aralık 2025 arasındaki yıl aralığını seçin, konu alanı olarak Tıbb'ı seçin ve Ara'ya tıklayın (Ek Tablo 1).
  9. Dışa Aktar'a tıklayın, CSV formatını seçin, alınan tüm kayıtları dışa aktarın ve scopus.csv olarak kaydedin.
  10. wos.csv'yi açın, DOI sütununu kopyalayın ve scopus.csv'ye yapıştırın. Veri karşılaştırması yapın, Excel'de Kopyaları Kaldır fonksiyonunu kullanarak tekrarlanan kayıtları işaretleyin, tekrarları silinin ve scopus1.csv edinin. DOI olmayan çok az kayıt için, bu çalışma için gerekli literatürün tam dahil edilmesini sağlamak amacıyla "başlık + yazar + yıl" kombinasyonunu kullanarak manuel olarak çapraz kontrol yaptık.
  11. Giriş dizini ve çıkış dizini adında yeni klasörler oluşturun. Deduplication'dan sonra elde edilen scopus1.csv giriş dizinine yerleştirin. CiteSpace'i açın, Data'ya tıklayın, Scopus'u seçin, ilgili klasörleri belirtin ve Scopus (csv) > WoS butonuna tıklayarak Scopus veri formatını dönüştürerek iki veritabanının formatını txt formatında birleştirin. Ortaya çıkan dosyayı scopus1.txt.
  12. İki veritabanından gelen verileri birleştirin. scopus1.txt ve wos.txt CiteSpace'e yerleştirin; böylece deduplication ve birleştirme için eşit biçimlendirilmiş, deduplicated literatür verileri: dataset.txt, sonraki analiz için (Ek Tablo 2).
  13. Alınan wos.txt ve scopus.csv dosyalarını kontrol et, böylece deduplication sürecinin DOI'yi eşleşme kriteri olarak kullandığından ve dataset.txt dosyanın başarıyla oluşturulduğundan emin olun.

2. Yıllık yayın çıktısı eğilim analizi

  1. Microsoft Excel'de, yayın sayısını yıla göre sayarak iki veri sütunu oluşturulur (Yıl, Yayınlar).
  2. Veri setini seçin, Insert > Chart > Column Chart'a erişerek yıllık yayın çıktısının sütun grafiği oluşturun.
  3. Yatay eksen Yıl , dikey ekseni Yayınlar olarak belirtin.
  4. Veri etiketlerinin her yıl için belirli sayıda yayını göstermesini etkinleştirin.
  5. Tüm şekilleri Etiketlenmiş Görüntü Dosyası Formatı (TIFF) ile dışa aktarın, böylece en az 300 dpi çözünürlük sağlansın.

3. Ulusal/bölgesel yayın çıktısı ve uluslararası iş birliği analizi

  1. VOSviewer'ı başlatın, Oluştur > Bibliyografik verilere dayalı bir harita oluşturun > Bibliyografik veritabanı dosyalarından verileri okuyun16.
  2. 1.12. adımda oluşturulan düz metin veri setini içe aktarın.
  3. Analiz türü olarak Ortak Yazarlık ve analiz birimi olarak Ülkeleri seçin.
  4. Bir ülke için minimum belge sayısını 40'a ayarlayın, yayın çıktısına göre en iyi 20 ülkeyi koruyun. İşbirliği ağının yüksek çıktılı ülkelere odaklanmasını sağlarken, haritanın netliğini ve okunabilirliğini koruyarak, okuyucuların temel uluslararası araştırma güçlerini ve iş birliği kalıplarını sezgisel olarak kavrayabilmelerini kolaylaştırmak.
  5. Seçilmiş öğeleri doğrulama arayüzünde tüm ülkeleri seçin, listeyi Excel'e kopyalayın ve her ülke için yayın sayısı ile atıf sayılarını dışa aktarın.
  6. Ortaya çıkan Excel tablosunda, yayın çıktısına göre ilk 10 ülkeyi seçin ve yayın ile atıf sayılarını gösteren bir grafik oluşturun.
  7. Ulusal iş birliği ağını oluşturmak ve ağı GML formatında kaydetmek için "Bitir" butonunu seçin.
  8. Scimago Graphica'yı başlatın ve GML dosyasını içe aktarın.
  9. Etiket alanını Country ile eşleyin ve küme alanı tipini String olarak ayarlayın.
  10. Görselleştirme yapılandırmasında, yayın çıktı alanını (genellikle ağırlık veya benzer bir isim) Boyut kutusuna yerleştirin, küme alanını Renk kutusu olarak ayarlayın ve etiket alanını Etiket, Araç İpucu ve Birim kutularına eşleyin.
  11. Marks > Haritası'na gidin. Çizgi eğriliği ayarlaması için Kenarları, düğüm rengi yapılandırması için ise Kenar rengini kullanın.
  12. Son haritayı PNG formatında dışa aktarın.
  13. 1.12. adımda oluşturulan düz metin veri setini Bibliyometrik Çevrimiçi Analiz Platformu'na (https://bibliometric.com) aktarın, Upload data sayfasına tıklayın ve görselleştirme için ulusal işbirliği akor diyagramı oluşturmak üzere Ülke ilişkileri seçeneğini seçin.
  14. Önemli bir kontrol noktası, ortaya çıkan ağın iyi dengeli ve görsel olarak net olmasını sağlarken, araştırma hedeflerini yansıtacak şekilde minimum belge sayısını uygun şekilde ayarlamaktır.

4. Dergi yayın çıktısı ve atıf analizi

  1. Aynı veri setini VOSviewer'a aktarın, analiz türü olarak Citation'u seçin ve analiz birimi olarak Kaynaklar'ı seçin.
  2. Bir kaynak için minimum belge sayısını 5, en az atıf sayısını ise 20'ye ayarlayın.
  3. Seçilmiş öğeleri doğrulama arayüzünde, dergi listesini Excel'e kopyalayarak her dergi için yayın sayısını ve toplam atıf sayısını elde edin.
  4. Bitir seçeneğini seçin, dergi ortak kaynak ağı haritası oluşturulacaktır. Düzeni geliştirmek için Çekim ve İtme parametrelerini ayarlayın, Görselleştirme paneliyle görünümü iyileştirin ve haritayı en az 300 dpi çözünürlüklü bir TIFF olarak kaydedin.
  5. Excel'de, dergileri yayın sayısına göre sıralayın, yayın çıktılarına göre en iyi 10 dergini seçin. 9 Mart 2026'da resmi JCR platformuna (Materyal Tablosu) erişin, sırasıyla her dergini arayın ve en son Impact Factor ile JCR dörtlüğünü kaydedin. Yayın çıktısına göre en iyi 10 dergini gösteren bir grafik oluşturun.
  6. Excel'de, dergileri toplam atıf sayısına göre sıralayın, atıf sıklığına göre en iyi 10 dergini seçin. 9 Mart 2026'da, resmi JCR platformundan en son Impact Factor ve JCR çeyreğini alın ve kaydediler. Atıf sıklığına göre en iyi 10 dergini gösteren bir grafik oluşturun.

5. Yüksek verimlilikli yazar iş birliği ağı analizi

  1. Veri setini VOSviewer'a aktarın, analiz türü olarak Ortak Yazarlık seçin ve analiz birimi olarak Yazarları seçin.
  2. Bir yazar için minimum belge sayısını 3'e ayarlayarak belirli bir etkinlik seviyesine sahip yazarları filtreleyin.
  3. Seçilmiş öğeleri doğrulama arayüzünde, yazar listesini kopyalayın ve yazarların yayın sayılarını ve atıf sayılarını bir Excel dosyasında kaydedin.
  4. Yazar işbirliği ağını oluşturmak için Finish'i seçin, ağ düzenini ve görünümünü ayarlayın ve TIFF formatında kaydedin.
  5. Excel'de, yazarları yayın sayısına göre sıralayın, en üretken 10 araştırmacıyı seçin ve yayın sayılarını göstermek için bir donut tablosu oluşturun.
  6. Orijinal veri setinden, en iyi 10 yazarı kaynak sayısına göre alın, ilgili ülkelerini belirleyin, ülkeye göre farklı renkler atayın ve atıf sıklığına göre en iyi 10 yazarı gösteren bir grafik oluşturun.

6. Anahtar kelime eş rastlanması ve tematik evrim analizi

  1. CiteSpace'i başlatın ve Data > Import/Export sayfalarına gidin.
  2. 1.12. adımda dışa aktarılan txt dosyasını giriş klasörüne yerleştirin. İçeri/İhtır Gönderme arayüzünde giriş ve çıkış yollarını ayarlayın, belge türleri olarak Makale ve İnceleme seçeneklerini seçin ve veri formatı dönüşümü yapmak için Başlat'a tıklayın.
  3. Dönüştürmeden sonra, dosyaları çıktı klasöründen veri klasörüne kopyalayın. CiteSpace ana arayüzünde Yeni tuşuna tıklayın, proje dizini ve veri dizinini ayarlayın, veri kaynağı olarak WoS'u seçin ve İngilizceyi dil olarak seçin.
  4. Sağdaki zaman dilimleme paneline gidin, aralığı 2016–2025 olarak ayarlayın, 1 yıllık bir pencere benimseyin ve düğüm türü olarak Anahtar Kelime'yi seçin.
  5. Ağ ölçeklendirme için g-indeksini (k=10) uygulayın ve üç budama stratejisini seçin: Pathfinder, Dilimlenmiş ağları budama ve birleştirilmiş ağı budama.
  6. Analizi çalıştırmak için Başlat'a tıklayın. Tamamlandıktan sonra, anahtar kelime ortak oluş haritasını oluşturmak için Tek Tıklama Kümeleme Etiketi Optimizasyonu fonksiyonunu kullanın.
  7. Kontrol panelinden düğüm ve küme etiketlerinin görüntülenmesini ayarlayın ve düğüm boyutu gibi görsel öğeleri optimize edin.
  8. Anahtar kelime zaman çizelgesi görünümünü oluşturmak için Layout > Timeline'ı seçin.
  9. Kontrol panelinde Burstness'i seçin, sıralı olarak yenile ve Görüntüle'e tıklayın, gösterilecek ilk 25 anahtar kelime sayısını belirleyin ve patlama gücüne göre en iyi 25 anahtar kelimenin grafiğini oluşturun. Oluşturulan görüntüleri depolama için TIFF formatında dışa aktarın.

7. Referans ortak kaynak analizi

  1. Aynı veri setini CiteSpace'e yükleyin. 6.4–6.5. adımlarda açıklanan zaman aralığı ve budama stratejilerini ayarlayın ve düğüm tipi olarak Referans Referans'ı seçin.
  2. Analiz çalıştırıldıktan sonra, referans eş oluşum haritasını oluşturmak için Tek Tıklama Kümeleme Etiketi Optimizasyonu fonksiyonunu kullanın.
  3. Düğüm ve küme etiketlerini ayarlayın ve referans kümeleme haritasını oluşturmak için Kümeler seçin.
  4. Patlama panelinde, göstergeyi atıf sıklığına göre en iyi 20 atıf edilen referansı gösterecek şekilde ayarlayın ve patlama gücüne göre en iyi 20 ortak referansın tablosunu oluşturun.
  5. Tüm görüntüleri depolama için TIFF formatında dışa aktarın.

8. PPI ağ analizi

  1. 12 Mart 2026'da GeneCards veritabanına (https://www.genecards.org)17erişin ve anahtar kelime olarak sırasıyla "Interstisial Akciğer Hastalığı" ve "Pulmoner Hipertansiyon" kelimelerini kullanarak arama yapın. Arama için kullanılan hastalık terimleri, literatür başvurusunda olanlarla tutarlıdır ve ek terim varyantları genişletilmemiştir.
  2. Her arama için 1≥ alaka puanı olan hedefler listesini dışa aktarın. Çıkarma yöntemi, Alaka Puanına göre sıralamayı ve 1≥ puana sahip tüm hedeflerin dışa aktarılmasını içeriyordu. ≥ 1 eşiği, literatürde desteklenen ilişkili genlerin büyük çoğunluğunu yakaladığı ve yanlış pozitifleri en aza indirdiği için seçildi.
  3. İki hedef setinin kesişimini elde etmek için R kullanın; böylece ILD-PH komorbiditeyle ilgili hedefler ortaya çıkar.
  4. STRING veritabanının Çoklu Proteinler modülüne (https://cn.string-db.org/)18 erişin, arama kutusuna komorbidite hedeflerinin listesini girin ve tür olarak Homo sapiens'i seçin.
  5. Devam et'e tıklayın, ardından Ayarlar panelinde minimum gerekli etkileşim puanını Yüksek güvenliğe (0.700) ayarlayın ve ağ 19'daki bağlantısı kopuk düğümleri gizlemeyi etkinleştirin.
  6. Ağ güncellendikten sonra, etkileşim verilerini Dışa Aktarma menüsünden TSV dosyası olarak indirin.
  7. Cytoscape'i başlatın ve TSV dosyasını File > Import > Network üzerinden File System üzerinden yükleyin.
  8. Tools > NetworkAnalyzer > Network Analysis > Network Interpretation'da, Ağı yönlendirilmemiş olarak ele alın seçeneğini seçin ve düğüm derecesi dahil topolojik parametreleri hesaplayın.
  9. Stil panelinde düğüm şekli, rengi, boyut ve diğer görünüm ayarlarını yapılandırın ve net bir düzen elde etmek için düğüm konumlarını manuel olarak ayarlayın.
  10. PPI ağ görgesini File > Export > Network Image to File ile kaydedin ve ağ analiz sonuçlarını File > Export > Table to File üzerinden dışa aktarın.
  11. Excel'de dışa aktarılan tabloyu açın, Derece sütununa göre sıralayın, en iyi 20 anahtar hedefi ve derecelerinin değerlerini seçin, veri etiketleriyle bir çubuk diagramma oluşturun ve TIFF formatında dışa aktarın.

9. KEGG Yolu zenginleştirme analizi

  1. R başlatın ve gerekli paketleri kurup yüklemek için komutları girin (Ek Tablo 3):
    install.packages("BiocManager")
    BiocManager::install(c("clusterProfiler", "org. Hs.eg.db"))
    library(clusterProfiler)
    kütüphane (org. Hs.eg.db)
  2. ILD-PH komorbidite hedeflerinin gen sembollerini bitr() fonksiyonunu kullanarak Entrez ID'lerine dönüştürün. R'de girin:
    coma_entrez <- bitr(coma_genes, fromType = "SYMBOL", toType = "ENTREZID", OrgDb = org. Hs.eg.db)
  3. Aşağıdaki parametrelerle enrichKEGG() fonksiyonunu kullanarak zenginleştirme analizi yapın: organizma = "has", pvalueCutoff = 0.05, qvalueCutoff = 0.05. Benjamini-Hochberg (BH) yöntemi çoklu test düzeltmeleri için kullanıldı. Aşağıdaki kodu girin:
    kegg_result <- enrichKEGG(gen = coma_entrez$ENTREZID,
    organizma = "var",
    pvalueCutoff = 0.05,
    qvalueCutoff = 0.05,
    use_internal_data = YANLIŞ)
    NOT: p-değeri: orijinal p-değeri, verilen zenginleşme seviyesinin gözlemlenme olasılığını temsil eder; q-değeri: Benjamini-Hochberg düzeltmesinden sonra FDR (Yanlış Keşif Oranı) ve yanlış pozitif oranını kontrol eder. Bu çalışmada, anlamlı zenginleştirme için kriter olarak q < 0.05 kullanıldı.
  4. Sonuçları "İnsan Hastalıkları" ve "Metabolizma" anahtar kelimeleriyle filtreleyin; insan hastalıkları ve metabolizmasıyla ilişkili yolları kaldırın, biyolojik süreçlerle ilişkili yolları korun. İnsan Hastalıkları ve Metabolizma yolları, esas olarak hastalıkların ve metabolik ağların genel mekanizmalarını tanımlar; bunlar ILD-PH komorbiditesinin fibroz, iltihap ve damar yeniden yapılandırma mekanizmalarıyla zayıf ilişkilidir. Bu nedenle, sonuçlar ana sinyal yollarına odaklanmak için hariç tutuldu. Girin:
    kegg_result_df <- as.data.frame(kegg_result)
    kegg_filtered <- kegg_result_df[!grepl("İnsan Hastalıkları|Metabolizma", kegg_result_df$Tanım), ]
  5. Yolları gen sayısına göre azalan sırayla sıralayın, en üst 10 yolu seçin, dotplot() fonksiyonuyla bir nokta grafiki oluşturun ve grafiki PNG formatında dışa aktarın. Girin:
    top10_pathways <- kafa(kegg_filtered[order(kegg_filtered$Count, azalan = TRUE), ], 10)
    dotplot_result <- dotplot(enrichResult(select(top10_pathways)), showCategory = 10)
    ggsave("KEGG_dotplot.png", dotplot_result, genişlik = 8, yükseklik = 6, dpi = 300)
  6. En üst 10 yolu ve bunlara bağlı hedef genleri çıkarın, iki sütunlu bir tablo oluşturun (yol adı, hedef gen) ve tabloyu sekmelerle belirlenmiş bir TXT dosyası olarak kaydedin.
  7. Dosyayı Cytoscape'e aktarın, yol düğümleri ile hedef düğümler arasındaki şekil ve renk farklarını Stil paneli üzerinden yapılandırın, düzeni manuel olarak iyileştirin ve yol-hedef ağgörselini 20 dışa aktarın.

Sonuçlar

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

Veri alımı ve taraması

Toplamda Scopus veritabanından 2.400 kayıt toplanmış, WoSCC veritabanında ise 696 kayıt tespit edilmiştir. İki veri seti birleştirildikten ve 533 tekrarlanan kayıt kaldırıldıktan sonra, toplamda 2.563 benzersiz yayın sonraki bibliyometrik analiz için dahil edildi (Şekil 1).

Yıllık yayın çıktı eğilimleri

2016'dan 2025'e kadar interstisyel akciğer hastalığı ve pulmoner hipertansiyon alanındaki yıllık yayın çıktısı Şekil 2'de gösterilmiştir. On yıllık dönemde, yayın sayısı dalgalanan bir yükseliş eğilimi gösterdi. İlk dört yıl boyunca nispeten istikrarlı kaldı, ardından 2020–2022 ve 2023–2025 yıllarında hızlı artışlar yaşandı ve sırasıyla 2022 ve 2025'te iki zirveye ulaştı. Genel olarak, yayın sayısı 2016'da 142'den 2025'te 402'ye yükseldi ve bu da neredeyse üç kat artışı temsil ediyor (Şekil 2).

Ulusal yayın çıktısı ve uluslararası iş birliği

Toplamda 20 ülke en az 40 yayın eşiğini aştı ve ulusal iş birliği ağı analizine dahil edildi. Amerika Birleşik Devletleri, hem yayın çıktısı hem de atıf sıklığında lider oldu; 823 yayın ve 21.943 atıfla. İtalya 271 yayınla (7.037 atıf) ikinci sırada yer aldı, ardından Fransa (237 yayın, 8.172 atıf), Birleşik Krallık (231 yayın, 9.764 atıf) ve Japonya (205 yayın, 3.221 atıf) geldi. Çin, 185 yayın ve 2.978 atıfla altıncı sırada yer alırken, Almanya 184 yayın ve 7.932 atıfla 7. sırada yer aldı (Şekil 3A, Tablo 1).

Uluslararası iş birliği açısından, toplam bağlantı gücü göstergeleri Amerika Birleşik Devletleri'nin (toplam bağlantı gücü = 523), İtalya (448), Birleşik Krallık (447), Almanya (443) ve Fransa'nın (405) en yakın işbirliği ilişkilerini gösterdiğini ortaya koydu (Şekil 3B). İşbirliği ağı analizi üç ana küme belirledi. İlk küme, Belçika, Fransa, Almanya, Yunanistan, İtalya, Hollanda, Polonya, İspanya, İsviçre ve Türkiye dahil olmak üzere 10 Avrupa ülkesinden oluşuyordu ve oldukça birbirine bağlı bir Avrupa araştırma ağı oluşturdu. İkinci küme, Avustralya, Brezilya, Kanada, Çin, Hindistan, Japonya, Güney Kore, Birleşik Krallık ve Amerika Birleşik Devletleri dahil olmak üzere dokuz ülkeyi kapsıyordu. Bu küme, Asya, Amerika kıtası ve Okyanusya'dan büyük araştırma güçlerini entegre ederek Amerika Birleşik Devletleri etrafında şekillenmiş, bölgeler arası bir iş birliği modeli sunmuştur. Üçüncü küme yalnızca Avusturya'yı içeriyordu ve nispeten bağımsız bir iş birliği modeli gösterdi (Şekil 3C).

Dergi yayın çıktısı ve atıf analizi

Bu alanda yayımlanan dergiler arasında Journal of Clinical Medicine (54 belge), Pulmonary Circulation (53 belge) ve Clinical Rheumatology (51 belge) yayın hacminde en yüksek sırada yer aldı; Chest (IF = 8.6, Q1) ve Frontiers in Immunology (IF = 5.9, Q1) üretkenlik açısından önde gelen 10 dergi arasında en yüksek etki faktörlerini gösterdi (Şekil 4A). Atıf etkisi açısından, European Respiratory Journal (1.885 atıf), Journal of Heart and Lung Transplantation (1.817 atıf) ve European Respiratory Review (1.600 atıf) en etkili dergiler olarak öne çıktı (Şekil 4B). Dergi birlikte oluşum ağı, solunum tıbbı, romatoloji ve nakil dergileri arasında yüksek düzeyde kümelenme olduğunu ortaya koydu ve ILD ile PH'nin eş hastalıklarının yönetimi için çok disiplinli iş birliği gereklidir (Şekil 4C).

Yazar yayın çıktısı ve iş birliği ağı

En üretken yazarlar arasında ABD'den Nathan, Steven D 45 yayınla lider oldu; ardından Launay, David (27), Cottin, Vincent (27) ve Humbert, Marc (26) gibi bir grup Fransız yazar geldi; bu da Fransa'yı bu alanda önemli katkı sağlayıcı olarak öne çıkardı (Şekil 5A, Tablo 2). Atıf etkisi açısından ise Nathan, Steven D de 2.446 atıfla lider olurken, Humbert, Marc (1.675), Cottin, Vincent (1.347) ve Shlobin, Oksana A (1.153) önemli bir etki sergilerken, Amerika Birleşik Devletleri ve Fransa en çok atıf alan yazarlar listesinde hakim konumda yer aldı (Şekil 5B). Yazar işbirliği ağı toplamda altı küme tanımlamıştır. Genel olarak, işbirliği modeli ağırlıklı olarak iç içteydi ve uluslararası işbirliği nispeten sınırlıydı (Şekil 5C).

Anahtar kelime birlikte ortaya çıkış ve tematik evrim

Yüksek frekanslı anahtar kelimeler arasında, "insan" ve "makale" gibi yaygın veritabanı indeks terimlerinin yanı sıra, "pulmoner hipertansiyon", "interstisyel akciğer hastalığı" ve "sistemik skleroz" gibi hastalığa özgü anahtar kelimeler bu alandaki ana araştırma temalarını yansıtan merkezi konumlarda yer almıştır (Tablo 3). Merkeziyet analizi, terimlerin terimlerinin terimleri (azatioprin, kortikosteroid tedavisi), çalışma tasarım terimleri (randomize kontrollü çalışma, klinik makale, vaka raporu) ve semptom tanımlayıcıları (dispne) ile ilgili yüksek bir merkezilik sergilediğini ve etiyoloji, semptomlar, tanı, tedavi ve prognoz gibi farklı temaları birbirine bağlayan köprü halkaları olduğunu ortaya koydu. Genel olarak, bu alandaki araştırmalar özellikle immünosupresif tedaviyle ilgili klinik çalışmalar olmak üzere klinik kanıtlara büyük ölçüde dayanmaktadır (Şekil 6A, Tablo 4).

Şekil 6B'de gösterilen en güçlü atıf patlamalarına sahip en çok kullanılan 25 anahtar kelimenin analizine göre, araştırma odağında zamansal bir evrim gözlemlenebilir. İlk patlamalar arasında "patofizyoloji" ve "akciğer difüzyon kapasitesi" (2016–2020) gibi terimler yer aldı; ardından orta dönemde "ayırıcı tanı" ve "akciğer yıkama" (2018–2022) vurgulandı; son patlamalar ise "COVID-19", "yorgunluk", "NT-proBNP" ve "yoğun bakım ünitesi" (2021–2025) vurgulandı; bu, temel mekanizmalardan tanısal prosedürlere, biyomarker tanımlama ve kritik bakım yönetimine geçişi yansıtıyordu.

Zaman çizelgesi görünümü, ana araştırma temalarının zamansal evrimini gösterir (Şekil 6C). İlk patlamalar (2016–2020) arasında "öncelikli dergi", "patofizyoloji", "akciğer difüzyon kapasitesi", "rastgele kontrollü deneme (konu)" ve "tomografi" gibi terimler yer almış, temel patofizyolojik mekanizmalar ve tanısal görüntülemeye vurgu yapılmıştır. Orta dönem patlamalarında (2018–2022) "diferansiyel tanı", "akciğer lavajı", "steroid" ve "uygulama rehberi" yer aldı; bu da tanı prosedürlerine ve klinik yönetime geçişi işaret ediyordu. Son dönem patlamaları (2021–2025) arasında "koronavirüs hastalığı 2019," "laboratuvar testi", "yorgunluk", "amino terminal pro beyin natriüretik peptid", "yoğun bakım ünitesi" ve "alıcı operasyon özelliği" yer alarak, COVID-19 ile ilgili etkiler, biyobelirteç tanımlama ve kritik bakım konularında ortaya çıkan ilgi alanları vurgulanarak, temel patofizyoloji ve pulmoner fonksiyon testlerinden klinik değerlendirme araçları ve hedefli tedavilere doğru ilerleme görülüyor.

Referans ortak kaynak analizi

Referans ortak kaynak ağı, en büyük kümeler idiopatik akciğer fibrozi, sistemik skleroz, bağ dokusu hastalığı, pulmoner hipertansiyon ve ilerleyici pulmoner fibroz merkezli 16 ana küme tanımlamış ve bu alandaki temel bilgi alanlarını yansıtmaktadır (Şekil 7A). En sık atıf verilen referans, sistemik sklerozun klinik yönetimine dair bir çalışma, ardından interstisyel akciğer hastalığıyla ilişkili pulmoner hipertansiyon için inhalasyon treprostinil'in etkinliği üzerine bir çalışma ve pulmoner hipertansiyonun hemodinamik tanımını ve klinik sınıflandırmasınıgüncelleyen bir çalışma (Tablo 5) geldi (Tablo 5). Aralık merkeziyeti açısından, sistemik skleroz ile ilişkili interstisyel akciğer hastalığı için mikofenolat mofetil ile oral siklofosfamid karşılaştıran randomize kontrollü bir çalışma en yüksek sırada yer aldı; hemen ardından bağ dokusu hastalığına bağlı pulmoner arterial hipertansiyon için başlangıç kombinasyon tedavisi üzerine yapılan bir çalışma geldi; bu çalışma, bu iki çalışmanın farklı araştırma alanlarını birbirine bağlamadaki kritik köprürollerini gösteriyor 23,24 (Şekil 7B, Tablo 6). Alıntı patlama analizi, bu alandaki etkili çalışmaların zamansal evrimini ortaya koydu: erken patlamalar (2016-2019) idiopatik interstisyel pnömonilerin ATS/ERS sınıflandırmasını ve sistemik skleroz ilişkili pulmoner arterial hipertansiyonun taraması için DETECT çalışmasını içeriyordu; orta dönem patlamaları (2017-2021), 2015 ESC/ERS kılavuzlarını ve skleroderma ile ilişkili interstisyel akciğer hastalığı için SLS II çalışmasını kapsadı; Son patlamalar (2020-2025) arasında idiopatik pulmoner fibroz için 2022 ATS/ERS/JRS/ALAT klinik uygulama rehberi ve ilerleyici fibrozlu interstisyel akciğer hastalığında nintedanib çalışması yer aldı. Bu evrim, tanısal sınıflandırmadan hedefli terapötikstratejilere (25,26,27,28) geçişi yansıtmaktadır (Şekil 7C).

Örtüşen genetik hedeflerin PPI analizi

Venn diyagram analizi sonucunda, ILD ve PH ile ilişkili 271 örtüşen gen tanımlanmıştır (Şekil 8A). Buna dayanarak, bu paylaşılan hedefler arasındaki fonksiyonel ilişkileri incelemek için bir PPI ağı kuruldu (Ek Tablo 4). PPI ağı 271 düğüm ve 3.414 kenardan oluşuyordu; ortalama düğüm derecesi 25,2 olup, yoğun şekilde birbirine bağlı bir ağ olduğunu gösteriyordu. PPI ağ görselleştirmesi, birden fazla fonksiyonel küme ile son derece bağlantılı bir mimariyi ortaya koymaktadır (Şekil 8B). Derece merkeziyetine göre sıralanan ilk 20 gen arasında FN1, IL6, TNF, AKT1, EGFR, TGFB1, CTNNB1, IL1B, TP53, MMP9, ALB, STAT3, INS, IL10, CXCL8, CCL2, ICAM1, IFNG, SMAD4 ve CRP bulunur ve bu moleküller etkileşim ağı içinde merkezi merkezler olarak öne çıkar (Şekil 8C). İltihap ve fibrotik süreçler, deneysel doğrulama gerektiren komorbiditenin aday sürücüleri olabilir. Zenginleştirilmiş yollar, komorbidite mekanizmasında yer alan potansiyel çekirdek aday yolları önerir.

KEGG yol zenginleştirme analizi

ILD ve PH komorbiditesinin altında yatan fonksiyonel mekanizmaları daha iyi açıklamak için, örtüşen genetik hedefler üzerinde KEGG yol zenginleştirme analizi yapıldı (Ek Tablo 5). En anlamlı zenginleştirilen yollar arasında PI3K-Akt sinyal yolu, Relaxin sinyal yolu, Integrin sinyal yolu, FoxO sinyal yolu, Fokal yapışma, HIF-1 sinyal yolu, Hücresel yaşlanma, TGF-beta sinyal yolu, MAPK sinyal yolu ve Phospholipaz D sinyal yolu yer alıyordu (Şekil 8D). Yol-hedef ağı, bu zenginleştirilmiş yollar ile PPI ağında tanımlanan hub genler arasındaki bağlantıları görselleştirir (Şekil 8E). Özellikle, AKT1, EGFR, TGFB1, IL6, TNF ve FN1 gibi çekirdek genlerin, özellikle PI3K-Akt, MAPK ve TGF-beta sinyalizasyonunda birden fazla yolda yer aldığı bulunmuştur; bu da bu yolların daha fazla deneysel veya klinik doğrulama gerektiren aday mekanizmalar olduğunu göstermektedir.

Protokol doğrulama ve tekrarlanabilirlik kontrol noktaları

Protokol doğrulaması, her modülün beklenen çıktıları sağladığını ve anahtar tekrarlanabilirlik kontrol noktalarını karşıladığını doğrulamayı gerektirir. Bibliyometrik modülü için beklenen çıktılar arasında yıllık yayın çıktısının sütun grafiği, ulusal iş birliği ağı haritası ve en iyi 10 dergi ile yazarın sıralama tabloları yer alır. Tekrarlanabilirlik kontrol noktaları şunlardır: Deduplicated kayıt sayısı, orijinal alınan kayıtların %80'inden fazlasını oluşturmalıdır, CiteSpace veri dönüşümü hatasız tamamlanmalı ve büyük ülke düğümleri iş birliği ağında net ayırt edilebilir olmalıdır. PPI ağ analiz modülü için beklenen çıktılar arasında ≥250 düğüm ve ≥3.000 kenarlı PPI ağ grafiği ile dereceye göre sıralanmış en iyi 20 hub geninin listesi yer alır. Kontrol noktaları şunlardır: STRING'deki güven eşiği 0.700 olarak ayarlanmalı, Cytoscape tarafından hesaplanan ortalama düğüm derecesi ≥20 olmalı ve ağda bağlantısı kopmuş izole düğüm bulunmamalıdır. KEGG zenginleştirme analiz modülü için beklenen çıktılar, en önemli 10 yolun nokta grafigi ve bir yol-hedef ağ grafiğidir. Kontrol noktaları, zenginleştirme analizinin p < 0.05 ve q < 0.05 vermesini gerektirir; "İnsan Hastalıkları" ve "Metabolizma" kategorileri hariç en az 5 yolun kaldığını ve nokta grafikinin sıralama ile gen sayısında belirgin bir azalma eğilimi göstermesini gerektirir.

figure-results-1
Şekil 1: Veritabanı arama sonuçlarının Venn diyagramı. Bu diyagram, Scopus ve Web of Science Core Collection (WoSCC) veritabanlarından alınan kayıt sayısını ve kaldırılan tekrarlanan kayıt sayısını göstermektedir. Örtüşen alan, DOI tarafından tanımlanan tekrarlayan kayıtları temsil eder ve bibliyometrik analiz için kullanılan nihai benzersiz kayıtlar gösterilir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-2
Şekil 2: Interstisiel akciğer hastalığı-pulmoner hipertansiyon araştırma çıktısı ve atıfları (2016–2025). ILD ve PH araştırmalarında yıllık yayın çıktısı ve atıf eğilimleri (2016–2025). Çubuk grafik yıllık makale sayısını gösterirken, çizgi grafik kümülatif kaynak sıklığını temsil eder. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-3
Şekil 3: Ulusal/bölgesel yayın çıktısı ve uluslararası iş birliği. (A) Ulusal yayın ve atıf sıralaması; (B) Ülkeler arası işbirliği akor diyagramı; (C) Uluslararası iş birliği ağı kümeleri. Ulusal yayın ve atıf sıralamaları, akor diyagramı aracılığıyla ülkelerarası iş birliği bağlantıları ve uluslararası iş birliği ağlarının kümelenme kalıpları bu şekilde gösterilmiştir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-4
Şekil 4: Dergi yayın çıktısı ve atıf. (A) Yayın hacmine göre ilk 10 dergi; (B) Atıf etkisi açısından en iyi dergiler; (C) Dergi aynı oluşum ağı. Yayın hacmi ve atıf sayılarına göre sıralanan ilk 10 dergi, etki faktörleri ve çeyrekleriyle sunulur. Ağ, dergi yayın hacmini ve işbirlikçi ilişkileri sezgisel olarak gösterir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-5
Şekil 5: Yüksek verimlilikli yazar iş birliği ağı. (A) En verimli 10 yazar; (B) Atıf etkisi açısından ilk 10 yazar; (C) Yazar işbirliği ağı. Yazarlar, yayın sayısına ve atıf etkisine göre sıralanmıştı. En iyi 10 yazarın ülke bağlantıları indirilen Web of Science dosyalarından alınmış ve bir şekil şeklinde sunulmuştur. Kümeleme ağı, yazar iş birliği kalıplarını net ve sezgisel olarak gösterir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-6
Şekil 6: Anahtar kelimenin birlikte gerçekleşmesi ve tematik evrim. (A) Anahtar kelime birlikte oluşma kümelenmesi; (B) En iyi 25 patlama anahtar kelimesi; (C) Anahtar kelime evrim zaman çizelgesi. Anahtar kelime analizi, CiteSpace kullanılarak g-indeksi 10'a yapılandırılmış ve rastgele orman algoritması ile gerçekleştirilmiştir. Birlikte oluşma haritası, düğüm boyutu ve rengi ayarlanarak oluşturuldu ve düğümlerde küme analizi yapılarak küme haritası elde edildi. Zaman çizelgesi görünümü esas olarak son on yıldaki araştırma eğilimlerini ve değişikliklerini gösterir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-7
Şekil 7: Referans ortak kaynak analizi. (A) Ortak kaynak referanslarının küme analizi. (B) Yüksek atıf alan kaynaklardan oluşan ortak alıntı ağı. (C) En güçlü atıf patlamalarına sahip ilk 20 referans. Ortak referans analizi, g-indeksi 10'a ayarlanmış CiteSpace ve rastgele orman algoritması kullanılarak gerçekleştirilmiştir. Ortak kaynak ağı, düğüm boyutu ve rengi ayarlanarak oluşturuldu ve düğümlerde kümeleme analizi yapılarak küme haritası elde edildi; farklı tematik araştırma alanları ortaya çıktı. Atıf patlaması tespiti, son on yıldaki araştırma sıcak noktalarındaki değişimleri yansıtmaya odaklanarak, en güçlü atıf patlamalarına ve aktif dönemlerine sahip en çok 20 referansı belirledi. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-8
Şekil 8: ILD-PH komorbiditeyle ilişkili hub hedeflerinin ve zenginleştirilmiş yolların tanımlanması. (A) ILD ve PH ile ilişkili örtüşen genleri gösteren Venn diyagramı. (B) Protein-protein etkileşimi (PPI) ağı. (C) PPI ağından belirlenen en iyi 20 hub hedefi. (D) Örtüşen genetik hedeflerin KEGG yol zenginleştirme analizi. (E) Sinyal yolları ile ilgili hedef genler arasındaki bağlantıları gösteren etkileşim ağı. GeneCards'tan ILD ve PH hedeflerinin kesişimi olarak komorbiditeyle ilgili genler elde edilmiştir. Bir PPI ağı (güven ≥ 0.700) STRING kullanılarak oluşturuldu, Cytoscape'te görselleştirildi ve en iyi 20 hub düğüm derecesine göre seçildi. KEGG zenginleştirmesi (q < 0.05, BH düzeltmesi) insan hastalığı ve metabolizma yolları hariç tutularak gerçekleştirildi. Sinyal yolları ile ilgili hedef genler arasındaki ilişkileri göstermek için bir yol-hedef ağı oluşturuldu. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

RütbeCountryBelgelerAtıflarMakale başına ortalama atıfToplam bağlantı gücü
1ABD8232194326.7523
2İtalya271703726.0448
3Fransa237817234.5407
4Birleşik Krallık231976442.3447
5Japonya205322115.7147
6Çin185297816.168
7Almanya184793243.1443
8Kanada153598239.1282
9İspanya133512238.5294
10Avustralya123433435.2217

Tablo 1: Yayın çıktısı ve atıf sıklığı açısından ilk 10 ülke. Veriler, 9 Mart 2026'da Web of Science Core Collection ve Scopus veritabanlarından alındı ve deduplication sonrası birleştirildi. Ülkeler, toplam yayın sayısına (Belgeler) göre sıralanmıştır. "Toplam bağlantı gücü", VOSviewer ortak yazarlık ağındaki diğer ülkelerle iş birliği bağlantı güçlerinin toplamını gösterir. Makale başına ortalama atıf Kaynaklar / Belgeler olarak hesaplanır.

RütbeYazarBelgelerAtıflarCountry
1Nathan, Steven D452446ABD
2LAUNAY, David27784Fransa
3Cottin, Vincent271347Fransa
4Humbert, Marc261675Fransa
5Nikpour, Mandana22250Avustralya
6Allanore, Yannick21482Fransa
7Stevens, Wendy20236Avustralya
8Hachulla, Eric20706Fransa
9Khanna, Dinesh20755ABD
10Proudman, Susanna17163Avustralya

Tablo 2: ILD ve PH alanında en üretken 10 yazar. Yazarlar, toplam yayın sayısına göre sıralanmıştır. Yalnızca en az 3 yayını olan yazarlar dahil edildi. Atıf sayıları, yazarın veri setindeki yayınlarının toplam kaç kez atıf edildiğini temsil eder. Ülke bağlantısı, alınan makalelerde kaydedilen yazarın birincil kurumuna dayanır.

RütbeAnahtar KelimelerKont
1İnsan2311
2Pulmoner hipertansiyon2289
3Interstisiyel akciğer hastalığı2201
4Makale1719
5İnsanlar1544
6kadın1444
7erkek1410
8yetişkin1276
9Orta yaşlı903
10Başlıca klinik çalışma897

Tablo 3: Sıklığa göre en iyi 10 anahtar kelime. Deduplicated veri setinden anahtar kelimeler alındı ve CiteSpace kullanılarak analiz edildi. Sıklık, alınan literatürdeki başlık, özet veya anahtar kelime alanlarında her anahtar kelimenin ne kadar sıkça geçtiğini gösterir. Genel indeksleme terimleri veritabanları tarafından otomatik olarak atanan ve belirli araştırma odaklarından ziyade indeksleme uygulamalarını yansıtır.

RütbeAnahtar KelimelerMerkeziyet
1İnsan0.95
2Makale0.71
3azathioprine0.44
4Klinik özellik0.43
5Randomize kontrollü çalışma (konu)0.42
6Kortikosteroid tedavisi0.41
7İnsanlar0.39
8Klinik makale0.35
9Vaka raporu0.35
10Nefes Sızlığı0.28

Tablo 4: Merkeziyete göre en iyi 10 anahtar kelime. Merkezilik, CiteSpace kullanılarak farklı araştırma kümeleri arasında köprü görevi gören anahtar kelimeleri belirlemek için hesaplandı. Daha yüksek merkezilik değerleri, daha güçlü bağlantı ve birlikte oluşma ağında daha büyük bir aracılık rolünü gösterir.

RütbeKontAtıf Kaynakları
168Khanna D, 2017, SISTEMIK SKLEROZ @ LANCET, V390, S1685-1699
241Thenappan T, 2021, INTERSTISIAL AKCIĞER HASTALIĞI NEDENIYLE PULMONER HIPERTANSIYONDA SOLUNAN TREPROSTINIL @ N ENGL J MED, V384, P325-334
336Celermajer DS, 2019, HEMODINAMIK TANIMLAR VE PULMONER HIPERTANSIYONUN GÜNCELLENMIŞ KLINIK SINIFLANDIRMASI @ EUR RESPIR J, V0, S53
432Cottin V, 2020, FIBROTIK AKCIĞER HASTALIKLARI SPEKTRUMU @ N ENGL J MED, V383, S. 958-968
529Shlobin OA, 2020, INTERSTISIYAL AKCIĞER HASTALIĞINDA GRUP 3 PULMONER HIPERTANSIYON SORUNU: TANIDA IKILEMLER VE TEDAVI BILMECESI @ CHEST, V158, P1651-1664
627Gahlemann M, 2019, SISTEMIK SKLEROZ ILE ILIŞKILI INTERSTISYEL AKCIĞER HASTALIĞI IÇIN NINTEDANIB @ N ENGL J MED, V380, P2518-2528
726Cottin V, 2019, NINTEDANIB, ILERLEYICI FIBROZLAŞAN INTERSTISYEL AKCIĞER HASTALIKLARINDA @ N ENGL J MED, V381, P1718-1727
826Richeldi L, 2022, YETIŞKINLERDE IDIOPATIK PULMONER FIBROZ (GÜNCELLEME) VE ILERLEYICI PULMONER FIBROZ: RESMI ATS/ERS/JRS/ALAT KLINIK UYGULAMA REHBERI @J RESPIR CRIT CARE MED, V205, P0
924Clements PJ, 2016, SKLERODERMA ILE ILIŞKILI INTERSTISYEL AKCIĞER HASTALIĞINDA (SLS II) MIKOFENOLAT MOFETIL ILE ORAL SIKLOFOSFAMID ARASINDA: RANDOMIZE KONTROLLÜ ÇIFT KÖR PARALEL GRUP ÇALIŞMASI @ LANCET RESPIR MED, V4, P708-719
1023Hoeper MM, 2022, 2022 PULMONER HIPERTANSIYON TANISI VE TEDAVISI IÇIN ESC/ERS REHBERLERI @ EUR HEART J, V43, P3618-3731

Tablo 5: En çok atıf yapılan ilk 10 referans. Atıf edilen referanslar, deduplicated veri setinden alındı ve CiteSpace kullanılarak analiz edildi. "Sayı" kelimesi, literatürde bir referansın ortak alıntı sıklığı anlamına gelir. Yalnızca en yüksek ortak atıf sayısına sahip referanslar gösterilir.

RütbeMerkeziyetAtıf Kaynakları
10.42Clements PJ, 2016, SKLERODERMA ILE ILIŞKILI INTERSTISYEL AKCIĞER HASTALIĞINDA (SLS II) MIKOFENOLAT MOFETIL ILE ORAL SIKLOFOSFAMID ARASINDA: RANDOMIZE KONTROLLÜ ÇIFT KÖR PARALEL GRUP ÇALIŞMASI @ LANCET RESPIR MED, V4, P708-719
20.41BARBERA JA, 2017, BAĞ DOKUSU HASTALIĞI ILE ILIŞKILI PULMONER ARTER HIPERTANSIYONUNDA (CTD-PAH) AMBRISENTAN VE TADALAFIL ILE BAŞLANGIÇ KOMBINASYON TEDAVISI: AMBITION DENEMESINDEN ALT GRUP ANALIZI @ ANN RHEUM DIS, V76, P1219-1227
30.32Hachulla E, 2013, MODERN YÖNETIM ÇAĞINDA SISTEMIK SKLEROZ ILE ILIŞKILI PULMONER ARTERIAL HIPERTANSIYONDA HAYATTA KALMA @ ANN RHEUM DIS, V72, P1940-1946
40.26Visovatti S, 2019, SISTEMIK SKLEROZDA EŞ VARLIĞINDA VARLIĞI OLAN PULMONER HIPERTANSIYON VE INTERSTISYEL AKCIĞER HASTALIĞININ PREVALANS TEDAVISI VE SONUÇLARI @ ARTRIT ROMATOL, V71, P1339-1349
50.25Dimopoulos K, 2014, BOSENTAN, FIBROTIK IDIOPATIK INTERSTISYEL PNÖMONI ILE ILIŞKILI PULMONER HIPERTANSIYONDA @J RESPIR CRIT CARE MED, V190, P208-217
60.24Smith P, 2021, INTERSTISIAL AKCIĞER HASTALIĞI NEDENIYLE PULMONER HIPERTANSIYONDA TREPROSTINIL SOLUNDU @ N. ENGL. J. MED, V384, S325-334
70.24Pausch C, 2022, İDIOPATIK PULMONER ARTERIAL HIPERTANSIYONUN FENOTIPLENMESI: BIR KAYIT ANALIZI @ LANCET RESPIR MED, V10, P937-948
80.21Cottin V, 2019, NINTEDANIB, ILERLEYICI FIBROZLAŞAN INTERSTISYEL AKCIĞER HASTALIKLARINDA @ N ENGL J MED, V381, P1718-1727
90.21Beghetti M, 2016, 2015 ESC/ERS PULMONER HIPERTANSIYON TANISI VE TEDAVISI IÇIN REHBERLER: AVRUPA KARDIYOLOJI DERNEĞI (ESC) VE AVRUPA SOLUNUM DERNEĞI (ERS) ORTAK PULMONER HIPERTANSIYON TANISI VE TEDAVISI IÇIN GÖREV GÜCÜ (ERS): ONAYLANAN: AVRUPA PEDIATRIK VE DOĞUŞTAN KARDIYOLOJI DERNEĞI (AEPC) @ ULUSLARARASI KALP VE AKCIĞER NAKLI DERNEĞI (ISHLT) TARAFINDAN, Bak. Heart J, s.67-119
100.21Pope JE, 2018, UZMANLARA GÖRE SISTEMIK SKLEROZ IÇIN TEDAVI ALGORITMALARI @ ARTRIT ROMATOL, V70, P1820-1828

Tablo 6: Merkeziyet açısından en iyi 10 referans. Merkeziyet, CiteSpace kullanılarak hesaplandı. Farklı ortak kaynak kümelerini birbirine bağlayan bir köprü olarak bir referansın önemini ölçür. Daha yüksek değerler, referansın çeşitli araştırma konularını entegre etmede kilit bir rol oynadığını gösterir.

Ek Tablo 1: Web of Science Core Collection ve Scopus için veritabanı arama parametreleri. Bu tablo, literatür arama sürecinde uygulanan veritabanı sürümlerini, erişim tarihlerini, arama alanlarını, tarih aralıklarını, belge türlerini, dil kısıtlamalarını ve konu alanı filtrelerini detaylandırır. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Tablo 2: Kopya kaldırmadan önce ve sonra Web of Science ve Scopus'tan alınan tam literatür kayıtları. Bu tablo, Web of Science Core Collection ve Scopus'tan tanımlanan tüm belgelerin tam dışa aktarılan kayıtlarını sunar. Tablo üç bölümden oluşur: yalnızca WoSCC'den kayıtlar, yalnızca Scopus'tan kayıtlar ve deduplicated edilmiş birleştirilmiş liste. Tekrarlanan kayıtlar DOI temelinde tespit edilip kaldırıldı. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Tablo 3: Bu çalışmada veri işleme, analiz ve görselleştirme için kullanılan R betikleri. Bu tablo, bu çalışmada kullanılan tüm R betiklerini listelemektedir; bibliyometrik analiz, veri birleştirme ve deduplication, Venn diyagramı üretimi ve kesişen genler için istatistiksel ve grafik görevleri dahildir. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Tablo 4: Protein-protein etkileşimi (PPI) ham verileri. Bu tablo, STRING veritabanından indirilen ve PPI analiz adımında görselleştirilen özel verileri sunar. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Tablo 5: Bu çalışma için elde edilen KEGG yollarının ayrıntılı ham verileri. Bu tablo, KEGG (Kyoto Genler ve Genomlar Ansiklopedisi) yol zenginleştirme analizinin tam ham verilerini, yol kimliği, yol adı, yola eşlenen giriş genlerinin sayısı, ilgili genlerin listesi ve özel zenginleştirme parametreleri dahil olmak üzere sunmaktadır. Bu dosyayı indirmek için lütfen buraya tıklayın.

Tartışma

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

Bu çalışma, ILD ve PH eşzamanlı hastalıklarını incelemek için bibliyometrik ve biyoinformatiğin ilk entegre uygulamasını temsil etmektedir. Son on yılda bu alandaki gelişimsel yörünge, bilgi yapısı ve son trendleri sistematik olarak gözden geçirir ve moleküler düzeyde bu komorbid durumun altında yatan merkez genleri ve temel sinyal yollarını belirler. Makro-trend açısından, bu alandaki yıllık yayın sayısı 2016'da 142'den 2025'te 402'ye yükseldi ve bu, neredeyse üç kat artışı temsil eder ve ILD-PH eş hastalıklarına akademik ilgide sürdürülebilir bir artışı yansıtmaktadır. Önemli dalgalanmalar iki dönemde gözlemlendi: 2020–2022 ve 2023–2025. 2020 civarındaki büyüme dönüm noktası COVID-19 pandemisiyle örtüştü; pandeminin, ILD ve PH'yi tetikleyerek veya kötüleştirerek dolaylı olarak ilgili araştırmalarda bir artışı tetiklemiş olması mümkün. 2022'den 2023'e kadar olan zirve, PH-ILD tedavi yöntemlerinin artan keşfi, doğrulaması ve ön klinik uygulamasınabağlanabilir. 29,30,31. Son artış, yeni hedefli tedavilerin geliştirilmesi ve yapay zekanın tanıdauygulanmasıyla kısmen açıklanabilir.

Ulusal katkılar ve uluslararası iş birliği açısından Amerika Birleşik Devletleri 823 yayın ve toplam 21.943 atıfla lider oldu. Merkezi konumu, sadece üretim hacminde değil, aynı zamanda uluslararası iş birliği ağındaki diğer ülkelere kıyasla çok daha yüksek toplam bağlantı gücünde de kendini göstererek kapsamlı bir iş birliği ağı oluşturmaktadır. İtalya, Fransa ve Birleşik Krallık gibi Avrupa ülkeleri ise yakından takip etti ve yakın işbirliği bağlantılarına sahip son derece birbirine bağlı bir araştırma kümesi oluşturdu. Asya ülkeleri arasında Japonya ve Çin, yayın hacminde sırasıyla beşinci ve altıncı sıralarda yer aldı, ancak makale başına atıf oranları Almanya ve Fransa gibi Avrupa ülkelerine göre belirgin şekilde daha düşük kalıyor; bu da bu alandaki akademik etkilerinin daha fazla geliştirilmesi gerektiğini gösteriyor. Dergi dağılımı açısından, European Respiratory Journal ve Journal of Heart and Lung Transplantation gibi yüksek etkili dergiler bu alandaki en etkili bulguları yayımlarken, Journal of Clinical Medicine ve Pulmonary Circulation gibi uzmanlaşmış dergiler yayın çıktılarının çoğunluğunu oluşturur. Bu dağılım modeli, bu alandaki araştırmaların öncelikle solunum uzmanı dergilerinde yayımlandığını ve aynı zamanda disiplinlerarası iş birliği de içerdiğini göstermektedir. Yazar düzeyinde, Amerikalı akademisyen Nathan Steven D, hem yayın hem de atıf sayısında birinci sırada yer alarak bu alandaki en etkili çekirdek araştırmacı olmuştur. Fransız akademisyenler Launay, David, Cottin, Vincent ve Humbert, Marc, Fransa'da merkezli ikinci en büyük araştırma gücünü oluşturdu. Bu dağılım, ülke ve dergi analizlerinde gözlemlenen Amerika Birleşik Devletleri ve Fransa'nın hakimiyetiyle oldukça tutarlıdır ve bu iki ülkenin ILD-PH komorbidite araştırmalarındaki öncü rollerini daha da doğrulamaktadır.

Bu protokole bibliyometrik ve biyoinformatiğin entegrasyonu, her iki yöntemin ötesine geçen çift katmanlı bir analitik çerçeve sunar. Bibliometric, literatürden makro düzeyde araştırma eğilimlerini, iş birliği ağlarını ve gelişen sıcak noktaları yakalarak alanın kuş bakışı bir bakış sunar. Biyoinformatik ise, aday genleri, protein etkileşimlerini ve zenginleştirilmiş yolları belirlemek için kamuya açık veri tabanlarından moleküler veri çıkarır. İki katmanı birbirine bağlayarak, bu yaklaşım araştırmacıların moleküler bir hedefin veya yolun ortaya çıkan klinik ilgi alanlarıyla örtüşüp örtüşmediğini değerlendirmesine olanak tanır ve böylece hem literatür destekli hem de mekanik olarak makul hipotezler üretir. Bu sinerji, disiplinlerarası entegrasyonun sıklıkla eksik olduğu ILD-PH gibi karmaşık eşlik hastalıklar için özellikle değerlidir.

Araştırma temalarının evrimsel yörüngesi açısından, anahtar kelimeler ve referansların birlikte ortaya çıkma ve patlama tespit analizleri bu alanda bir gelişim yolunu ortaya koymaktadır: hastalık mekanizmalarını anlamaktan, tanı ve tedavi normlarını incelemeye, ardından hassas yönetim ve prognoz değerlendirmesine kadar. 2016–2020 yılları arasında, "patofizyoloji", "akciğer difüzyon kapasitesi" ve "tomografi" gibi patlama anahtar kelimelerinin ortaya çıkması, ILD-PH'nin patolojik mekanizmaları ve pulmoner fonksiyon/görüntüleme değerlendirme yöntemleri üzerine temel araştırmaları yansıtmıştır. 2018'den 2022'ye kadar, "ayırıcı tanı", "uygulama rehberi" ve "steroid" gibi patlama anahtar kelimeleri, standartlaştırılmış klinik tanı ve tedavinin dikkat odağına girdiğini gösterdi. 2021 ile 2025 yılları arasında, "COVID-19", "yorgunluk", "NT-proBNP", "yoğun bakım ünitesi" ve "alıcı çalışma özelliği" gibi patlama anahtar kelimeleri, araştırma noktalarında hassasiyet ve kritik bakım yönetimine doğru bir kayım olduğunu gösterdi. Bu evrimsel eğilim, referans analiziyle de desteklenmektedir: erken dönem önemli çalışmalar, idiopatik interstisyel pnömonilerin sınıflandırılması ve tarama için DETECT çalışması dahil olmak üzere tanısal temeli oluşturmuştur. 2015 ESC/ERS pulmoner hipertansiyon rehberleri gibi orta dönem rehber belgeleri, tanı ve tedavinin standartlaştırılmasını teşvik etti. Daha yakın zamanda, güncellenmiş IPF klinik uygulama rehberi ve inlezimli fibrozan ILD'de nintedanib'in denemesi gibi patlama yayınları, ampirik tedaviden hedefli hassas müdahalelere geçişin işareti oldu.

Moleküler mekanizma düzeyinde, biyoinformatik analiz 271 ILD-PH komorbiditeyle ilişkili gen tespit etti ve sonraki ağ analizi bu komorbiditenin potansiyel moleküler temelini ortaya koydu. Bir PPI ağı, FN1, IL6, TNF, AKT1, EGFR ve STAT1 dahil olmak üzere 20 çekirdek gen arasında yüksek bağlantı gösterdi. Bunlar arasında, FN1, ekstrasellüler matriksin (ECM) önemli bir bileşenidir ve matriks montajı ve yeniden şekillendirilmesine(35,36,37) katılır. İDD'deki fibrotik süreç, mekanik transdüksiyon ve büyüme faktörünün sekestrasyonu yoluyla pulmoner damar yeniden yapılanmasını tetiklediği düşünülen aşırı ECM birikmesine yol açabilir. IL6, TNF ve IL1B gibi inflamatuar faktörler sadece İD'de inflamatuar hasarı tetiklemekle kalmaz, aynı zamanda endotel hücrelerini aktive ederek ve düz kas proliferasyonunu teşvik ederek PH'nin başlanmasına ve ilerlemesine katkıdabulunabilir 38,39,40,41. KEGG yol zenginleştirme analizi, bu çekirdek genleri PI3K-Akt, TGF-β, MAPK, HIF-1 ve integrin sinyal yolları dahil olmak üzere kritik sinyal ağlarına daha da haritaladı. Bu yolların daha önce pulmoner fibroz ve pulmoner hipertansiyonun patogenezinde rol aldığı kanıtlanmıştır. Özellikle, TGF-β sinyal yolu hem pulmoner fibrozis hem de damar yeniden şekillendirmede rol alır ve ILD ile PH42,43,44 arasında anahtar moleküler köprü olarak hizmet verir; HIF-1 sinyal yolu damarların daralmasını ve damar yeniden şekillendirmesinidüzenler 45,46; ve PI3K-Akt yolu hücre hayatta kalma, çoğalma ve iltihaplanmada yaygın olarak roloynamaktadır 47,48,49. Yukarıdaki biyoinformatik analizlere dayanarak, bu çalışma ön hazırlık olarak ILD ve PH'nin birden fazla sinyal yolunun aktivasyonunu paylaşabileceğini öne sürmektedir. Gelecekteki araştırmalar aşağıdaki yönlere odaklanmalıdır: birincisi, IPF-PH ve CTD-ILD-PH gibi farklı alt grupların moleküler özellikleri dahil olmak üzere ILD-PH komorbiditesinin alt tip-stratifikasyonlu mekanizmalarını incelemek; ikincisi, eş hastalıklar için hedefli ilaçlar geliştirmek ve klinik çeviriyi teşvik etmek; Üçüncüsü, küresel çok merkezli iş birliği ağlarının inşasını güçlendirmek.

Bu protokolün pratik tekrarlanabilirliğini artırmak için, bu çalışma sorunlara açık olan aşağıdaki adımları tartışmaktadır. İlk olarak, veritabanı ihracat uyumsuzluğu farklı veritabanlarının tutarsız alan etiketleri veya dosya formatları kullanması durumunda meydana gelebilir. Web of Science için "Full Record and Referenced References" ve Scopus için "CSV export" gibi standart etiket setiyle düz metin formatında kayıtları dışa aktarmanızı öneriyoruz. İkinci olarak, DOI eksikse veya fazladan boşluklar veya küçük harfler gibi küçük varyasyonlar içerdiğinde çoğaltma eşleşmeleri genellikle ortaya çıkar. Protokolümüz birincil deduplication anahtarı olarak DOI'yi kullanır. Bir kayıtta DOI yoksa, başlık, yazar isimleri, yayın yılı ve dergi birleştiren bileşik anahtar kullanın. Tutarsız biçimlendirme nedeniyle uyumsuzluklar için, noktalama işaretlerini kaldıran, küçük harflere dönüştüren ve boşlukları kıslayan bir dizi normalizasyon adımı uygulanır. Üçüncü olarak, biyoinformatik analizlerdeki eşik hassasiyeti, örneğin STRING'deki birleşik skor kesmesi veya diferansiyel ifadede p-değeri ve logFC kesitleri, ortaya çıkan PPI ağı ve hub gen listelerini güçlü şekilde etkileyebilir. Eğer istikrarsızlık gözlemlenirse, daha muhafazakar bir eşik seçin veya birden fazla veritabanından kanıt bütünleştirin. Dördüncü olarak, KEGG filtreleme ve çıkış hataları eksik yol açıklamaları veya güncellenmiş yol haritalarının alınamaması şeklinde görünebilir. Bu genellikle eski bir KEGG API sürümünden veya yanlış organizma kodundan kaynaklanır. Zenginleştirme aracının en son sürümünün (örneğin clusterProfiler) kurulduğundan ve organizma parametresinin doğru ayarlandığından, örneğin insan için "has" olduğundan emin olun. Çıktı, haritalanmış genleri olmayan yollar içeriyorsa, giriş gen tanımlayıcılarının annotasyon veritabanı versiyonuyla eşleşip eşleşmediğini doğrulayın. Bu ayarlamaları deneyerek, araştırmacılar önceden ilgili sorunları tespit edip çözebilirler.

Genel olarak, bu protokol, bibliyometrik yoluyla makro düzeyde sıcak nokta tanımını biyoinformatik yoluyla komorbidite hedef madenciliği ile birleştirir ve bu da komorbiditeler alanında araştırmalar için faydalı bilgiler sağlayabilir. Buna rağmen, bu protokolün bazı sınırlamaları kabul edilmelidir. Tekrarlanabilirlik açısından, bu çerçevenin diğer hastalık eş hastalıklarına aktarılabilirliği, veritabanı kapsamı, arama stratejisi, hastalık terminolojisi ve ilgili moleküler veri setlerinin bulunabilirliği gibi faktörlere bağlı olabilir. Bibliyometrik bileşen, İngilizce olmayan makaleleri hariç tutar, bu da bilgi haritasının kapsamlılığını sınırlayabilir. Biyoinformatik bileşen, heterojen veri kaynakları ve örnek bileşimlerine sahip kamu veri tabanlarına dayanır; bu da sonuçların tekrarlanabilirliğini ve çapraz veri seti tutarlılığını etkileyebilir. Ayrıca, veritabanı güncellemelerinin tarihi de sonuçları etkileyebilir. Son olarak, tüm biyoinformatik bulgular nedensel değil, ilişkilendirilebilir ve hipotez üreten bir yapıdır; ayrıca yeni araştırma sorularına uygulanmadan önce hayvan modelleri veya klinik kohort çalışmalarıyla daha fazla doğrulama gereklidir.

Açıklamalar

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

Yazarlar bu çalışmada çıkar çatışması belirtmemiştir.

Teşekkürler

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

Yazarlar, bulaşıcı olmayan kronik hastalıklar-Ulusal Bilim ve Teknoloji Ana Projesi (2024ZD0522300, 2024ZD0522301) ve Çin Tıp Bilimleri Akademisi Kâr Amacı Gütmeyen Merkezi Araştırma Enstitüsü Fonu'ndan (2022-ZHCH330-01) maddi destek için minnettarlıkla teşekkür etmektedir.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Bibliometric Online Analysis PlatformK-Synth Srl (Bibliometric)https://bibliometric.comÇevrimiçi analiz platformu; modül: Ülke ilişkileri; ülke iş birliği kord diyagramı oluşturur; erişim tarihi: 10 Mart 2026
CiteSpaceDrexel University6.4.R1Bibiyografik analiz; zaman dilimlemesi: 2016–2025; düğüm türleri: anahtar kelimeler, referanslar; budama: Pathfinder + Budama dilimlenmiş ağlar
clusterProfiler (R paketi)Guangchuang Yu ve ark.4.13.2KEGG zenginleştirme analizi; eşik değerleri: p < 0.05, q < 0.2
CytoscapeCytoscape Consortium3.10.3Ağ görselleştirme ve analizi; eklenti: CytoHubba; algoritma: derece merkeziyet; hub gen tanımlaması için kullanılır
GeneCardsWeizmann Bilim Enstitüsühttps://www.genecards.orgGen bilgi veritabanı; veritabanı sürümü 5.22; erişim tarihi: 12 Mart 2026; filtreleme kriteri: İlişki skoru ≥ 1
Journal Citation Reports (JCR)Clarivate Analyticshttps://jcr.clarivate.comDergi etki faktörü ve çeyrek alımı; erişim tarihi: 9 Mart 2026
KEGGKyoto Encyclopedia of Genes and Genomeshttps://www.kegg.jpYolculuk veritabanı; clusterProfiler API aracılığıyla erişim: 13 Mart 2026; tür: hsa
MeSH VeritabanıNational Library of Medicine (NLM)https://meshb.nlm.nih.govMeSH terimi sorgu veritabanı; erişim tarihi: 9 Mart 2026; arama stratejisi oluşturmak için kullanılır
Microsoft ExcelMicrosoft Corporation16.88 (Microsoft 365)Veri istatistikleri ve grafik oluşturma; yayın sayımı, tekilleştirme, grafik çizimi için kullanılır
org.Hs.eg.db (R paketi)Bioconductor Core Team3.20.0İnsan genom açıklama veritabanı; gen kimliği dönüşümü için kullanılır
RR Core Team4.4.2İstatistiksel hesaplama ve çizim ortamı; çalıştırma tarihi: 13 Mart 2026
Scimago GraphicaScimago Lab2Görselleştirme aracı; düzen: harita projeksiyonu; kenar eğriliği: 0.5; renk eşleme: küme bazında
ScopusElsevierhttps://www.scopus.comLiteratür alım veritabanı; Elsevier Scopus 2026 eksiksiz sürümü; alım tarihi: 9 Mart 2026
STRINGEMBL12.0 / https://cn.string-db.orgProtein-protein etkileşimi veritabanı; erişim tarihi: 12 Mart 2026; etkileşim skoru eşiği: 0.7 (yüksek güven); ağ türü: fiziksel + fonksiyonel
VOSviewerLeiden Üniversitesi1.6.20Bibiyografik analiz; analiz türü olarak ortak yazarlık; normalizasyon yöntemi: ilişki gücü
Web of Science Core CollectionClarivate Analyticshttps://www.webofscience.comLiteratür alım veritabanı; SCIE ve SSCI alt veritabanlarını kapsar; alım tarihi: 9 Mart 2026

Kaynaklar

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

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

BiyolojiSay 234Say 234

İlgili makaleler