Artykuł metodologiczny

Bibliometria i bioinformatyka – badanie gorących tematów i kluczowych celów w komorbidności: przewlekła choroba płuc i nadciśnienie płucne

DOI:

10.3791/71631

⸱

7 sierpnia 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

W tym artykule

Podsumowanie

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

Ten protokół wykorzystuje choroby międzypłucne i nadciśnienie płucne jako przykłady i integruje bibliometrię z bioinformatyką, aby systematycznie i wstępnie zbadać ich trendy badań, punkty gorące, kluczowe cele i powiązane ścieżki. Ten protokół można powtórzyć, aby analizować dowolne pary chorób poprzez modyfikację poleceń.

Streszczenie

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

Choroba międzypęcherzowa płuc (ILD) i nadciśnienie płucne (PH) często współwystępują jako choroby współistniejące, prowadząc do złych wyników klinicznych i ograniczonych opcji terapeutycznych. Identyfikowanie ważnych hotspotów badań i ujawnienie kluczowych celów współistnienia chorób jest niezbędne dla poprawy zarządzania chorobą i opracowania nowych strategii terapeutycznych. Niniejszy protokół pobiera odpowiednie publikacje z baz danych Web of Science Core Collection i Scopus, oraz używa CiteSpace i VOSviewer do mapowania hotspotów badań i rozwijających się trendów. Następnie, nakładające się genetyczne cele związane z oboma chorobami są identyfikowane z bazy danych GeneCards. Sieci interakcji białko-białko są konstruowane za pomocą STRING w celu zidentyfikowania genów hub, a analizę wzbogacenia ścieżek KEGG przeprowadza się za pomocą języka R, aby wyjaśnić kluczowe ścieżki sygnałowe. Wyniki pokazują, że bibliometrja identyfikuje trajektorię rozwoju tego międzydyscyplinarnego pola z makro perspektywy; analiza bioinformatyczna ujawnia FN1, IL6 i TNF jako potencjalne kluczowe cele współistnienia chorób; a analiza wzbogacenia KEGG wskazuje, że ścieżki związane z odpornością, skupione na PI3K-Akt i MAPK, są głęboko zaangażowane w patogenezę współistnienia chorób. Integrując te dwa podejścia, niniejszy protokół systematycznie opisuje trajektorię rozwoju i hotspoty badań w dziedzinie współistnienia chorób ILD-PH, jednocześnie wstępnie przesiewając potencjalne cele i ścieżki współistnienia chorób. Zapewnia kierunek i bazę obliczeniową dla przyszłych badań eksperymentalnych i weryfikacji klinicznej. Ta zintegrowana struktura oferuje powtarzalną metodologię stosowną do badań innych złożonych współistnienia chorób.

Wprowadzenie

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

Choroba międzymiąższowa płuc (ILD) odnosi się do grupy rozsianych chorób płuc charakteryzujących się patologicznie zapaleniem i fibrozą międzymiąższa płucnego. W trakcie postępu choroby, jest ona często powikłana wieloma chorobami współistniejącymi, wśród których nadciśnienie płucne (PH) jest jednym z powszechnych schorzeń, które znacząco wpływają na rokowanie1,2. Dane epidemiologiczne wskazują, że częstość występowania PH u pacjentów z ILD różni się w zależności od podtypu i stadium choroby, waha się od 13% do 86%3,4,5. Ta choroba współistniejąca nie tylko znacząco obniża jakość życia pacjentów i zwiększa ryzyko ich śmiertelności, ale również pogarsza obciążenie społeczno-ekonomiczne i opieki zdrowotnej6,7. W przeciwieństwie do nadciśnienia tętnic płucnych, patogeneza nadciśnienia płucnego związanego z chorobą międzymiąższową płuc jest bardziej złożona, obejmującą wiele procesów patologicznych, takich jak hipoksyczna wazokonstrikcja płucna, remodelowanie naczyń związane z czynnikami pro-fibrotycznymi i zapalnymi oraz osadzaniem macierzy zewnątrzkomórkowej8,9,10. Obecnie strategie diagnostyczne i terapeutyczne dla tej choroby współistniejącej są stosunkowo ograniczone, a specyficzne leki docelowych są niedostępne. Podstawowe mechanizmy molekularne, kluczowe szlaki sygnałowe i wczesne biomarkery wciąż wymagają systematycznego wyjaśnienia11,12.

Jako obiektywne narzędzie do wykrywania punktów skupienia badań i trajektorii ewolucyjnych, bibliometria zyskała szerokie zastosowanie w ostatnich latach13,14. Analiza bioinformatyczna identyfikuje kluczowe cele i podstawowe szlaki, integrując wcześniej odkryte cele związane z chorobą15. W przypadku badań nad chorobami współistniejącymi, integracja makroskopowych punktów gorących z informacjami na poziomie ścieżek i docelowych molekularnych pogłębia zrozumienie mechanizmów chorób współistniejących i zapewnia predykcje obliczeniowe oraz wskazówki dotyczące kierunku dla kolejnych badań eksperymentalnych. Jednakże badania nad chorobą międzymiąższową płuc i nadciśnieniem płucnym nadal brakuje systematycznej zintegrowanej analizy łączącej makroskopowe mapowanie wiedzy z mikroskopowymi sieciami molekularnymi. W związku z tym, w niniejszym badaniu wykorzystano kolekcję baz danych Web of Science Core Collection (WoSCC) i Scopus, aby kompleksowo określić trajektorię rozwoju i punkty gorące badań nad chorobami współistniejącymi ILD-PH za pomocą metod bibliometrycznych. W tym samym czasie, narzędzia bioinformatyczne zostały zastosowane do identyfikacji genów rdzeniowych i potencjalnych ścieżek molekularnych związanych z chorobami współistniejącymi, zapewniając kandydatską podstawę molekularną i kierunek projektowania eksperymentów dla kolejnych badań eksperymentalnych i docelowych eksploracji.

Protokół

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

Badanie wykorzystało publicznie dostępne bazy danych wtórnych, w tym GeneCards, STRING i KEGG. Zgodnie z artykułem 32 Rozporządzenia w sprawie zasobów genetycznych człowieka w Chinach, bazy te nie obejmują bezpośredniego zbierania zasobów genetycznych w Chinach; dlatego nie była wymagana zgoda etyczna ani zgoda na udział w badaniu. Szczegółowe informacje o wersji oprogramowania i platform użytych w tej sekcji są dostępne w Tabeli Materiałów.

1. Zbieranie i organizacja literatury

  1. Wejdź na stronę bazy MeSH (Tabela Materiałów).
  2. Wyszukaj osobno terminy choroby “Interstitial Lung Disease” i “Pulmonary Hypertension”, aby odnaleźć powiązane podtytuły.
  3. Opracuj kompleksową strategię wyszukiwania na podstawie zidentyfikowanych terminów MeSH i podtytułów.
  4. 9 marca 2026 roku otwórz bazę WoSCC (Tabela Materiałów).
  5. Wybierz Wyszukiwanie zaawansowane. Wprowadź strategię wyszukiwania: TS=("Diffuse Parenchymal Lung Disease" LUB "Diffuse Parenchymal Lung Diseases" LUB "Interstitial Lung Disease" LUB "Interstitial Lung Diseases") I TS=("Pulmonary Hypertension"). Ustaw zakres dat publikacji od 1 stycznia 2016 do 31 grudnia 2025 i kliknij Szukaj.
  6. Wybierz Artykuły i Artykuły przeglądowe jako typy dokumentów i wybierz język angielski jako język. Wybierz Pełny zapis i cytowane referencje jako zawartość zapisu. Eksportuj zapisy w formacie txt i zapisz jako wos.txt, a następnie przekonwertuj do formatu csv i zapisz jako wos.csv.
  7. 9 marca 2026 roku otwórz bazę Scopus (Tabela Materiałów).
  8. Ustaw pole wyszukiwania na ”Tytuł” / ”Abstrakt” / “Słowa kluczowe”. Wprowadź strategię wyszukiwania: TITLE-ABS-KEY(("Diffuse Parenchymal Lung Disease" LUB "Diffuse Parenchymal Lung Diseases" LUB "Interstitial Lung Disease" LUB "Interstitial Lung Diseases")) I TITLE-ABS-KEY("Pulmonary Hypertension"). Wybierz zakres lat od 1 stycznia 2016 do 31 grudnia 2025, wybierz Medycyna jako obszar tematyczny i kliknij Szukaj (Tabela uzupełniająca 1).
  9. Kliknij Eksportuj, wybierz format CSV, eksportuj wszystkie odnalezione zapisy i zapisz jako scopus.csv.
  10. Otwórz wos.csv, skopiuj kolumnę DOI i wklej ją do scopus.csv. Porównaj dane, użyj funkcji Usuń duplikaty w programie Excel, aby zaznaczyć zduplikowane zapisy, usuń duplikaty i uzyskaj plik scopus1.csv. W przypadku nielicznych zapisów bez DOI przeprowadź ręczne sprawdzenie kombinacją "tytuł + autor + rok", aby zapewnić pełne uwzględnienie literatury wymaganej do tego badania.
  11. Utwórz nowe foldery o nazwach katalog wejściowy i katalog wyjściowy. Umieść uzyskany po usunięciu duplikatów plik scopus1.csv w katalogu wejściowym. Otwórz CiteSpace, kliknij Dane, wybierz Scopus, wskaż odpowiednie foldery i kliknij przycisk Scopus (csv) > WoS, aby przekonwertować format danych Scopus, unifikując format dwóch baz danych do formatu txt. Nazwij wynikowy plik scopus1.txt.
  12. Połącz dane z dwóch baz danych. Umieść scopus1.txt i wos.txt w CiteSpace, aby usunąć duplikaty i połączyć, uzyskując jednolity format danych o literaturze bez duplikatów: dataset.txt, do dalszej analizy (Tabela uzupełniająca 2).
  13. Sprawdź uzyskane pliki wos.txt i scopus.csv, aby upewnić się, że proces usuwania duplikatów używa DOI jako kryterium dopasowania i że plik dataset.txt został pomyślnie wygenerowany.

2. Analiza rocznej tendencji wyników publikacji

  1. W programie Microsoft Excel zlicz liczbę publikacji według roku, aby wygenerować dwie kolumny danych (Rok, Publikacje).
  2. Wybierz zestaw danych, wejdź na Wstaw > Wykres > Wykres kolumnowy, aby wygenerować wykres kolumnowy rocznej liczby publikacji.
  3. Określ oś poziomą jako Rok, a pionową jako Publikacje.
  4. Włącz etykiety danych, aby wyświetlać liczbę publikacji dla każdego roku.
  5. Eksportuj wszystkie figury w formacie Tagged Image File Format (TIFF), zapewniając rozdzielczość co najmniej 300 dpi.

3. Analiza wyników publikacji krajowych/regionalnych i międzynarodowej współpracy

  1. Uruchom VOSviewer, wybierz Utwórz > Utwórz mapę na podstawie danych bibliograficznych > Wczytaj dane z plików bazy bibliograficznej16.
  2. Wczytaj prosty zestaw danych

Wyniki

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

Wyszukiwanie i selekcja danych

W sumie z bazy danych Scopus zebrano 2 400 rekordów, natomiast w bazie danych WoSCC zidentyfikowano 696 rekordów. Po połączeniu obu zbiorów danych i usunięciu 533 zduplikowanych rekordów, do końcowej analizy bibliometrycznej włączono łącznie 2 563 unikalne publikacje (Rycina 1).

Trendy rocznej liczby publikacji

Roczna liczba publikacji w dziedzinie śródmiąższowych chorób płuc i nadciśnienia płucnego w latach 2016–2025 przedstawiona jest na Rysunku 2. W ciągu dziesięciu lat liczba publikacji wykazywała fluktuujący trend wzrostowy. Przez pierwsze cztery lata pozostawała ona na względnie stabilnym poziomie, po czym nastąpiły gwałtowne wzrosty w latach 2020–2022 oraz 2023–2025, osiągając odpowiednio dwa szczyty w 2022 i 2025 roku. Ogółem liczba publikacji wzrosła ze 142 w 2016 roku do 402 w 2025 roku, co stanowi niemal trzykrotny wzrost (Rysunek 2).

Krajowa liczba publikacji i współpraca międzynarodowa

Łącznie 20 krajów spełniło próg co najmniej 40 publikacji i zostało uwzględnionych w analizie krajowej sieci współpracy. Stany Zjednoczone przodowały zarówno pod względem liczby publikacji, jak i częstotliwości cytowań, z 823 publikacjami i 21 943 cytowaniami. Drugie miejsce zajęły Włochy z 271 publikacjami (7 037 cytowań), a następnie Francja (237 publikacji, 8 172 cytowania), Wielka Brytania (231 publikacji, 9 764 cytowania) i Japonia (205 publikacji, 3 221 cytowania). Chiny zajęły szóste miejsce z 185 publikacjami i 2 978 cytowaniami, natomiast Niemcy zajęły 7. miejsce z 184 publikacjami i 7 932 cytowaniami (Rycina 3A, Tabela 1).

W zakresie współpracy międzynarodowej wskaźniki całkowitej siły powiązań wykazały, że najbliższe relacje kolaboracyjne utrzymywały Stany Zjednoczone (całkowita siła powiązań = 523), Włochy (448), Wielka Brytania (447), Niemcy (443) oraz Francja (405) (Rycina 3B). Analiza sieci współpracy pozwoliła zidentyfikować trzy główne klastry. Pierwszy klaster składał się z 10 krajów europejskich, w tym Belgii, Francji, Niemiec, Grecji, Włoch, Holandii, Polski, Hiszpanii, Szwajcarii i Turcji, tworząc silnie powiązaną europejską sieć badawczą. Drugi klaster obejmował dziewięć krajów, w tym Australię, Brazylię, Kanadę, Chiny, Indie, Japonię, Koreę Południową, Wielką Brytanię i Stany Zjednoczone. Klaster ten koncentrował się wokół Stanów Zjednoczonych, integrując główne ośrodki badawcze z Azji, Ameryk i Oceanii, co przedstawia międzregionalny wzorzec współpracy. Trzeci klaster obejmował jedynie Austrię, wykazując stosunkowo niezależny wzorzec kolaboracji (Rycina 3C).

Analiza publikacji w czasopismach i cytowań

Wśród czasopism publikujących w tej dziedzinie, Journal of Clinical Medicine (54 dokumenty), Pulmonary Circulation (53 dokumenty) oraz Clinical Rheumatology (51 dokumentów) zajęły najwyższe miejsca pod względem liczby publikacji, natomiast Chest (IF = 8.6, Q1) i Frontiers in Immunology (IF = 5.9, Q1) wykazały najwyższe wskaźniki wpływu spośród 10 czołowych czasopism pod kątem produktywności (Rysunek 4A). Pod względem wpływu cytowań, najbardziej wpływowymi czasopismami okazały się European Respiratory Journal (1 885 cytowań), Journal of Heart and Lung Transplantation (1 817 cytowań) oraz European Respiratory Review (1 600 cytowań) (Rysunek 4B). Sieć współwystępowania czasopism ujawniła wysoki stopień klastrowania pomiędzy czasopismami z zakresu medycyny oddechowej, reumatologii i transplantologii, co wskazuje, że w zarządzaniu współistnieniem ILD i PH niezbędna jest współpraca multidyscyplinarna (Rysunek 4C).

Dorobek publikacyjny autora i sieć współpracy

Wśród najaktywniejszych autorów prowadził Nathan, Steven D z USA z 45 publikacjami, a następnie grupa autorów z Francji, w tym Launay, David (27), Cottin, Vincent (27) oraz Humbert, Marc (26), co wskazuje na Francję jako kluczowy kraj przyczyniający się do rozwoju tej dziedziny (Rycina 5A, Tabela 2). Pod względem wpływu cytowań prowadził również Nathan, Steven D z 2 446 cytowaniami, podczas gdy Humbert, Marc (1 675), Cottin, Vincent (1 347) oraz Shlobin, Oksana A (1 153) wykazali znaczący wpływ, przy czym USA i Francja dominowały na liście najczęściej cytowanych autorów (Rycina 5B). Sieć współpracy autorów wykazała łącznie sześć klastrów. Ogólnie model współpracy miał charakter głównie krajowy, przy stosunkowo ograniczonej współpracy międzynarodowej (Rycina 5C).

Współwystępowanie słów kluczowych i ewolucja tematyczna

Wśród najczęściej występujących słów kluczowych, poza powszechnymi terminami indeksującymi w bazach danych, takimi jak „human” i „article”, centralne pozycje zajęły słowa kluczowe specyficzne dla jednostek chorobowych, takie jak „nadciśnienie płucne”, „śródmiąższowa choroba płuc” oraz „twardzina układowa”, co odzwierciedla główne tematy badawcze w tej dziedzinie (Tabela 3). Analiza centralności wykazała, że terminy związane z lekami terapeutycznymi (azatiopryna, terapia kortykosterydami), terminy dotyczące projektu badania (randomizowane badanie kontrolowane, artykuł kliniczny, opis przypadku) oraz deskryptory objawów (duszność) wykazały wysoką centralność pośrednictwa, pełniąc rolę ogniw łączących różne tematy, takie jak etiologia, objawy, diagnostyka, leczenie i rokowanie. Ogólnie rzecz biorąc, badania w tej dziedzinie w dużym stopniu opierają się na dowodach klinicznych, w szczególności na badaniach klinicznych dotyczących terapii immunosupresyjnej (Rysunek 6A, Tabela 4).

Z analizy 25 słów kluczowych z najsilniejszymi skokami cytowań (citation bursts) przedstawionej na Rysunku 6B wynika ewolucja czasowa koncentracji badań. Wczesne skoki obejmowały takie terminy jak „pathophysiology” i „lung diffusion capacity” (2016–2020), po czym w okresie środkowym nacisk położono na „differential diagnosis” i „lung lavage” (2018–2022), a ostatnie skoki wyróżniają „COVID-19”, „fatigue”, „NT-proBNP” oraz „intensive care unit” (2021–2025), co odzwierciedla przesunięcie z mechanizmów fundamentalnych w stronę procedur diagnostycznych, identyfikacji biomarkerów oraz opieki intensywnej.

Widok osi czasu ilustruje ewolucję czasową kluczowych tematów badawczych (Rycina 6C). Wczesne wzrosty popularności (2016–2020) obejmowały takie terminy jak „priority journal”, „pathophysiology”, „lung diffusion capacity”, „randomized controlled trial (topic)” oraz „tomography”, co odzwierciedla nacisk na podstawowe mechanizmy patofizjologiczne i obrazowanie diagnostyczne. Wzrosty z okresu środkowego (2018–2022) charakteryzowały się terminami „differential diagnosis”, „lung lavage”, „steroid” oraz „practice guideline”, co wskazuje na przejście w stronę procedur diagnostycznych i postępowania klinicznego. Ostatnie wzrosty (2021–2025) obejmowały „coronavirus disease 2019”, „laboratory test”, „fatigue”, „amino terminal pro brain natriuretic peptide”, „intensive care unit” oraz „receiver operating characteristic”, podkreślając rosnące zainteresowanie skutkami związanymi z COVID-19, identyfikacją biomarkerów i opieką intensywną, co dowodzi progresji od podstawowej patofizjologii i badań funkcji płuc w stronę narzędzi oceny klinicznej i terapii celowanych.

Analiza współcytowań referencji

Sieć współcytowań referencji wykazała 16 głównych klastrów, z czego największe koncentrowały się wokół idiopatycznego włóknienia płuc, twardniny układowej, chorób tkanki łącznej, nadciśnienia płucnego oraz postępującego włóknienia płuc, co odzwierciedla główne domeny wiedzy w tej dziedzinie (Rysunek 7A). Najczęściej cytowaną referencją była praca na temat klinicznego postępowania w twardninie układowej, a następnie badanie dotyczące skuteczności wziewnego treprostinilu w nadciśnieniu płucnym związanym z chorobą śródmiąższową płuc oraz praca aktualizująca definicję hemodynamiczną i klasyfikację kliniczną nadciśnienia płucnego4,21,22(Tabela 5). Pod względem centralności pośrednictwa (betweenness centrality) najwyższą pozycję zajęło randomizowane badanie kontrolowane porównujące mykofenolan mofetylu z doustną cyklofosfamidą w leczeniu śródmiąższowej choroby płuc związanej z twardniną układową, a tuż za nim uplasowało się badanie dotyczące wstępnej terapii skojarzonej w nadciśnieniu tętniczym płuc związanym z chorobą tkanki łącznej, co wskazuje na kluczową rolę pomostową tych dwóch opracowań w łączeniu różnych domen badawczych23,24 (Rysunek 7B, Tabela 6). Analiza gwałtownego wzrostu cytowań (citation burst) ujawniła ewolucję czasową wpływowych prac w tej dziedzinie: wczesne wzrosty (2016–2019) obejmowały klasyfikację ATS/ERS idiopatycznych zapaleń śródmiąższowych płuc oraz badanie DETECT dotyczące przesiewowego wykrywania nadciśnienia tętniczego płuc związanego z twardniną układową; wzrosty w okresie średnim (2017–2021) obejmowały wytyczne ESC/ERS z 2015 roku dotyczące diagnozowania i leczenia nadciśnienia płucnego oraz badanie SLS II w chorobie śródmiąższowej płuc związanej z twardniną; ostatnie wzrosty (2020–2025) obejmowały wytyczne praktyki klinicznej ATS/ERS/JRS/ALAT z 2022 roku dla idiopatycznego włóknienia płuc oraz badanie nintedanibu w postępującej włókniejącej chorobie śródmiąższowej płuc. Ewolucja ta odzwierciedla przejście od klasyfikacji diagnostycznej w stronę celowanych strategii terapeutycznych25,26,27,28 (Rysunek 7C).

Analiza PPI nakładających się celów genetycznych

Dzięki analizie diagramów Venna zidentyfikowano 271 wspólnych genów związanych z ILD i PH (Rysunek 8A). Na tej podstawie stworzono sieć PPI, aby zbadać zależności funkcjonalne między tymi wspólnymi celami (Tabela uzupełniająca 4). Sieć PPI składała się z 271 węzłów i 3 414 krawędzi, przy średnim stopniu węzła wynoszącym 25,2, co wskazuje na gęsto połączoną strukturę sieci. Wizualizacja sieci PPI ujawnia silnie powiązaną architekturę z wieloma klastrami funkcjonalnymi (Rysunek 8B). Do 20 genów o najwyższym stopniu centralności należą FN1, IL6, TNF, AKT1, EGFR, TGFB1, CTNNB1, IL1B, TP53, MMP9, ALB, STAT3, INS, IL10, CXCL8, CCL2, ICAM1, IFNG, SMAD4 oraz CRP, co wskazuje na te cząsteczki jako centralne węzły w sieci oddziaływań (Rysunek 8C). Procesy zapalne i włókniste mogą pełnić rolę potencjalnych czynników napędzających chorobowość współistniejącą, co wymaga walidacji eksperymentalnej. Wzbogacone szlaki sugerują potencjalne kluczowe szlaki kandydujące zaangażowane w mechanizm współistnienia tych schorzeń.

Analiza wzbogacenia szlaków KEGG

Aby dalej wyjaśnić mechanizmy funkcjonalne leżące u podstaw współistnienia ILD i PH, przeprowadzono analizę wzbogacenia szlaków KEGG dla nakładających się celów genetycznych (Tabela uzupełniająca 5). Do najistotniej wzbogaconych szlaków należały: szlak sygnalizacyjny PI3K-Akt, szlak sygnalizacyjny relaksyny, szlak sygnalizacyjny integryn, szlak sygnalizacyjny FoxO, adhezja ogniskowa, szlak sygnalizacyjny HIF-1, starzenie komórkowe, szlak sygnalizacyjny TGF-beta, szlak sygnalizacyjny MAPK oraz szlak sygnalizacyjny fosfolipazy D (Rysunek 8D). Sieć szlak-cel wizualizuje powiązania między tymi wzbogaconymi szlakami a genami hub zidentyfikowanymi w sieci PPI (Rysunek 8E). Warto zauważyć, że kluczowe geny, takie jak AKT1, EGFR, TGFB1, IL6, TNF i FN1, biorą udział w wielu szlakach, w szczególności w sygnalizacji PI3K-Akt, MAPK i TGF-beta, co sugeruje, że szlaki te stanowią potencjalne mechanizmy wymagające dalszej walidacji eksperymentalnej lub klinicznej.

Walidacja protokołu i punkty kontrolne odtwarzalności

Walidacja protokołu wymaga potwierdzenia, że każdy moduł generuje oczekiwane wyniki i spełnia kluczowe punkty kontrolne powtarzalności. Dla modułu bibliometrii oczekiwane wyniki obejmują wykres kolumnowy rocznej liczby publikacji, mapę krajowej sieci współpracy oraz tabele rankingowe 10 najważniejszych czasopism i autorów. Punktami kontrolnymi powtarzalności są: liczba rekordów po usunięciu duplikatów powinna stanowić więcej niż 80% pierwotnie pobranych rekordów, konwersja danych w CiteSpace powinna zakończyć się bez błędów, a główne węzły krajów powinny być wyraźnie rozróżnialne w sieci współpracy. Dla modułu analizy sieci PPI oczekiwane wyniki obejmują graf sieci PPI z ≥250 węzłami i ≥3 000 krawędziami oraz listę 20 najważniejszych genów hubowych uszeregowanych według stopnia. Punktami kontrolnymi są: próg ufności w STRING powinien być ustawiony na 0,700, średni stopień węzła obliczony przez Cytoscape powinien wynosić ≥20, a sieć nie powinna zawierać odizolowanych węzłów niepołączonych. Dla modułu analizy wzbogacenia KEGG oczekiwanymi wynikami są wykres kropkowy 10 najważniejszych istotnych statystycznie szlaków oraz graf sieci szlak–cel. Punkty kontrolne wymagają, aby analiza wzbogacenia wykazała p < 0,05 i q < 0,05, aby po wykluczeniu kategorii „Human Diseases” i „Metabolism” pozostało co najmniej 5 szlaków oraz aby wykres kropkowy wykazywał wyraźną tendencję spadkową liczby genów wraz z rankingiem.

figure-results-1
Rycina 1: Diagram Venna wyników wyszukiwania w bazach danych. Ten schemat przedstawia liczbę rekordów pobranych z baz danych Scopus oraz Web of Science Core Collection (WoSCC), a także liczbę usuniętych powtórzeń. Obszar nakładania się reprezentuje duplikaty zidentyfikowane na podstawie DOI, a wskazano również końcową liczbę unikalnych rekordów wykorzystanych do analizy bibliometrycznej. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-2
Rysunek 2: Wyniki badań i cytowania w zakresie śródmiąższnowych chorób płuc i nadciśnienia płucnego (2016–2025). Roczna liczba publikacji i trendy cytowań w badaniach nad ILD i PH (2016–2025). Wykres słupkowy przedstawia roczną liczbę artykułów, natomiast wykres liniowy obrazuje skumulowaną częstotliwość cytowań. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

figure-results-3
Rysunek 3: Krajowe/regionalne wyniki publikacyjne i współpraca międzynarodowa. (A) Krajowy ranking publikacji i cytowań; (B) Diagram chordowy współpracy międzykrajowej; (C) Klastry sieci współpracy międzynarodowej. Na rysunku przedstawiono krajowe rankingi publikacji i cytowań, powiązania współpracy międzykrajowej za pomocą diagramu chordowego oraz wzorce klastrowania sieci współpracy międzynarodowej. Aby zobaczyć większą wersję tego rysunku, kliknij tutaj.

figure-results-4
Rycina 4: Liczba publikacji w czasopismach i cytowania. (A) 10 czasopism o największej liczbie publikacji; (B) Czasopisma o najwyższym wpływie cytowań; (C) Sieć współwystępowania czasopism. Zestawiono 10 czołowych czasopism pod kątem liczby publikacji i cytowań, wraz z ich współczynnikami wpływu (impact factor) oraz kwartylami. Sieć w sposób intuicyjny obrazuje liczbę publikacji w czasopismach oraz relacje współpracy. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-5
Rycina 5: Sieć współpracy autorów o wysokiej produktywności. (A) 10 najbardziej produktywnych autorów; (B) 10 autorów o największym wpływie cytowań; (C) Sieć współpracy autorów. Autorzy zostali posortowani według liczby publikacji oraz wpływu cytowań. Przynależność krajowa 10 głównych autorów została pobrana z plików Web of Science i przedstawiona na rycinie. Sieć klastrowania w sposób jasny i intuicyjny ilustruje wzorce współpracy autorów. Aby wyświetlić większą wersję tej ryciny, kliknij tutaj.

figure-results-6
Rycina 6: Współwystępowanie słów kluczowych i ewolucja tematyczna. (A) Klasteryzacja współwystępowania słów kluczowych; (B) 25 najistotniejszych słów kluczowych o wysokiej częstotliwości (burst keywords); (C) Oś czasu ewolucji słów kluczowych. Analizę słów kluczowych przeprowadzono za pomocą oprogramowania CiteSpace z g-indeksem ustawionym na 10 oraz wykorzystując algorytm lasów losowych (random forest). Mapę współwystępowania wygenerowano poprzez dostosowanie rozmiaru i koloru węzłów, a następnie przeprowadzono analizę klasteryzacji węzłów w celu uzyskania mapy klastrów. Widok osi czasu ilustruje przede wszystkim trendy badawcze i zmiany, jakie zaszły w ciągu ostatniej dekady. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-7
Rysunek 7: Analiza współcytowań referencji. (A) Analiza skupień współcytowanych referencji. (B) Sieć współcytowań najczęściej cytowanych referencji. (C) 20 najważniejszych referencji z najsilniejszymi skokami cytowań (citation bursts). Analizę współcytowań przeprowadzono za pomocą oprogramowania CiteSpace z indeksem g ustawionym na 10 i algorytmem laсу random forest. Sieć współcytowań została wygenerowana poprzez dostosowanie rozmiaru i koloru węzłów, a analiza skupień została przeprowadzona na węzłach w celu uzyskania mapy skupień, ujawniającej różne tematyczne obszary badawcze. Detekcja skoków cytowań pozwoliła zidentyfikować 20 najważniejszych referencji z najsilniejszymi skokami cytowań oraz ich okresy aktywności, z naciskiem na odzwierciedlenie zmian w najpopularniejszych tematach badawczych w ciągu ostatniej dekady. Prosimy kliknąć tutaj, aby wyświetlić większą wersję tego rysunku.

figure-results-8
Rycina 8: Identyfikacja kluczowych celów (hub targets) i wzbogaconych szlaków związanych z chorobowością współistniejącą ILD-PH. (A) Diagram Venna pokazujący nakładające się geny związane z ILD i PH. (B) Sieć oddziaływań białko-białko (PPI). (C) 20 najważniejszych celów kluczowych zidentyfikowanych w sieci PPI. (D) Analiza wzbogacenia szlaków KEGG dla wspólnych celów genetycznych. (E) Sieć oddziaływań ilustrująca powiązania między szlakami sygnalizacyjnymi a odpowiadającymi im genami docelowymi. Geny związane z chorobowością współistniejącą uzyskano jako część wspólną celów ILD i PH z bazy GeneCards. Sieć PPI (poziom ufności ≥ 0.700) została skonstruowana przy użyciu STRING, zwizualizowana w programie Cytoscape, a 20 głównych węzłów (hubs) wybrano na podstawie stopnia węzła. Przeprowadzono analizę wzbogacenia KEGG (q < 0.05, korekcja BH), wykluczając szlaki chorób ludzkich oraz metabolizmu. Zbudowano sieć szlak-cel, aby wykazać powiązania między szlakami sygnalizacyjnymi a odpowiadającymi im genami docelowymi. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

MiejsceKrajDokumentyCytowaniaŚrednia liczba cytowań na artykułCałkowita siła powiązań
1USA8232194326.7523
2Włochy271703726.0448
3Francja237817234.5407
4Wielka Brytania231976442.3447
5Japonia205322115.7147
6Chiny185297816.168
7Niemcy184793243.1443
8Kanada153598239.1282
9Hiszpania133512238.5294
10Australia123433435.2217

Tabela 1: 10 krajów z najwyższą liczbą publikacji i częstotliwością cytowań. Dane zostały pobrane z baz Web of Science Core Collection oraz Scopus w dniu 9 marca 2026 r. i połączone po usunięciu duplikatów. Kraje zostały uszeregowane według całkowitej liczby publikacji (Documents). „Total link strength” (Całkowita siła powiązań) oznacza sumę sił powiązań współpracy z innymi krajami w sieci współautorstwa VOSviewer. Średnia liczba cytowań na artykuł została obliczona jako Citations / Documents.

MiejsceAutorDokumentyCytowaniaKraj
1nathan, steven d452446USA
2launay, david27784Francja
3cottin, vincent271347Francja
4humbert, marc261675Francja
5nikpour, mandana22250Australia
6allanore, yannick21482Francja
7stevens, wendy20236Australia
8hachulla, eric20706Francja
9khanna, dinesh20755USA
10proudman, susanna17163Australia

Tabela 2: 10 najaktywniejszych autorów w dziedzinie ILD i PH. Autorzy zostali uszeregowani według całkowitej liczby publikacji. Uwzględniono jedynie autorów z co najmniej 3 publikacjami. Liczba cytowań reprezentuje całkowitą liczbę cytowań publikacji autora zawartych w zbiorze danych. Przynależność krajowa opiera się na głównej instytucji autora odnotowanej w pobranych artykułach.

RangaSłowa kluczoweLiczba
1człowiek2311
2nadciśnienie płucne2289
3śródmiąższowa choroba płuc2201
4artykuł1719
5ludzie1544
6kobieta1444
7mężczyzna1410
8dorosły1276
9wiek średni903
10główne badanie kliniczne897

Tabela 3: 10 najczęściej występujących słów kluczowych. Słowa kluczowe zostały pobrane z odduplikowanego zbioru danych i przeanalizowane za pomocą programu CiteSpace. Częstość wskazuje liczbę wystąpień każdego słowa kluczowego w tytułach, streszczeniach lub polach słów kluczowych w pobranej literaturze. Ogólne terminy indeksujące są przypisywane automatycznie przez bazy danych i odzwierciedlają praktyki indeksowania, a nie konkretny zakres badań.

RangaSłowa kluczoweCentralność
1człowiek0.95
2artykuł0.71
3azatiopryna0.44
4cecha kliniczna0.43
5randomizowane badanie kontrolowane (temat)0.42
6terapia kortykosteroidami0.41
7ludzie0.39
8artykuł kliniczny0.35
9opis przypadku0.35
10duszność0.28

Tabela 4: 10 słów kluczowych o najwyższej centralności. Centralność została obliczona przy użyciu oprogramowania CiteSpace w celu zidentyfikowania słów kluczowych pełniących rolę pomostów między różnymi klastrami badawczymi. Wyższe wartości centralności wskazują na silniejszą łączność i większą rolę pośredniczącą w sieci współwystępowania.

RangaLiczbaCytowane referencje
168Khanna D, 2017, SYSTEMIC SCLEROSIS @ LANCET, V390, P1685-1699
241Thenappan T, 2021, INHALED TREPROSTINIL IN PULMONARY HYPERTENSION DUE TO INTERSTITIAL LUNG DISEASE @ N ENGL J MED, V384, P325-334
336Celermajer DS, 2019, HAEMODYNAMIC DEFINITIONS AND UPDATED CLINICAL CLASSIFICATION OF PULMONARY HYPERTENSION @ EUR RESPIR J, V0, P53
432Cottin V, 2020, SPECTRUM OF FIBROTIC LUNG DISEASES @ N ENGL J MED, V383, P958-968
529Shlobin OA, 2020, THE TROUBLE WITH GROUP 3 PULMONARY HYPERTENSION IN INTERSTITIAL LUNG DISEASE: DILEMMAS IN DIAGNOSIS AND THE CONUNDRUM OF TREATMENT @ CHEST, V158, P1651-1664
627Gahlemann M, 2019, NINTEDANIB FOR SYSTEMIC SCLEROSIS-ASSOCIATED INTERSTITIAL LUNG DISEASE @ N ENGL J MED, V380, P2518-2528
726Cottin V, 2019, NINTEDANIB IN PROGRESSIVE FIBROSING INTERSTITIAL LUNG DISEASES @ N ENGL J MED, V381, P1718-1727
826Richeldi L, 2022, 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, V205, P0
924Clements PJ, 2016, MYCOPHENOLATE MOFETIL VERSUS ORAL CYCLOPHOSPHAMIDE IN SCLERODERMA-RELATED INTERSTITIAL LUNG DISEASE (SLS II): A RANDOMISED CONTROLLED DOUBLE-BLIND PARALLEL GROUP TRIAL @ LANCET RESPIR MED, V4, P708-719
1023Hoeper MM, 2022, 2022 ESC/ERS GUIDELINES FOR THE DIAGNOSIS AND TREATMENT OF PULMONARY HYPERTENSION @ EUR HEART J, V43, P3618-3731

Tabela 5: 10 najczęściej cytowanych referencji.Cytowane referencje pobrano z odduplikowanego zbioru danych i przeanalizowano za pomocą programu CiteSpace. „Count” odnosi się do częstotliwości współcytowania danej referencji w literaturze. Przedstawiono jedynie referencje z najwyższą liczbą współcytowań.

RangaCentralnośćLiteratura cytowana
10.42Clements PJ, 2016, MYKOFENOLAN MOFETYLU W PORÓWNANIU Z CYKLOFOSFAMDEM DO PODANIA DOUSTNEGO W LECZENIU MIĘŻYSTKOWEJ CHOROBY PŁUC POWIĄZANEJ Z TWARDZINĄ UKŁADU POŁĄCZNOGO (SLS II): ZRANDOMIZOWANE, KONTROLOWANE, PODWÓJNIE ŚLEPE BADANIE Z RÓWNOLEGŁYMI GRUPAMI @ LANCET RESPIR MED, V4, P708-719
20.41Barbera JA, 2017, POCZĄTKOWA TERAPIA ŁĄCZONA AMBRISENTANEM I TADALAFILEM W NADCIŚNIENIU PŁUCNYM POWIĄZANYM Z CHOROBAMI TKANKI ŁĄCZNEJ (CTD-PAH): ANALIZA PODGRUPY Z BADANIA AMBITION @ ANN RHEUM DIS, V76, P1219-1227
30.32Hachulla E, 2013, PRZEŻYWALNOŚĆ W NADCIŚNIENIU PŁUCNYM POWIĄZANYM Z UKŁADOWĄ STWARDNIENIĄ SKÓRNYM W ERZE NOWOCZESNEGO LECZENIA @ ANN RHEUM DIS, V72, P1940-1946
40.26Visovatti S, 2019, PREVALENCE TREATMENT AND OUTCOMES OF COEXISTENT PULMONARY HYPERTENSION AND INTERSTITIAL LUNG DISEASE IN SYSTEMIC SCLEROSIS @ ARTHRITIS RHEUMATOL, V71, P1339-1349
50.25Dimopoulos K, 2014, BOSENTAN W NADCIŚNIENIU PŁYCNYM STÓWIAJĄCYM SIĘ Z WŁÓKNISTYM IDIOPATYCZNYM ŚRÓDMIKŚNIOWYM ZAPALENIEM PŁUC @ AM J RESPIR CRIT CARE MED, V190, P208-217
60.24Smith P, 2021, INHALOWANY TREPROSTINIL W NADCIŚNIENIU PŁUCNYM WYNIKAJĄCYM Z ŚRÓDMIĄŻSNOWEJ CHOROBY PŁUC @ N. ENGL. J. MED, V384, P325-334
70.24Pausch C, 2022, FENOTYPOWANIE IDIOPATYCZNEGO NADCIŚNIENIA TĘTNICZEGO PŁUC: ANALIZA REJESTRU @ LANCET RESPIR MED, V10, P937-948
80.21Cottin V, 2019, NINTEDANIB W POSTĘPUJĄCYCH WŁÓKNIAJĄCYCH CHOROBACH ŚRÓDMIŻSZNOWYCH PŁUC @ N ENGL J MED, V381, P1718-1727
90.21Beghetti M, 2016, WYTYCZNE ESC/ERS Z 2015 ROKU DOTYCZĄCE DIAGNOSTYKI I LECZENIA NADCIŚNIENIA PŁUCNEGO: WSPÓLNA GRUPA ROBOCZA DO SPRAW DIAGNOSTYKI I LECZENIA NADCIŚNIENIA PŁUCNEGO EUROPEJSKIEGO TOWARZYSTWA KARDIOLOGICZNEGO (ESC) I EUROPEJSKIEGO TOWARZYSTWA ODYCHOWEGO (ERS): ZATWIERDZONE PRZEZ: EUROPEJSKIE STOWARZYSZENIE KARDIOLOGII DZIECIĘCEJ I WADZ PRZYRODZONYCH (AEPC) @ MIĘDZYNARODOWE TOWARZYSTWO PRZESZCZEPÓW SERCA I PŁUC (ISHLT), VEur. Heart J, P67-119
100.21Pope JE, 2018, ALGORYTMY LECZENIA TWARDNINY UKŁADOWEJ WEDŁUG EKSPERTÓW @ ARTHRITIS RHEUMATOL, V70, P1820-1828

Tabela 6: 10 najważniejszych referencji pod względem centralności. Centralność została obliczona przy użyciu programu CiteSpace. Mierzy ona znaczenie referencji jako pomostu łączącego różne klastry współcytowań. Wyższe wartości wskazują, że dana referencja odgrywa kluczową rolę w integrowaniu różnorodnych tematów badawczych.

Tabela uzupełniająca 1: Parametry wyszukiwania w bazach danych Web of Science Core Collection oraz Scopus.Tabela ta szczegółowo przedstawia wersje baz danych, daty dostępu, pola wyszukiwania, zakresy dat, typy dokumentów, ograniczenia językowe oraz filtry obszarów tematycznych zastosowane podczas procesu przeglądu literatury.Kliknij tutaj, aby pobrać ten plik.

Tabela uzupełniająca 2: Pełne rekordy literaturowe pobrane z Web of Science i Scopus przed i po usunięciu duplikatów.Tabela ta przedstawia kompletne wyeksportowane rekordy wszystkich dokumentów zidentyfikowanych w Web of Science Core Collection oraz Scopus. Tabela składa się z trzech sekcji: rekordów pochodzących wyłącznie z WoSCC, rekordów pochodzących wyłącznie z Scopus oraz zdeduplikowanej listy scalonej. Rekordy zduplikowane zostały zidentyfikowane i usunięte na podstawie numerów DOI.Prosimy kliknąć tutaj, aby pobrać ten plik.

Tabela uzupełniająca 3: Skrypty R użyte do przetwarzania, analizy i wizualizacji danych w niniejszym badaniu. Tabela ta zawiera wykaz wszystkich skryptów R użytych w badaniu, w tym tych służących do analizy bibliometrycznej, łączenia i deduplikacji danych, generowania diagramów Venna oraz zadań statystycznych i wykresów dla genów wspólnych.Kliknij tutaj, aby pobrać ten plik.

Tabela uzupełniająca 4: Surowe dane dotyczące oddziaływań białko-białko (PPI). Tabela ta przedstawia szczegółowe dane pobrane z bazy danych STRING i zwizualizowane podczas etapu analizy PPI.Kliknij tutaj, aby pobrać ten plik.

Tabela uzupełniająca 5: Szczegółowe surowe dane ścieżek KEGG pozyskane na potrzeby niniejszego badania. Tabela ta przedstawia kompletne surowe dane z analizy wzbogacenia ścieżek KEGG (Kyoto Encyclopedia of Genes and Genomes), w tym identyfikator ścieżki, nazwę ścieżki, liczbę genów wejściowych przypisanych do ścieżki, listę zaangażowanych genów oraz specyficzne parametry wzbogacenia.Prosimy kliknąć tutaj, aby pobrać ten plik.

Dyskusja

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

To study przedstawia pierwszą zintegrowaną aplikację bibliometrii i bioinformatyki w celu zbadania współwystępowania ILD i PH. Systematycznie przegląda rozwój, strukturę wiedzy i najnowsze trendy w tej dziedzinie przez ostatnią dekadę, a także identyfikuje kluczowe geny i kluczowe szlaki sygnałowe leżące u podstaw tego stanu współwystępowania na poziomie molekularnym. Z perspektywy makrotrendów liczba publikacji w tej dziedzinie wzrosła z 142 w 2016 roku do 402 w 2025 roku, co oznacza prawie trzykrotny wzrost, odzwierciedlając utrzymujący się wzrost uwagi akademickiej na współwystępowanie ILD-PH. Znaczące wzrosty zaobserwowano w dwóch okresach: 2020–2022 i 2023–2025. Punkt zwrotny wzrostu wokół 2020 roku zbiegł się z pandemią COVID-19; jest możliwe, że pandemia pośrednio stymulowała wzrost liczby badań związanych z tym tematem poprzez wywoływanie lub zaostrzanie ILD i PH. Szczyt w latach 2022-2023 można przypisać zwiększonej eksploracji, walidacji i wstępnej klinicznej aplikacji metod leczenia PH-ILD29,30,31. Ten ostatni wzrost można częściowo wyjaśnić rozwojem nowych terapii ukierunkowanych oraz zastosowaniem sztucznej inteligencji w diagnostyce32,33,34.

Jeśli chodzi o wkłady narodowe i współpracę międzynarodową, Stany Zjednoczone wyprzedzały inne kraje z 823 publikacjami i 21 943 cytowaniami. Jego centralna pozycja znajduje odzwierciedlenie nie tylko w objętości wyników, ale także w znacznie wyższej łącznej sile łączy w międzynarodowej sieci współpracy w porównaniu z innymi krajami, tworząc rozległą sieć współpracy. Kraje europejskie, w tym Włochy, Francja i Zjednoczone Królestwo, wyprzedzały je nieznacznie, tworząc wysoce powiązany klaster badań o ścisłych więziach współpracy. Wśród krajów azjatyckich, Japonia i Chiny zajęły piąte i szóste miejsce pod względem liczby publikacji, ale ich wskaźnik cytowań na publikację jest nadal znacznie niższy niż w krajach europejskich, takich jak Niemcy i Francja, co wskazuje, że ich wpływ akademicki w tej dziedzinie wymaga dalszego ulepszenia. Jeśli chodzi o dystrybucję czasopism, wysoko impactowe czasopisma, takie jak European Respiratory Journal i Journal of Heart and Lung Transplantation, publikują najbardziej wpływowe wyniki w tej dziedzinie, podczas gdy wyspecjalizowane czasopisma, takie jak Journal of Clinical Medicine i Pulmonary Circulation, przyczyniają się do większości wyników publikacji. Ten wzorzec dystrybucji pokazuje, że badania w tej dziedzinie są głównie publikowane w specjalistycznych czasopismach dotyczących chorób układu oddechowego, ale również obejmują współpracę multidyscyplinarną. Na poziomie autorów, amerykański uczony Nathan, Steven D. zajął pierwsze miejsce zarówno pod względem liczby publikacji, jak i cytowań, co czyni go najbardziej wpływowym rdzennym badaczem w tej dziedzinie. Francuscy uczeni Launay, David, Cottin, Vincent i Humbert, Marc utworzyli drugą co do wielkości grupę badawczą skoncentrowaną we Francji. Ta dystrybucja jest bardzo zgodna z dominacją Stanów Zjednoczonych i Francji obserwowaną w analizie krajów i czasopism, co potwierdza wiodącą rolę tych dwóch narodów w badaniach nad współwystępowaniem ILD-PH.

Integracja bibliometrii i bioinformatyki w tym protokole oferuje dwuwarstwową ramę analityczną, która wykracza poza każdą z metod stosowanych osobno. Bibliometria rejestruje trendy badań na makropoziomie, sieci współpracy i ewoluujące punkty gorączki w literaturze, zapewniając widok z wysokości ptaka nad dziedziną. Bioinformatyka z kolei wydobywa dane molekularne z publicznych baz danych, aby zidentyfikować kandydatów na geny, interakcje białkowe i wzbogacone szlaki. Łącząc te dwie warstwy, to podejście pozwala badaczom ocenić, czy dany molekularny cel lub szlak jest zgodny z nowo powstałymi zainteresowaniami klinicznymi, dzięki czemu generowane są hipotezy, które są zarówno wspierane przez literaturę, jak i mechanicznie wiarygodne. Ta synergia jest szczególnie cenna dla złożonych przypadłości jak ILD-PH, gdzie integracja międzydyscyplinarna jest często niedostateczna.

Jeśli chodzi o ewolucyjną trajektorię tematów badawczych, analizy współwystępowania i wykrywania wybuchów słów kluczowych i referencji ukazują ścieżkę rozwojową w tej dziedzinie: od zrozumienia mechanizmów choroby, poprzez zbadanie norm diagnostycznych i terapeutycznych, aż do zarządzania precyzyjnego i oceny rokowania. W latach 2016–2020 pojawienie się wybuchowych słów kluczowych takich jak „patofizjologia”, „pojemność dyfuzyjna płuc” i „tomografia” odzwierciedlało podstawowe badania nad mechanizmami patologicznymi ILD-PH oraz metodami oceny funkcji płuc i obrazowania. Od 2018 do 2022 roku wybuchowe słowa kluczowe, takie jak „diagnostyka różnicowa”, „wytyczne praktyczne” i „steroid”, wskazywały, że standaryzowane diagnostyczne i terapeutyczne wytyczne sta

Oświadczenia

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

Autorzy nie zgłaszają żadnych konfliktów interesów w niniejszej pracy.

Podziękowania

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

Autorzy z dużym uznaniem zwracają się z podziękowaniem za wsparcie finansowe ze strony Krajowego Głównego Projektu ds. Nietopikowych Chorób Przewlekłych – Nauka i Technologia (2024ZD0522300, 2024ZD0522301) oraz Funduszu Badań Centralnego Instytutu Non‑profitowego Chińskiej Akademii Nauk Medycznych (2022‑ZHCH330‑01).

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Bibliometric Online Analysis PlatformK-Synth Srl (Bibliometric)https://bibliometric.comPlatform do analizy online; moduł: Relacje krajowe; generuje diagram szarpnięć współpracy krajowej; dostęp 10 marca 2026
CiteSpaceDrexel University6.4.R1Analiza bibliometryczna; przekroje czasowe: 2016–2025; typy węzłów: słowa kluczowe, odniesienia; przycinanie: Pathfinder + Pruning sliced networks
clusterProfiler (pakiet R)Guangchuang Yu et al.4.13.2Analiza wzbogacenia KEGG; progi: p < 0.05, q < 0.2
CytoscapeCytoscape Consortium3.10.3Wizualizacja i analiza sieci; wtyczka: CytoHubba; algorytm: centralność stopnia; używany do identyfikacji genów centralnych
GeneCardsWeizmann Institute of Sciencehttps://www.genecards.orgBaza danych informacji o genach; wersja bazy danych 5.22; dostęp 12 marca 2026; kryterium filtrowania: Punktacja istotności ≥ 1
Journal Citation Reports (JCR)Clarivate Analyticshttps://jcr.clarivate.comIndeks wpływu czasopisma i odczytywanie kwartyli; dostęp 9 marca 2026
KEGGKyoto Encyclopedia of Genes and Genomeshttps://www.kegg.jpBaza danych ścieżek; dostęp za pośrednictwem API clusterProfiler 13 marca 2026; gatunki: hsa
MeSH DatabaseNational Library of Medicine (NLM)https://meshb.nlm.nih.govBaza danych zapytań terminów MeSH; dostęp 9 marca 2026; używane do konstruowania strategii wyszukiwania
Microsoft ExcelMicrosoft Corporation16.88 (Microsoft 365)Statystyki danych i tworzenie wykresów; używane do liczenia publikacji, deduplikacji, rysowania wykresów
org.Hs.eg.db (pakiet R)Bioconductor Core Team3.20.0Baza danych adnotacji genomu ludzkiego; używane do konwersji ID genów
RR Core Team4.4.2Środowisko obliczeniowe i do rysowania; data uruchomienia: 13 marca 2026
Scimago GraphicaScimago Lab2Narzędzie do wizualizacji; układ: projekcja mapy; krzywizna krawędzi: 0,5; mapowanie kolorów: według klastra
ScopusElsevierhttps://www.scopus.comBaza danych do odczytywania literatury; edycja Elsevier Scopus 2026 complete; data odczytu: 9 marca 2026
STRINGEMBL12.0 / https://cn.string-db.orgBaza danych interakcji białko-białko; dostęp 12 marca 2026; próg wyniku interakcji: 0.7 (wysokiej pewności); typ sieci: fizyczna + funkcjonalna
VOSviewerLeiden University1.6.20Analiza bibliometryczna; współautorstwo jako typ analizy; metoda normalizacji: siła asocjacji
Web of Science Core CollectionClarivate Analyticshttps://www.webofscience.comBaza danych do odczytywania literatury; obejmuje podbazy danych SCIE i SSCI; data odczytu: 9 marca 2026

Bibliografia

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

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Biologianumer 234numer 234

Powiązane artykuły