心血管疾病組學(xué)研究相關(guān)文獻的可視化分析

壽鑫甜，王禹萌，段城林，賈秋蕾，袁果真，張雪松，薛文靜，尤雅萍，范少瑋，柴若寧，胡元會

心血管常見疾病（如心力衰竭、心肌梗死、心律失常、高血壓病等）嚴(yán)重危害人類健康。20世紀(jì)末，國際心血管病專家Braunwald預(yù)言，心房顫動（房顫）和慢性充血性心力衰竭將是21世紀(jì)心血管領(lǐng)域的主要堡壘[1]。在分子生物學(xué)中，組學(xué)是某種生物樣本的系統(tǒng)集合，主要包括基因組學(xué)、蛋白組學(xué)、代謝組學(xué)、轉(zhuǎn)錄組學(xué)、糖組學(xué)、免疫組學(xué)等。目前組學(xué)研究尤其是多組學(xué)聯(lián)合分析疾病具有較好的研究價值與前景。通過分子生物學(xué)技術(shù)，運用組學(xué)可研究疾病的病理機制，從而制定疾病預(yù)防、診斷、治療策略。本研究運用CiteSpace文獻計量軟件對心血管病組學(xué)研究進行分析，統(tǒng)計研究領(lǐng)域發(fā)文數(shù)量，了解作者、機構(gòu)、地區(qū)合作關(guān)系，探究文獻關(guān)鍵詞、共被引文獻體現(xiàn)的該領(lǐng)域研究熱點與意義，評估組學(xué)應(yīng)用于心血管疾病優(yōu)勢，探究該領(lǐng)域未來的研究方向。

1 方法

1.1 文獻檢索與處理以Web of Science Core Collection（WOSCC）為來源數(shù)據(jù)庫，以omics and cardiovascular*進行全字段檢索，檢索時間為2000～2021年，英語語種，文獻類型選擇article和review。此次檢索于2021年12月21日完成。將文獻的全記錄與引用的參考文獻以純文本的格式導(dǎo)出，并以download_*-*.txt命名。使用CiteSpace 5.8.R3 軟件進行文獻分析，數(shù)據(jù)以每年進行分塊，每次分析節(jié)點選擇1個。本次研究對合作分析節(jié)點“作者”、“機構(gòu)”、“國家”和共現(xiàn)分析節(jié)點“關(guān)鍵詞”，以及“引文”節(jié)點進行了分析。合作分析節(jié)點選擇k=10的g-index模型，關(guān)鍵詞選擇TOP 50并且使用pathfinder和pruning sliced networks進行圖譜精簡化。共被引分析選擇k=10的g-index模型并裁剪。

在CiteSpace圖譜網(wǎng)絡(luò)中，節(jié)點間連線越粗，兩者之間的聯(lián)系越多，連線顏色越鮮亮，合作時間越新近。中介中心性表示圖譜中節(jié)點的關(guān)鍵性強度，中介中心性越大，節(jié)點代表的中介聯(lián)系作用越大。圖譜中外圈顯示為紫色的即代表中介中心性強的節(jié)點（中心度＞0.1）。CiteSpace圖譜中的關(guān)鍵詞是根據(jù)下載的文本內(nèi)容從文獻中提取的。高頻率的關(guān)鍵詞代表了組學(xué)研究在心血管病某些階段的研究熱點。一個關(guān)鍵詞的中心度代表了它在網(wǎng)絡(luò)中的關(guān)鍵程度以及它與其他節(jié)點之間的關(guān)聯(lián)性。我們使用對數(shù)似然比（Log-Likelihood Ratio，LLR）算法對密切相關(guān)的關(guān)鍵詞進行聚類。共現(xiàn)詞（特征詞或關(guān)鍵詞）可以幫助識別研究熱點，尤其是在使用突發(fā)詞功能時[2,3]。關(guān)鍵詞突現(xiàn)顯示了某一時期內(nèi)關(guān)鍵詞的頻率以及關(guān)鍵詞的影響強度，突現(xiàn)詞的開始和結(jié)束之間的時間表示關(guān)鍵詞突現(xiàn)的時期。同一篇文章共引的兩篇文章形成共被引關(guān)系。共被引文獻代表了組學(xué)研究領(lǐng)域的核心文獻。文獻共被引圖譜可以通過使用圖譜上的關(guān)鍵節(jié)點幫助分析研究主題的演變[2]。文獻的學(xué)術(shù)影響力在一定程度上可以通過兩個指標(biāo)來量化：共被引頻率和中介中心性。時間軸視圖關(guān)注集群之間的關(guān)系和集群內(nèi)關(guān)鍵節(jié)點的歷史跨度[2]。

2 結(jié)果

2.1 年度發(fā)文量與引用頻次檢索得到心血管組學(xué)研究文獻共660篇。其中h-index為56，每項平均引用次數(shù)為21.63，被引頻次總計13 968篇（去除自引），施引文獻13 078篇（去除自引）。年度發(fā)文量與引用從2016年起迅速增加，說明心血管組學(xué)研究近5年發(fā)展迅速，熱度仍持續(xù)增加（圖1）。

圖1 年度發(fā)文量

2.2 合作關(guān)系分析—作者、地區(qū)和機構(gòu)CiteSpace運行后得到235個節(jié)點和478條連線組成的作者合作關(guān)系（圖2）。發(fā)文量前10的作者（表1）中，Matthias Schittmayer和Ruth Birnergruenberger（各10次）排名最高。作者中介中心性均不高（＜0.1），圖譜網(wǎng)絡(luò)較稀疏（網(wǎng)絡(luò)密度為0.0174），表明組學(xué)在心血管研究領(lǐng)域仍處于初級階段，需要鼓勵學(xué)者進一步研究，同時表明該領(lǐng)域大有發(fā)展空間。

圖2 作者合作可視化圖譜

地區(qū)圖譜由81個節(jié)點和563條連線組成，196個節(jié)點和628條連線組成了機構(gòu)圖譜（圖3～4）。地區(qū)與機構(gòu)的主體是發(fā)達國家和醫(yī)學(xué)院校，其排名最高的分別是美國和哈佛醫(yī)學(xué)院，它們的頻次分別為256次和37次。另外，三個地區(qū)（英國、新西蘭、法國）和三個機構(gòu)（哈佛醫(yī)學(xué)院、格拉斯哥大學(xué)、萊頓大學(xué)）的中介中心性＞0.1，是組學(xué)在心血管疾病研究的核心地區(qū)與機構(gòu)，并且起到了較好的紐帶作用（表1）。

圖3 地區(qū)合作可視化圖譜

表1 發(fā)文量前10的作者、地區(qū)、機構(gòu)

圖4 機構(gòu)合作可視化圖譜

2.3 關(guān)鍵詞共現(xiàn)分析關(guān)鍵詞共現(xiàn)圖譜由1098個節(jié)點和4552條邊組成，出現(xiàn)頻次前三的關(guān)鍵詞是心血管疾?。?60次）、基因表達（136次）和風(fēng)險（119次），前20名高中介中心性的詞是冠狀動脈疾病（coronary artery disease，CAD）和血壓（圖5，表2）。該研究領(lǐng)域主要涉及心血管病基因表達與疾病風(fēng)險評估等，其中CAD和血壓異常與大部分研究相關(guān)。

圖5 關(guān)鍵詞共現(xiàn)圖譜

2.4 關(guān)鍵詞聚類關(guān)鍵詞聚類可以將關(guān)鍵詞進行提煉分類，每一個聚類名稱即為該類的代表性關(guān)鍵詞。按關(guān)鍵詞數(shù)量對聚類進行排名，對前10個聚類進行分析，其聚類名稱分別為慢性腎病、心血管疾病、齊同性、蛋白質(zhì)組學(xué)、重度抑郁癥、風(fēng)險預(yù)測、鏈?zhǔn)街舅?、激素結(jié)合球蛋白、臨床試驗和表達（表3）。聚類圖譜總體的Modularity=0.7933（＞0.3）、Mean Silhouette=0.9097 （＞0.4），說明聚類合理且內(nèi)部同質(zhì)性好，聚類可信[4]（圖6）。

圖6 關(guān)鍵詞聚類圖譜

表3 排名前10的關(guān)鍵詞聚類

2.5 關(guān)鍵詞突現(xiàn)運行CiteSpace共獲得19個突現(xiàn)詞，持續(xù)時間最長的是全基因組關(guān)聯(lián)和動脈粥樣硬化，突現(xiàn)強度最強的是風(fēng)險，其次是心臟疾?。▓D7）。另外，近年出現(xiàn)的關(guān)鍵詞包括炎癥、死亡率、體外、位點、風(fēng)險、廣泛相關(guān)性、腸道微生物群等是當(dāng)前的研究熱點。有趣的是，突現(xiàn)詞從2015年才開始出現(xiàn)，提示心血管疾病組學(xué)的興起較晚。

圖7 關(guān)鍵詞突現(xiàn)圖譜

2.6 文獻共被引分析文獻共被引分析得到節(jié)點346個和804條連線。文獻被引頻次較高且有紫色外圈的節(jié)點有Nikpay M（2015）[5]、Kundaje A（2015）[6]、Wang TJ（2011）[7]，表示這些文獻是研究的基礎(chǔ)與經(jīng)典，影響較大（圖8，表4）。

表4 排名前10的共被引文獻

圖8 文獻共被引圖譜

2.7 關(guān)鍵詞時間軸圖關(guān)鍵詞時間軸圖主要關(guān)注聚類間的相關(guān)關(guān)系以及聚類內(nèi)部研究熱點的趨冷趨熱變化。聚類#0和聚類#1熱度不減，各聚類間的聯(lián)系均較密切，尤其以聚類#0和#1最相關(guān)。組學(xué)相關(guān)的條目逐漸趨冷，而與疾病相關(guān)的條目則保持高熱狀態(tài)。聚類#2中Hunt E（2004）的研究是最早出現(xiàn)的心血管組學(xué)研究[8]，為該領(lǐng)域奠定了一定的研究基礎(chǔ)（圖9）。

圖9 關(guān)鍵詞時間軸圖譜

3 討論

隨著組學(xué)技術(shù)的不斷發(fā)展與成熟，組學(xué)運用于心血管疾病研究的發(fā)文量逐年增多，尤其是近5年發(fā)文量呈爆發(fā)增長趨勢，且熱度持續(xù)升高。

在作者、地區(qū)和機構(gòu)方面，研究該領(lǐng)域的地區(qū)和機構(gòu)的主體是發(fā)達國家和各大醫(yī)學(xué)院校，且研究的核心地區(qū)與機構(gòu)具有較高的中介中心性，起到了較好的紐帶作用。但是作者比較分散，作者間的合作不足，并且缺乏核心作者，未能形成具有學(xué)術(shù)代表性的研究主題，可能與本領(lǐng)域研究發(fā)展時間尚短有關(guān)，應(yīng)鼓勵學(xué)者們進一步研究。

關(guān)鍵詞共現(xiàn)分析表明組學(xué)在心血管疾病中主要為CAD和對血壓的影響的研究。全基因組的鑒定為CAD的遺傳結(jié)構(gòu)提供了擴展[9]。蛋白組學(xué)提供了年齡對高血壓血管影響的證據(jù)，包括年齡因素通過 RhoA/Rho 激酶途徑改變血管肌動蛋白細(xì)胞骨架[10]。另一項研究發(fā)現(xiàn)餐后血壓和年齡在CAD低風(fēng)險亞洲人群中檢測動脈粥樣硬化具有出色的預(yù)測性能[11]。關(guān)鍵詞聚類中，#0聚類提示代謝組學(xué)和蛋白質(zhì)組學(xué)在動脈粥樣硬化的研究中發(fā)揮重要作用，#1聚類提示組學(xué)研究主要在心血管疾病如冠心病、房顫、心衰以及與心血管病密切相關(guān)的病理狀態(tài)如肺動脈高壓、炎癥、壓力改變等領(lǐng)域，與關(guān)鍵詞共現(xiàn)分析結(jié)果相符。有趣的是，慢性腎病與心血管病風(fēng)險分層有關(guān)，組學(xué)研究較適用于研究慢性腎病與心血管病之間的關(guān)系[12]。時間軸視圖顯示關(guān)鍵詞聚類間聯(lián)系較密切，蛋白質(zhì)組學(xué)和代謝組學(xué)在以上心血管疾病研究中保持較高熱度，并且研究者從組學(xué)技術(shù)的研究逐漸轉(zhuǎn)向組學(xué)對疾病本身的診斷、治療、危險因素的預(yù)測等輔助作用上。

關(guān)鍵詞突現(xiàn)提示某一關(guān)鍵詞在某一時期是研究熱點。雖然心血管疾病組學(xué)研究起步較早，但直至2016年起才呈爆發(fā)式發(fā)展，疾病風(fēng)險、炎癥、死亡率、腸道微生物群研究火爆，其中疾病風(fēng)險在近年出現(xiàn)的熱點詞中突現(xiàn)強度最大。一項綜合性CAD全基因組關(guān)聯(lián)薈萃分析顯示全基因組關(guān)聯(lián)分析（GWAS）具有研究復(fù)雜性狀的遺傳結(jié)構(gòu)的能力，如HDAC9與CAD的關(guān)聯(lián)性強于與心肌梗死（MI） 的關(guān)聯(lián)，表明它可能易患動脈粥樣硬化，但不會導(dǎo)致MI的誘發(fā)事件，提示組學(xué)關(guān)聯(lián)研究可預(yù)測易患何種心血管病[5]。在一項利用定量核磁共振代謝組學(xué)來確定長期隨訪期間發(fā)生心血管疾病的生物標(biāo)志物的研究（FINRISK）中，研究者發(fā)現(xiàn)了4個生物標(biāo)志物，并通過比較另外兩項研究[Southall和Brent Revisited （SABRE） ]的數(shù)據(jù)改善了預(yù)測風(fēng)險，證實了高通量代謝組學(xué)對于生物標(biāo)志物發(fā)現(xiàn)和改進風(fēng)險評估的價值，提示循環(huán)代謝物的高通量分析可能會改善對已確定風(fēng)險因素的心血管風(fēng)險預(yù)測[13]。另有研究發(fā)現(xiàn)代謝物的鑒定可區(qū)分CAD并預(yù)測心血管事件的風(fēng)險[14-17]。

文獻共被引頻次越高，將它與其他文獻同時引用的文獻數(shù)量越多，共被引文獻的重要性越高。中介中心性則直接表明該文獻在共被引文獻中的中介作用。在3篇被引頻次和中介中心性均較高的文獻中，Nikpay M（2015）等基于1000個基因組的CAD全基因組進行關(guān)聯(lián)薈萃分析，確定了10個CAD新基因座[5]。Kundaje A（2015）等[6]的研究揭示不同人類特征的生物學(xué)相關(guān)細(xì)胞類型，并為解釋人類疾病的分子基礎(chǔ)提供資源。Wang TJ（2011）等[7]是較早運用代謝組學(xué)技術(shù)對患糖尿病風(fēng)險新預(yù)測因子進行了鑒定并進行了臨床驗證。它們?yōu)榻M學(xué)運用于心血管病的研究提供了方法和明確了實用價值。

精準(zhǔn)醫(yī)學(xué)是心血管疾病預(yù)防和治療的綜合方法，通過將臨床數(shù)據(jù)與多種組學(xué)結(jié)合，可從生物遺傳信息、功能表達認(rèn)識疾病表型與疾病的關(guān)系，并選擇藥物治療或確定潛在的蛋白質(zhì)-藥物或藥物-藥物相互作用，達到精準(zhǔn)治療的目的[18]。未來，基于高通量技術(shù)的治療策略可以嵌入到系統(tǒng)生物學(xué)、神經(jīng)科學(xué)和藥理學(xué)方法中，將有助于克服傳統(tǒng)的臨床癥狀的描述和以綜合征為中心的結(jié)構(gòu)的限制[19]。通過結(jié)合組學(xué)的心血管病研究有助于認(rèn)識疾病本質(zhì)，達到精準(zhǔn)預(yù)測、精準(zhǔn)診斷和精準(zhǔn)治療的目的。

從2016～2021年心血管病組學(xué)研究有大量文獻發(fā)表且熱度持續(xù)增加。該領(lǐng)域機構(gòu)與地區(qū)合作較好，但缺乏核心作者且作者間的合作不足。代謝組學(xué)和蛋白質(zhì)組學(xué)在動脈粥樣硬化、冠心病、房顫、心衰以及與心血管病密切相關(guān)的病理狀態(tài)如肺動脈高壓、炎癥、壓力改變等領(lǐng)域運用較廣且熱度持續(xù)。研究者從組學(xué)技術(shù)的研究轉(zhuǎn)向組學(xué)對疾病本身的診斷、治療、危險因素的預(yù)測等輔助作用，目前研究熱點集中于疾病風(fēng)險、炎癥、死亡率、腸道微生物群的研究。因此，組學(xué)應(yīng)用于心血管疾病研究具有診斷、治療、預(yù)測疾病風(fēng)險等作用，可發(fā)現(xiàn)疾病本質(zhì)并用于開發(fā)新的治療方法。組學(xué)運用于精準(zhǔn)醫(yī)學(xué)或?qū)⑹俏磥碓擃I(lǐng)域研究的趨勢。

本文獻計量學(xué)分析的局限性在于：首先，該研究傾向于從文獻計量學(xué)的角度組織研究，這是大多數(shù)人的觀點，可能無法總結(jié)所有組學(xué)知識。其次，本研究數(shù)據(jù)范圍僅限于Web of Science數(shù)據(jù)庫，雖然足以滿足我們的目標(biāo)，但可能不包含所有關(guān)于組學(xué)在心血管病研究的已發(fā)表研究。