國際生物信息學(xué)研究的可視化分析

游　鴿，李延暉，劉　向

(華中師范大學(xué) 信息管理學(xué)院 , 武漢 430079)

國際生物信息學(xué)研究的可視化分析

游鴿，李延暉*，劉向

(華中師范大學(xué) 信息管理學(xué)院 , 武漢 430079)

摘要：利用當(dāng)前主流的信息可視化分析軟件CiteSpace對2005~2014年間SCI收錄的生物信息學(xué)的5種高影響力外文期刊所刊載論文的題錄數(shù)據(jù)進(jìn)行統(tǒng)計和可視化分析，繪制該領(lǐng)域的關(guān)鍵詞共現(xiàn)、膨脹詞共現(xiàn)、經(jīng)典文獻(xiàn)共現(xiàn)、高被引文獻(xiàn)共現(xiàn)和關(guān)鍵節(jié)點文獻(xiàn)共現(xiàn)的網(wǎng)絡(luò)可視化圖譜，試圖揭示生物信息學(xué)領(lǐng)域的研究熱點、研究前沿以及知識基礎(chǔ)，以期幫助研究人員了解該領(lǐng)域在國際范圍內(nèi)的研究態(tài)勢。

關(guān)鍵詞：生物信息學(xué)；CiteSpace；信息可視化；知識圖譜；研究前沿 是作者對文章核心研究內(nèi)容的精煉，學(xué)科領(lǐng)域里高頻次出現(xiàn)的關(guān)鍵詞可被視為該領(lǐng)域里的研究熱點[13]。在CiteSpace軟件界面選擇關(guān)鍵路徑探測算法(Pathfinder)——該算法經(jīng)過模型運算來剪切網(wǎng)絡(luò)中大部分不重要的節(jié)點關(guān)聯(lián)，只保留最重要的節(jié)點關(guān)聯(lián)，同時讓所有的節(jié)點均保持不動，以便從最大程度上將原網(wǎng)絡(luò)簡化為一個最小值網(wǎng)絡(luò)[14, 15]；網(wǎng)絡(luò)節(jié)點選為關(guān)鍵詞；數(shù)據(jù)抽取對象設(shè)為top30；設(shè)置TimeScaling的值為1(即將2005~2014年分成10個時段進(jìn)行處理)。運行CiteSpace，得到生物信息學(xué)關(guān)鍵詞共現(xiàn)圖，見圖1。

“生物信息學(xué)”是英文“Bioinformatics”的中文譯名，1991年美國學(xué)者Lim在其發(fā)表的文章首次使用該詞[1]。生物信息學(xué)是包含了生物信息的獲取、處理、儲存、分析和解釋等在內(nèi)的所有方面的一門交叉學(xué)科，它是綜合數(shù)學(xué)、計算機(jī)科學(xué)和生物學(xué)的各種工具進(jìn)行研究，目的在于了解和闡明大量生物信息學(xué)數(shù)據(jù)所包含的生物意義[2]。

進(jìn)入21世紀(jì)，生物信息學(xué)相關(guān)出版物井噴式增加，儼然成為當(dāng)下研究熱點領(lǐng)域之一。為了厘清生物信息學(xué)研究的發(fā)展脈絡(luò)，盡快獲悉國際同行的研究動向，國外多位學(xué)者對生物信息學(xué)領(lǐng)域的研究趨勢進(jìn)行了相應(yīng)的研究，比如：Ouzounis C A 運用定性分析的方法對生物信息學(xué)的早期發(fā)展階段做了回顧[3]。Patra, SK 對PubMed數(shù)據(jù)庫中主題為生物信息學(xué)的研究文獻(xiàn)進(jìn)行了計量分析，試圖揭示該領(lǐng)域的演變歷程和發(fā)展趨勢[4]。Perez-Iratxeta C 對生物信息學(xué)的演化和發(fā)展趨勢做了研究，并將生物信息學(xué)定性為具有驚人增長動力的新興學(xué)科[5]。Glanzel, W 對生物信息學(xué)領(lǐng)域的核心文獻(xiàn)的出版活動和引文影響力進(jìn)行了比較分析[6]。Song M對PubMed數(shù)據(jù)庫中2000至2011年生物信息學(xué)領(lǐng)域的文獻(xiàn)與引文進(jìn)行了計量分析，并指出了該領(lǐng)域最有成效的作者、機(jī)構(gòu)、國家以及最流行的主題詞[7]。近些年，國內(nèi)也有多位學(xué)者從定性或定量多個視角對生物信息學(xué)領(lǐng)域的研究熱點進(jìn)行了相關(guān)研究，其中，王玉梅采用科學(xué)計量學(xué)和統(tǒng)計學(xué)方法對CBMdisk 生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫、中國期刊網(wǎng)2002年以前國內(nèi)正式發(fā)表的生物信息學(xué)文獻(xiàn)和首屆中國生物信息學(xué)會議論文進(jìn)行了統(tǒng)計分析，試圖發(fā)現(xiàn)該領(lǐng)域的演化路徑與發(fā)展趨勢[8]。宋茂海利用共詞分析的方法對生物信息學(xué)的關(guān)鍵詞進(jìn)行聚類分析，試圖探討該研究領(lǐng)域的學(xué)科分類和熱點內(nèi)容[9]。種樂熹和胡德華對發(fā)表在Nucleic Acids Research 期刊上有關(guān)生物信息學(xué)軟件研究的文獻(xiàn)做了可視化分析，試圖揭示了該領(lǐng)域的重要研究力量、知識基礎(chǔ)與研究熱點[10]。生物信息界進(jìn)行的類似回顧研究或?qū)ρ芯壳把睾蜔狳c的探測，不僅能較好的展示該學(xué)科領(lǐng)域某一時間內(nèi)的變化規(guī)律，還有助于該領(lǐng)域的學(xué)者們更快、更好地了解本研究領(lǐng)域的研究重點與發(fā)展趨勢。

以美國科學(xué)情報研究所編輯出版的2014年自然科學(xué)版期刊引證報告為依據(jù)，選取5種高影響力外文期刊在2005~2014年所刊載研究論文的題錄數(shù)據(jù)作為研究樣本，利用信息可視化軟件——CiteSpace，結(jié)合文獻(xiàn)計量的相關(guān)方法，從多方面對生物信息學(xué)的研究狀況、研究熱點和前沿進(jìn)行可視化分析，以期有益于我國生物信息學(xué)的研究工作。

1 數(shù)據(jù)與方法

1.1　數(shù)據(jù)來源

期刊引用報告依據(jù)來自 ISI Web of Science 平臺中引文數(shù)據(jù)，是一種獨特的多學(xué)科期刊評價工具。本文選取2014年自然科學(xué)版期刊引證報告中生物信息學(xué)專業(yè)目錄下綜合影響力較高和相關(guān)性較強的5種期刊作為數(shù)據(jù)來源，期刊名依次為Bioinformatics、BMC Bioinformatics、Briefings in Bioinformatics、PLoS Computational Biology、Nature Genetics，檢索數(shù)據(jù)庫選定為Web of Science TM核心合集，檢索期限設(shè)定為2005~2014，出版類型設(shè)定為article，共計檢索到18 789條符合條件的數(shù)據(jù)記錄(檢索時間：2015年11月4日)，下載的方式設(shè)定為全紀(jì)錄(包含引用的參考文獻(xiàn))。

1.2　研究工具和方法

引文分析可視化是信息可視化的重要分支，在處理完海量的引文數(shù)據(jù)之后，利用信息可視化技術(shù)使人們更直觀地觀察瀏覽和理解信息，進(jìn)而找到數(shù)據(jù)中隱藏的規(guī)律和模式[11]。當(dāng)前開展引文分析多應(yīng)用統(tǒng)計學(xué)中的一些工具，如SPSS、Pajek等，但是其可視化的效果較為單調(diào)，信息可視化工具CiteSpace軟件[12]正好彌補上述不足，并且它在時序分析和熱點凸顯上具有顯著的特征和優(yōu)勢。

采用CiteSpace軟件，將18 789篇以全記錄形式保存的純文本題錄數(shù)據(jù)導(dǎo)入信息可視化軟件進(jìn)行相應(yīng)的分析處理，繪制關(guān)鍵詞共現(xiàn)、膨脹詞共現(xiàn)、經(jīng)典文獻(xiàn)共現(xiàn)、高被引文獻(xiàn)共現(xiàn)、關(guān)鍵節(jié)點文獻(xiàn)共現(xiàn)的網(wǎng)絡(luò)可視化圖譜，借此來揭示國際生物信息學(xué)領(lǐng)域的研究狀況和發(fā)展動態(tài)。

2研究熱點與研究前沿

2.1　研究熱點探測

圖1　生物信息學(xué)領(lǐng)域主要研究熱點知識圖譜Fig.1　Knowledge map of hot domains on bioinformatics

圖1共有84個節(jié)點，20條連接線，圖中每個圓形節(jié)點代表關(guān)鍵詞，節(jié)點及其標(biāo)簽大小與詞匯出現(xiàn)的頻次成正比，較大的節(jié)點可視為近十年國際生物信息學(xué)領(lǐng)域主要研究熱點主題，表1是近十年國際生物信息學(xué)領(lǐng)域研究熱點詞頻統(tǒng)計。通過詞藻聚類和主題分析得到國際生物信息學(xué)的研究熱點主要集中在基因組與遺傳學(xué)研究、蛋白組學(xué)研究、細(xì)胞與分子生物學(xué)研究、基因的數(shù)據(jù)挖掘分析、生物系統(tǒng)建模與仿真等五大領(lǐng)域，依次對應(yīng)圖1中#A、#B、#C、#D、#E五個子聚類。

2.2　研究前沿分析

研究某學(xué)科領(lǐng)域的研究前沿對該學(xué)科領(lǐng)域研究人員具有重要意義，可使研究者及時準(zhǔn)確地把握學(xué)科研究前沿和最新演化動態(tài)，還可預(yù)測學(xué)科發(fā)展的方向和未來需進(jìn)一步研究的熱點問題[16]。探測研究前沿可利用CiteSpace的膨脹詞探測算法，通過考察詞頻的時間分布，將其中頻次變化率高的名詞短語從主題詞中探測出來，依靠詞頻的變動趨勢，而不僅僅是頻次的高低，來確定學(xué)科領(lǐng)域的研究前沿[17]。在軟件界面選擇膨脹詞探測算法；網(wǎng)絡(luò)節(jié)點選為膨脹詞；收據(jù)抽取對象設(shè)為top50；設(shè)置TimeScaling的值為1。運行CiteSpace繪制出近十年國際生物信息學(xué)領(lǐng)域研究前沿與趨勢知識圖譜，見圖2。

如圖2所示：該共引網(wǎng)絡(luò)是由427個節(jié)點、73條連線組成，圖中突變名詞短語頻次最高的是酵母(Saccharomyces-cerevisiae)、其次是序列比對 (Sequence-alignment)、蛋白質(zhì)序列(Protein-sequence)、氨基酸(Amino-acids)、補充信息(Supplementary-information)、人類基因組(Human-genome)、基因表達(dá)譜(Gene-expression-profiles)、比值比(Odds-ratio)、序列相似性(Sequence-similarity)等。從圖2可看出國際生物信息學(xué)前沿主要有功能基因組與比較基因組學(xué)、蛋白質(zhì)結(jié)構(gòu)比對與預(yù)測、分子進(jìn)化分析、生物計算等領(lǐng)域：

圖2 　生物信息學(xué)領(lǐng)域研究前沿與趨勢知識圖譜Fig.2　Knowledge map of frontiers and trends on bioinformatics

(1)表征功能基因組與比較基因組學(xué)作為生物信息學(xué)前沿的突變名詞短語包括序列比對 (Sequence-alignment)、人類基因組(Human-genome)、基因表達(dá)譜(Gene-expression-profiles)、對比分析(Comparative-analysis)、對照基因組(Reference-genome)、多序列比對(Multiple-sequence-alignments)、基因組序列(Genomic-sequences)等。

(2)表征蛋白質(zhì)結(jié)構(gòu)比對與預(yù)測作為生物信息學(xué)前沿的突變名詞短語包括蛋白質(zhì)序列(Protein-sequences)、氨基酸(Amino-acids)、氨基酸序列(Amino-acid-sequence)、蛋白質(zhì)值數(shù)據(jù)銀行(Protein-data-bank)、相互作用的蛋白質(zhì)(Interacting-proteins)、蛋白質(zhì)家族(Protein-family)等。

(3)分子進(jìn)化分析作為生物信息學(xué)前沿的突變名詞短語包括酵母(Saccharomyces-cerevisiae)、補充信息(Supplementary-information)、比值比(Odds-ratio)、分子動力模擬(Molecular-dynamics-simulations)、分子生物學(xué)(Molecular-biology)、擬南芥(Arabidopsis-thaliana)、共變異(Common-variants)、分子機(jī)制(Molecular-mechanism)等。

(4)表征生物計算作為生物信息學(xué)前沿的突變名詞短語包括計算模型(Computational-model)、支持向量機(jī)(Support-vector-machines)、強大工具(Powerful-tool)、芯片技術(shù)(Microarray-technology)、統(tǒng)計效率(Statistical-power)、微陣列數(shù)據(jù)分析(Microarray-data-analysis)等。

另外，從圖2中還可以發(fā)現(xiàn)，近十年來生物信息學(xué)領(lǐng)域研究前沿還有如下內(nèi)容：生物途徑(Biological-pathways)、系統(tǒng)發(fā)育樹(Phylogenetic-tree )、Web應(yīng)用(Web-application)、生命科學(xué)(Life-sciences)、印跡分析(Blot-analysis)、人類疾病(Human-diseases)等。

3知識基礎(chǔ)分析

通過對知識基礎(chǔ)進(jìn)行分析，可使研究者更好地了解生物信息學(xué)的發(fā)展脈絡(luò)和研究基礎(chǔ)。知識基礎(chǔ)有助于進(jìn)一步指出研究前沿的本質(zhì)，從文獻(xiàn)計量學(xué)的角度來看，引文形成了研究前沿，被引文獻(xiàn)生成了知識基礎(chǔ)[18]。開展學(xué)科領(lǐng)域知識基礎(chǔ)的分析包括對早期奠基性文獻(xiàn)分析以及對一組共被引頻次和中心性都比較高的關(guān)鍵文獻(xiàn)分析[19]。通過繪制近十年國際生物信息學(xué)領(lǐng)域文獻(xiàn)共被引網(wǎng)絡(luò)，分別進(jìn)行時間、被引頻次和中心性三方面的分析，進(jìn)而明確生物信息學(xué)領(lǐng)域的知識基礎(chǔ)。

3.1　早期經(jīng)典文獻(xiàn)

早期奠基性文獻(xiàn)是科學(xué)領(lǐng)域后期發(fā)展的堅實基礎(chǔ)，通過對近十年國際生物信息學(xué)領(lǐng)域被引文獻(xiàn)進(jìn)行時間分析可得出該領(lǐng)域的早期奠基性文獻(xiàn)。設(shè)置參數(shù)運行CiteSpace并選擇時間線(Timeline)視圖，得到近十年國際生物信息學(xué)領(lǐng)域早期奠基性文獻(xiàn)時間序列知識圖譜，見圖3。

圖3　國際生物信息學(xué)早期奠基性文獻(xiàn)時間序列知識圖譜Fig.3　Time line knowledge map of early foundational literatures on international bioinformatics

圖3顯示發(fā)表于1970~1999年間的9篇早期奠基性文獻(xiàn)。1970年，Needleman et al.發(fā)表了A general method applicable to the search for similarities in the amino acid sequence of two proteins一文，該文首次引入了一種利用計算機(jī)尋找兩種蛋白質(zhì)的氨基酸序列之間的相似性的自適應(yīng)方法，該方法可以判斷蛋白質(zhì)之間是否存在顯著同源性，并由此來追溯它們的進(jìn)化發(fā)展歷程[20]。1977年，Dempster et al在Maximum Likelihood from Incomplete Data via the EM Algorithm一文中提出了一種計算最大似然估計廣泛適用的算法——EM算法[21]，后來該算法及其改進(jìn)型被廣泛用于生物計算中。1981年，Smith et al.發(fā)表了Identification of common molecular subsequences一文，該文指出如果我們假設(shè)連續(xù)子序列沒有內(nèi)部缺失或插入(片段)，那么解決最大的同源套之間的子序列的序列識別這個問題將變得很簡單[22]。1983年，Kabsch et al發(fā)表Dictionary of protein secondary structure: pattern recognition of hydrogen-bonded and geometrical features一文，該文對氨基酸序列與蛋白質(zhì)結(jié)構(gòu)之間的關(guān)系進(jìn)行了分析，并針對蛋白質(zhì)二級結(jié)構(gòu)制定了一系列簡單的用于氫鍵鍵合和幾何特征圖像識別處理的標(biāo)準(zhǔn)[23]。1990年，Altschul et al.發(fā)表Basic local alignment search tool一文，該文提出了一種被稱為基本局部比對搜索工具(BLAST)的快速序列比對方法，該工具可在DNA和蛋白質(zhì)序列數(shù)據(jù)庫中進(jìn)行數(shù)據(jù)檢索、基序檢索以及基因鑒定搜索，并可對相似的長DNA序列的多個區(qū)域進(jìn)行比對分析[24]。1994年，Thompson et al.發(fā)表CLUSTAL W: Improving the sensitivity of progressive multiple sequence alignment through sequence weighting, position-specific gap penalties and weight matrix choice一文，作者在常用的漸進(jìn)多序列比對方法基礎(chǔ)上提出了一種蛋白質(zhì)序列比對的新程序，它主要對權(quán)重的設(shè)置、氨基酸取代矩陣取向階段的設(shè)置等作了相應(yīng)的改進(jìn)[25]。1995年，Murzin et al 發(fā)表SCOP: a structural classification of proteins database for the investigation of sequences and structures一文，該文提出構(gòu)建一種蛋白質(zhì)結(jié)構(gòu)分類的數(shù)據(jù)庫——SCOP，這個數(shù)據(jù)庫將對已知結(jié)構(gòu)的蛋白質(zhì)的結(jié)構(gòu)和進(jìn)化關(guān)系進(jìn)行詳細(xì)而全面的介紹[26]。同年Benjamini et al 發(fā)表Controlling the false discovery rate: a practical and powerful approach to multiple testing一文，該文首次提出多重檢驗要控制偽發(fā)現(xiàn)率(FDR)這一概念[27]，后來FDR理論與方法被廣泛應(yīng)用于生物海量數(shù)據(jù)統(tǒng)計分析中。1997年，Altschul et al.發(fā)表了經(jīng)典著作Gapped BLAST and PSI-BLAST: A new generation of protein database search programs，作者提出一種運行速度是BLAST三倍的程序——PSI-BLAST，并且該程序在探測生物學(xué)相關(guān)序列相似性時更加敏感，還可以用來發(fā)現(xiàn)一些新的和有趣的BRCT超家族的成員[28]。以上9篇早期奠基性文獻(xiàn)為近十年生物信息學(xué)領(lǐng)域的研究發(fā)展奠定了堅實的理論與方法基礎(chǔ)，并為其指明了相應(yīng)的研究方向，是近十年來生物信息學(xué)研究領(lǐng)域十分重要的知識基礎(chǔ)。

3.2　高被引文獻(xiàn)

通常，高頻被引文獻(xiàn)中傳遞的知識易在某一時間段內(nèi)獲得較多研究者的認(rèn)同，并且相關(guān)研究者往往將這些高被引文獻(xiàn)內(nèi)所包含的觀點、知識作為開展下一步研究的知識基礎(chǔ)。因此，高被引文獻(xiàn)對生物信息學(xué)領(lǐng)域研究具有重大的參考價值，是該領(lǐng)域相關(guān)研究的知識基礎(chǔ)。利用CiteSpace軟件，網(wǎng)絡(luò)節(jié)點選擇參考文獻(xiàn)；以論文標(biāo)題、摘要和關(guān)鍵詞(包括描述詞和標(biāo)識符)作為前沿術(shù)語來源；將閥值設(shè)為top50；得到生物信息學(xué)研究領(lǐng)域文獻(xiàn)的共被引知識圖譜。

圖4　國際生物信息學(xué)的文獻(xiàn)共被引知識圖譜Fig.4　Knowledge map of literatures co-citation on international bioinformatics

圖4中節(jié)點的大小與節(jié)點相對應(yīng)的文獻(xiàn)被引頻次成正比，節(jié)點越大表明該文獻(xiàn)的被引頻次越高。選取共被引頻次不少于250的文獻(xiàn)作為近十年國際生物信息學(xué)領(lǐng)域的高被引文獻(xiàn)。通過對文獻(xiàn)被引頻次高低進(jìn)行分析后發(fā)現(xiàn)近十年國際生物信息學(xué)領(lǐng)域共有15篇高被引文獻(xiàn)。第一篇是Ashburner et al 于2000年發(fā)表的論文Gene ontology: Tool for the unification of biology，作者指出由于生物學(xué)中核心功能的基因很大一部分是由所有真核生物共享，所以知識共享這樣的蛋白質(zhì)在一個生物體的生物學(xué)作用往往可以轉(zhuǎn)移到其他生物體[29]。第二篇是Berman et al 于2000年發(fā)表的論文The protein data bank，該文介紹了一個用來研究生物大分子的結(jié)構(gòu)的數(shù)據(jù)庫——PDB，文中詳細(xì)介紹了PDB的建設(shè)目標(biāo)，系統(tǒng)數(shù)據(jù)的沉積和訪問以及如何獲得進(jìn)一步的信息的方式，除此之外還為未來資源的發(fā)展制定了近期計劃[30]。第三篇是Subramanian et al 于2005年發(fā)表的論文Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles，作者在文中描述了一種解釋全基因組表達(dá)譜的分析方法——基因組富集分析(GSEA)，并通過實證研究證明了該方法強大的適用性[31]。第四篇是Eisen于1998年發(fā)表的論文Cluster analysis and display of genome-wide expression patterns，該文使用標(biāo)準(zhǔn)統(tǒng)計學(xué)算法根據(jù)基因表達(dá)譜的相似性對DNA微陣列雜交的全基因組表達(dá)數(shù)據(jù)進(jìn)行了聚類分析，結(jié)果顯示人類與芽殖酵母在基因表達(dá)數(shù)據(jù)組聚類上有相似的趨勢[32]。第五篇是Gentleman et al.于2004年發(fā)表的論文Bioconductor: open software development for computational biology and bioinformatics，作者為計算生物學(xué)和生物信息學(xué)研發(fā)了一種開放式的軟件開發(fā)工具平臺——Bioconductor，該平臺為計算生物學(xué)和生物信息學(xué)的可擴(kuò)展的軟件協(xié)同開發(fā)創(chuàng)造了條件[33]。限于篇幅，我們僅對前面的五篇文獻(xiàn)做詳細(xì)的說明，第6~15篇[34-43]高被引文獻(xiàn)按共被引頻次從大到小排列于表2。

表2　國際生物信息學(xué)第6~15篇高被引文獻(xiàn)(共被引頻次≥250)

3.3　關(guān)鍵節(jié)點文獻(xiàn)

文獻(xiàn)節(jié)點中介中心性高低可反映一篇文獻(xiàn)對學(xué)科研究領(lǐng)域的樞紐作用。開展生物信息學(xué)領(lǐng)域關(guān)鍵節(jié)點文獻(xiàn)的探測，可找出一定時間內(nèi)該學(xué)科領(lǐng)域知識演化網(wǎng)絡(luò)中的轉(zhuǎn)折點，這些轉(zhuǎn)折點的節(jié)點中介中心性較高，處于不同知識聚類網(wǎng)絡(luò)的連接路徑上，可將其視為該學(xué)科交叉研究領(lǐng)域的重要知識基礎(chǔ)。中心性測量為發(fā)現(xiàn)學(xué)科研究領(lǐng)域的連接關(guān)鍵點(演化網(wǎng)絡(luò)中的轉(zhuǎn)折點)提供了計算方法，CiteSpace將關(guān)鍵點的計算測量和可視屬性進(jìn)行合并，將中介中心性Centrality≥0.3的節(jié)點視為關(guān)鍵點。設(shè)置CiteSpace參數(shù)，建閥值設(shè)為top30，運行軟件繪制近十年生物信息學(xué)領(lǐng)域關(guān)鍵節(jié)點文獻(xiàn)的知識圖譜，見圖5。

圖5　國際生物信息學(xué)關(guān)鍵節(jié)點文獻(xiàn)知識圖譜Fig.5　Knowledge map of core literatures on international bioinformatics

分析圖5中節(jié)點的中介中心性發(fā)現(xiàn)，近十年國際生物信息學(xué)領(lǐng)域關(guān)鍵節(jié)點(Centrality≥0.3)有8個。按照節(jié)點中介中心性大小進(jìn)行排序，本文將此8篇[44-51]關(guān)鍵節(jié)點文獻(xiàn)按照中介中心性大小依次排列如表3所示。

表3　國際生物信息學(xué)領(lǐng)域高中心度文獻(xiàn)(Centrality≥0.3)

4結(jié)論

本文利用信息可視化計量研究方法，從多方面對國際上近十年生物信息學(xué)研究領(lǐng)域的研究熱點、研究前沿及其知識基礎(chǔ)進(jìn)行可視化分析和展示，得到如下結(jié)論：

(1)通過繪制國際生物信息學(xué)領(lǐng)域的聚類視圖，生物信息學(xué)研究高頻詞匯主要有database、identification、expression、gene-expression、protein、prediction、sequence、algorithm等，并生成5大關(guān)鍵詞子聚類；進(jìn)一步對關(guān)鍵詞主題進(jìn)行分析得出近十年國際生物信息學(xué)領(lǐng)域的研究熱點分別是基因組與遺傳學(xué)研究、蛋白組學(xué)研究、細(xì)胞與分子生物學(xué)研究、基因的數(shù)據(jù)挖掘分析、生物系統(tǒng)建模與仿真等。

(2)從探測研究前沿的角度出發(fā)，得出近十年國際生物信息學(xué)領(lǐng)域研究前沿，主要有功能基因組與比較基因組學(xué)、蛋白質(zhì)結(jié)構(gòu)比對與預(yù)測、分子進(jìn)化分析、生物計算等領(lǐng)域。

(3)通過繪制近十年國際生物信息學(xué)領(lǐng)域文獻(xiàn)共被引網(wǎng)絡(luò)知識圖譜，分別對被引文獻(xiàn)進(jìn)行時間、被引頻次和中介中心性三方面的分析，得出最近十年生物信息學(xué)領(lǐng)域由9篇早期奠基性文獻(xiàn)、15篇高被引文獻(xiàn)和8篇高中心性關(guān)鍵文獻(xiàn)構(gòu)成的知識基礎(chǔ)。

參考文獻(xiàn)

[1]CANTOR C R,LIM H A.Electrophoresis,Supercomputing and the Hu-man genomes[M].New Jersey ：World Scientific Publishing Co,1991.

[2]張春霆. 生物信息學(xué)的現(xiàn)狀與展望 [J].世界科技研究與發(fā)展,2000，22(6):17-20.

ZHANG Chunting.The Current Status and The Prospect of Bioinformatics[J].World Sci-tech Research & Development,2000,22(6):17-20.

[3]OUZOUNIS C A,VALENCIA A. Early bioinformatics: the birth of a discipline-a personal view[J]. Bioinformatics,2003,19(17):2176-2190.

[4]PATRA S K, MISHRA S.Bibliometric study of bioinformatics literature[J].Scientometrics, 2006, 67(3): 477-489.

[5]PEREZ-IRATXETA C,ANDRADE-NAVARRO M A,WREN J D.Evolving research trends in bioinformatics[J].Briefings in Bioinformatics,2007, 8(2): 88-95.

[6]GL?NZEL W,JANSSENS F,THIJS B.A comparative analysis of publication activity and citation impact based on the core literature in bioinformatics[J].Scientometrics,2008,79(1):109-129.

[7]SONG M,KIM S Y,ZHANG G,et al.Productivity and influence in bioinformatics:A bibliometric analysis using PubMed central[J].Journal of the Association for Information Science and Technology,2014, 65(2):352-371.

[8]王玉梅, 王艷.基于文獻(xiàn)計量的我國生物信息學(xué)研究發(fā)展動態(tài)[J].科技情報開發(fā)與經(jīng)濟(jì), 2002, 12(5):1-3.

WANG Yumei,WANG Yan. Study on Developments and Tendency of Bio-information Science in Our Country Based on Literature Metrology[J].Sci-tech Information Development & Economy,2002,12(5): 1-3.

[9]宋茂海, 李東方.基于共詞分析的國內(nèi)生物信息學(xué)熱點領(lǐng)域研究[J]. 生物信息學(xué), 2014, 12(1): 46-52.

SONG Maohai, LI Dongfang. Hot spots analysis of China's bioinformatics based on co-word analysis method[J].Chinese Journal of Bioinformatics,2014,12(1): 46-52.

[10]種樂熹，胡德華. 生物信息學(xué)軟件研究的可視化分析[J]. 生物信息學(xué)，2015,13(1):54-67.

ZHONG Lexi, HU Dehua. Visualizing analysis of bioinformatics software research[J].Chinese Journal of Bioinformatics,2015,13(1): 46-52.

[11]李運景，侯漢清，薛春香，等. 可視化同被引分析技術(shù)綜述[J]. 圖書情報工作，2008，11: 22-25.

LI Yunjing,HOU Hanqing,XUE Chunxiang,et al. Study on the Key Techniques of Co-citation Visualization[J].Library and Information Service, 2008,11: 22-25.

[12]CHEN C M.CiteSpace II:Detecting and visualizing emerging trends and transient patterns in scientific literature[J].Journal of the American Society for Information Science and Technology,2006,57(3): 359-377.

[13]趙蓉英，許麗敏. 文獻(xiàn)計量學(xué)發(fā)展演進(jìn)與研究前沿的知識圖譜探析[J]. 中國圖書館學(xué)報，2010，05: 60-68.

ZHAO Rongying, XU Limin.The Knowledge Map of the Evolution and Research Frontiers of the Bibliomertrics[J]. Journal of Library Science in China,2010,05:60-68.

[14]CHEN C M.Visualising semantic spaces and author co-citation networks in digital libraries[J]. Information Processing & Management,1999,35(3):401-20.

[15]CHEN C M, PAUL R J.Visualizing a knowledge domain's intellectual structure[J].Computer, 2001, 34:65-71.

[16]邱均平，呂紅. 近五年國際圖書情報學(xué)研究熱點、前沿及其知識基礎(chǔ)——基于17種外文期刊知識圖譜的可視化分析 [J]. 圖書情報知識，2013，03: 4-15.

QIU Junping,Lü Hong.The Hot Domains,Research Fronts and Knowledge Base of International Library and Information Visua Analysis of 17 Journals’ Knowledge Map[J].Document Information & Knowledge, 2013, 03: 4-15.

[17]欒春娟，侯海燕，王賢文. 國際科技政策研究熱點與前沿的可視化分析[J]. 科學(xué)學(xué)研究，2009，02: 240-243.

LUAN Chunjuan,HOU Haiyan,WANG Xianwen.Visualization Analysis of the Hot Domains and the Research Edge in the Field of S&T Policy[J].Studies in Science of Science, 2009, 02: 240-243.

[18]PERSSON O. The intellectual base and research fronts of JASIS 1986-1990 [J].Journal of the American Society for Information Science, 1994, 45(1): 31-38.

[19]趙蓉英，王菊. 圖書館學(xué)知識圖譜分析[J].中國圖書館學(xué)報，2011，37(2):40-50.

ZHAO Rongying, WANG Ju. Knowledge mapping analysis of library science[J].Journal of Library Science in China, 2011, 37(2):40-50.

[20]NEELEMAN S B, WUNSCH C D. A general method applicable to the search for similarities in the amino acid sequence of two proteins[J]. Journal of molecular biology, 1970, 48(3): 443-453.

[21]DEMPSTER A P,LAIRD N M,RUBIN D B.Maximum likelihood from incomplete data via the EM algorithm[J].Journal of the Royal Statistical Society. Series B (Methodological), 1977,39(1):1-38.

[22]SMITH T F,WATERMAN M S.Identification of common molecular subsequences[J].Journal of Molecular Biology,1981,147(1):195-197.

[23]KABSCH W, SANDER C. Dictionary of protein secondary structure: pattern recognition of hydrogen-bonded and geometrical features[J]. Biopolymers, 1983, 22(12): 2577-2637.

[24]ALTSCHUL S F,GISH W,MILLER W,MYERS E W,LIPAN D J. Basic local alignment search tool[J].Journal of Molecular Biology,1990,215(3):403-410.

[25]THOMPSON J D, HIGGINS D G, GIBSON T J. CLUSTAL W: improving the sensitivity of progressive multiple sequence alignment through sequence weighting, position-specific gap penalties and weight matrix choice [J]. Nucleic Acids Research,1994,22(22):4673-4680.

[26]MURZIN A G,BRENNER S E,HUBBARD T.SCOP: a structural classification of proteins database for the investigation of sequences and structures[J]. Journal of Molecular Biology,1995,247(4):536-540.

[27]BENJAMINI Y, HOCHBERG Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing[J]. Journal of the Royal Statistical Society. Series B (Methodological), 1995,57(1): 289-300.

[28]ALTSCHUL S F, MADDEN T L, SCHAFFER A A, ZHANG J, ZHANG Z, MILLER W, et al. Gapped BLAST and PSI-BLAST:a new generation of protein database search programs [J]. Nucleic Acids Research,1997,25(17):3389-3402.

[29]SHBURNER M,BALL C A,BLAKE J A,BOTSTEIN D,BUTLER H,CHERRY J M,et al.Gene ontology: Tool for the unification of biology [J]. Nature Genetics, 2000, 25(1): 25-29.

[30]BERMAN H M, WESTBROOK J, FENG Z, et al.The protein data bank[J].Nucleic Acids Research,2000,28(1):235-242.

[31]SUBRAMANIAN A, TAMAYO P, MOOTHA V K, et al.Gene set enrichment analysis:a knowledge-based approach for interpreting genome-wide expression profiles[J]. Proceedings of the National Academy of Sciences of the United States of America, 2005, 102(43): 15545-15550.

[32]EISEN M B, SPELLMAN P T, BROWN P O, et al.Cluster analysis and display of genome-wide expression patterns[J].Proceedings of the National Academy of Sciences, 1998, 95(25): 14863-14868.

[33]GENTLEMAN R C, CAREY V J, BATES D M,et al. Bioconductor:open software development for computational biology and bioinformatics [J].Genome Biology, 2004, 5(10): R80.

[34]SHANNON P, MARKIEL A, OZIER O, et al. Cytoscape: a software environment for integrated models of biomolecular interaction networks[J].Genome Research, 2003, 13(11): 2498-2504.

[35]TUSHER V G,TIBSHIRANI R,CHU G.Significance analysis of microarrays applied to the ionizing radiation response[J].Proceedings of the National Academy of Sciences, 2001, 98(9): 5116-5121.

[36]GOLUB T R, SLONIM D K, TAMAYO P, et al. Molecular classification of cancer: class discovery and class prediction by gene expression monitoring[J]. Science, 1999, 286(5439): 531-537.

[37]PURCELL S, NEALE B, TODD-BROWN K, et al. PLINK: a tool set for whole-genome association and population-based linkage analyses[J]. The American Journal of Human Genetics, 2007, 81(3): 559-575.

[38]KANEHISA M, GOTO S. KEGG: kyoto encyclopedia of genes and genomes[J]. Nucleic Acids Research, 2000, 28(1): 27-30.

[39]SPELLMAN P T, SHERLOCK G, ZHANG M Q, et al. Comprehensive identification of cell cycle-regulated genes of the yeast Saccharomyces cerevisiae by microarray hybridization[J]. Molecular Biology of the Cell, 1998, 9(12): 3273-3297.

[40]EDGAR R C. MUSCLE: multiple sequence alignment with improved accuracy and speed[C]//Computational Systems Bioinformatics Conference, 2004. CSB 2004. Proceedings. 2004 IEEE. IEEE, 2004: 728-729..

[41]BOLSTAD B M, IRIZARRY R A, ?STRAND M, et al. A comparison of normalization methods for high density oligonucleotide array data based on variance and bias[J]. Bioinformatics, 2003, 19(2): 185-193.

[42]KENT W J. BLAT—the BLAST-like alignment tool[J]. Genome Research, 2002, 12(4): 656-664.

[43]BREIMAN L. Random forests[J]. Machine Learning, 2001, 45(1): 5-32.

[44]LANGMEAD B,TRAPNELL C,POP M,et al.Ultrafast and memory-efficient alignment of short DNA sequences to the human genome[J]. Genome Biology, 2009, 10(3): R25.

[45]MORTAZAVI A, WILLIAMS B A, MCCUE K, et al. Mapping and quantifying mammalian transcriptomes by RNA-Seq[J]. Nature Methods, 2008, 5(7): 621-628.

[46]TRAPNELL C,PACHTER L,SALZBERG S L.TopHat: discovering splice junctions with RNA-Seq[J].Bioinformatics, 2009, 25(9): 1105-1111.

[47]ANDERS S,HUBER W.Differential expression analysis for sequence count data[J]. Genome Biology, 2010, 11(10): R106.

[48]ROBINSON M D, MCCARTHY D J, SMYTH G K. edgeR: a Bioconductor package for differential expression analysis of digital gene expression data[J]. Bioinformatics, 2010, 26(1): 139-140.

[49]WETTENHALL J M, SMYTH G K. limmaGUI: a graphical user interface for linear modeling of microarray data[J]. Bioinformatics, 2004, 20(18): 3705-3706.

[50]TUSHER V G,TIBSHIRANI R,CHU G.Significance analysis of microarrays applied to the ionizing radiation response[J].Proceedings of the National Academy of Sciences, 2001, 98(9): 5116-5121.

[51]LI H,HANDSAKER B,WYSOKER A, et al.The sequence alignment/map format and SAMtools[J].Bioinformatics,2009,25(16):2078-2079.

Visualizing analysis of international bioinformatics research

YOU Ge,LI Yanhui*,LIU Xiang

(SchoolofInformationManagement,CentralChinaNormalUniversity,Wuhan430079,China)

Abstract：The current well-known information visualization software CiteSpace was used for statistical analysis and visualization for papers published in 5 high-impact international SCI journals from 2005 to 2014 in the field of bioinformatics, draw the network visualization patterns of keyword co-occurrence, bursting word co-occurrence,classic literature co-occurrence,highly cited literature co-occurrence and core literatures co-occurrence to reveal hot research topics and knowledge base of international bioinformatics for helping researchers to understand the trend of the research.

Keywords：Bioinformatics;CiteSpace;Information visualization;Knowledge mapping;Hot topics

中圖分類號：G350

文獻(xiàn)標(biāo)志碼：A

文章編號：1672-5565(2015)04-257-09

doi:10.3969/j.issn.1672-5565.2015.04.09

作者簡介：游鴿，男，碩士研究生，研究方向：生物信息學(xué)與數(shù)據(jù)挖掘；E-mail:374005361@qq.com.*通信作者：李延暉，男，教授，博士生導(dǎo)師，研究方向：生物仿真與數(shù)據(jù)挖掘；E-mail:yhlee@mail.ccnu.edu.cn.

收稿日期：2015-07-30；修回日期：2015-11-13.