多组学在系统性自身免疫性风湿病中的应用：文献计量学和可视化分析
Application of multi-omics in systemic autoimmune rheumatic diseases: a bibliometric and visualization analysis
1. 领域背景与文献
发表期刊：Frontiers in Immunology；影响因子：未公开；研究领域：风湿病学、系统生物医学，属于自身免疫病领域的多组学应用宏观研究。
系统性自身免疫性风湿病是一类以免疫系统异常激活、自身抗体和/或自身反应性淋巴细胞产生为特征，导致全身多器官慢性炎症和组织损伤的异质性疾病，主要包括类风湿关节炎、系统性红斑狼疮、干燥综合征等类型。领域共识：该类疾病发病机制涉及遗传、免疫、环境多因素交互作用，异质性高，存在早期诊断困难、治疗反应差异大、预后评估不准确等临床问题。近年来随着分子生物学技术发展，学界对系统性自身免疫性风湿病的病理生理过程有了更深入的理解，但目前对这类疾病复杂调控网络的研究仍无法满足临床精准诊疗的需求。
多组学技术的兴起为打破研究瓶颈提供了新思路，该技术通过整合基因组、转录组、蛋白质组、代谢组、微生物组、单细胞测序等多维度生物学数据，能够在分子水平系统揭示系统性自身免疫性风湿病的发病机制、关键调控靶点和生物标志物，为疾病早期诊断、治疗方案优化、预后监测提供科学依据。但随着多组学在系统性自身免疫性风湿病领域研究成果不断积累，相关文献数量呈指数增长，传统定量研究方法如系统评价、meta分析、范围综述等大多针对具体科学问题，难以反映领域大规模合作模式和引用特征，无法从宏观层面梳理领域整体发展态势。当前尚无全面的文献计量研究系统评估该领域的发展和结构动态，宏观层面的领域认知存在明显缺口。基于此，本研究采用文献计量分析工具对多组学在系统性自身免疫性风湿病中的应用开展系统研究，旨在明确领域研究格局、核心贡献者、热点演变规律，总结当前面临的瓶颈并展望未来方向，为推动多组学技术在该领域的深入应用提供参考。
2. 文献综述解析
作者将现有领域研究分为针对具体科学问题的定量合成研究和宏观层面的领域结构研究两类，梳理了不同类型研究的优势与局限性，明确了本研究的学术定位。
现有针对多组学在系统性自身免疫性风湿病的研究，早期多集中于单一组学对疾病易感基因或差异分子的筛选，随着技术发展逐步转向多组学整合分析，在发病机制解析和生物标志物发现方面积累了大量成果。传统的领域综述方法包括系统评价、meta分析、范围综述、证据映射、文本挖掘等，这类方法的优势在于能够针对具体窄方向问题合成高质量证据，为具体科学问题提供明确结论，局限性在于容易忽略大尺度层面的合作网络、知识结构、主题演变等宏观特征，无法呈现领域整体发展轨迹。文献计量分析与之相比，能够对大样本数据集定量呈现发表趋势、合作网络、知识结构和主题演变，更适合本研究梳理领域全球研究架构和发展轨迹的研究目标。作者明确提出，当前该领域缺乏系统性的文献计量研究，宏观层面的发展规律和结构特征尚未得到阐明，本研究通过整合多工具文献计量分析和跨数据库验证，首次系统揭示了该领域2005年至2025年的发展全貌，填补了领域宏观认知的空白，为后续研究者快速把握领域发展脉络、选择研究方向提供了量化参考，具有明确的学术价值和必要性。
3. 研究思路总结与详细解析
本研究的研究目标是系统梳理多组学在系统性自身免疫性风湿病领域应用的全球研究态势、主题演变规律，明确当前技术瓶颈和未来研究方向；核心科学问题是该领域的发展轨迹、合作网络结构、研究热点演变特征是什么，多组技术的应用现状和临床转化面临哪些障碍；技术路线遵循数据检索→文献筛选预处理→多维度文献计量分析→跨数据库结果验证→总结展望的闭环逻辑。
3.1 数据来源与检索策略
实验目的：获取符合多组学纳入标准的高质量文献，保证研究数据的权威性和完整性，同时补充临床转化相关数据用于转化评估。方法细节：选择Web of Science核心合集作为主要数据源，制定专门的检索策略，限定检索2005年1月1日至2025年12月31日发表的英文文章和综述；将多组学研究操作定义为在单一研究框架内整合至少两个不同组学层数据开展联合分析，仅涉及单组学数据的研究即使在题目摘要中提及多组学也予以排除，随机抽取20篇文献验证分类准确性，结果显示85%的检索文献符合严格纳入标准；为验证结果稳健性并评估领域转化方向，补充检索PubMed数据库，进一步从PubMed中筛选符合纳入标准的随机对照试验用于转化进展评估。结果解读：最终从Web of Science核心合集获得2576篇符合标准的文献，其中包括2072篇研究论著和504篇综述，共来自620个出版物，由17864位作者完成，引用参考文献110493篇，样本量满足大样本文献计量分析的要求，图1展示了本研究完整的研究框架。
产品关联：文献未提及具体实验产品，领域常规使用Web of Science核心合集、PubMed数据库开展文献计量研究。
3.2 文献筛选与数据预处理
实验目的：降低文献分类偏差，提高数据质量，保证分析过程的可重复性。方法细节：随机抽取初步筛选获得的文献，由三名研究者采用双盲独立评估方法判断是否符合纳入标准，存在分歧时由第三名研究者仲裁得出最终结论；对原始文献数据进行系统预处理和消歧，首先利用数据库内置功能完成初步去重，再手动验证保证重复记录完全清除，随后使用R环境的bibliometrix包对作者姓名、机构隶属、国家信息进行标准化和消歧，统一格式、合并同机构不同拼写、清理特殊字符和空字段，对高频作者和机构名称进行手动交叉核对，所有数据清洗、消歧和分析流程均基于标准化脚本实现，提高方法透明度和可重复性。结果解读：三名研究者间的评分者一致性较高，科恩kappa值为0.92（95%置信区间0.88-0.96，文献未明确提供随机样本总例数），说明评分一致性良好，该流程有效降低了分类偏差，提高了筛选过程的可靠性，数据标准化处理减少了命名不一致导致的网络碎片化，保证了后续分析的准确性。产品关联：文献未提及具体实验产品，领域常规使用R语言bibliometrix包开展文献计量数据预处理。
3.3 多维度文献计量分析与可视化
实验目的：从多个维度对纳入文献开展定量分析，可视化呈现领域的结构特征和演变规律。方法细节：采用多种文献计量工具开展多维度分析，使用R语言bibliometrix包（版本5.0）开展描述性统计分析，包括年度发文量、核心作者识别、期刊分布、引用分析，同时生成主题演变气泡矩阵；使用VOSviewer（版本1.6.20）构建合作和共著网络，采用Fruchterman-Reingold力导向布局算法，使用Walktrap算法开展社区检测；使用CiteSpace（版本6.2.R1）开展引用网络分析、突现检测和研究前沿演变探索，时间切片间隔设置为1年；将上述软件生成的原始结果导入Python（版本3.14），使用pandas、matplotlib、seaborn、networkx库开展数据处理和可视化优化。结果解读：分析得到了包含发表增长趋势、地理机构分布、合作网络、关键词聚类、引用动态、主题演变在内的多维度结果，清晰呈现了领域的宏观结构，其中图2展示了发表趋势和地理分布特征，结果显示年度发文量呈持续上升趋势，2025年达到最高值525篇（n=2576）。
产品关联：文献未提及具体商用实验产品，领域常规使用R bibliometrix包、VOSviewer、CiteSpace、Python开展文献计量分析与可视化。
3.4 结果验证与临床转化评估
实验目的：验证基于Web of Science核心合集得到的结果的稳健性，明确该领域当前临床转化进展。方法细节：独立分析PubMed检索得到的补充数据集，对比两个数据集的年度发文趋势、地理分布、主题结构，验证结果一致性；随后从PubMed数据集中提取标记为随机对照试验且符合多组学纳入标准的研究，评估干预层面的转化进展。结果解读：PubMed验证结果显示，年度发文趋势持续增长、2018年后增长加速的特征与Web of Science核心合集结果一致，地理分布方面中国和美国占主导、欧洲国家国际合作比例更高的结论也与主数据集一致，主题结构方面同样验证了转录组、单细胞技术为当前核心研究方向，跨数据库结果的一致性证明了本研究结论的稳健性，图9展示了PubMed验证的相关结果。
随机对照试验筛选结果显示，仅得到8项符合标准的研究，发表于2018年至2025年，主要涉及类风湿关节炎（n=3）和早期类风湿关节炎（n=2），系统性红斑狼疮（n=2）和干燥综合征（n=1）仅少量研究，多组学模式多结合转录组与蛋白质组/代谢组特征分析治疗反应，结果提示与快速增长的观察性研究相比，多组学在系统性自身免疫性风湿病中的干预性验证仍处于早期阶段。产品关联：文献未提及具体实验产品，领域常规使用PubMed数据库开展临床研究验证分析。
4. Biomarker 研究及发现成果
本研究为文献计量研究，梳理了多组学在系统性自身免疫性风湿病领域中生物标志物研究的发展趋势，明确了生物标志物在该领域的核心研究地位，总结了当前生物标志物研究的进展与转化瓶颈。
Biomarker定位：该领域研究涉及的生物标志物类型涵盖遗传变异、转录本、蛋白质、代谢物等多种分子，部分研究也将细胞亚群特征作为疾病分层标志物，领域内生物标志物的筛选验证逻辑为：基于多组学技术筛选病例对照差异分子→细胞系或临床样本验证表达→评估诊断敏感性特异性→预后价值验证，本研究通过文献计量量化了该主题的整个演变历程。研究过程详述：本研究通过关键词统计分析发现，生物标志物为该领域高频关键词，总出现频次为112次（n=2576），关键词突现强度为11.36（突现时段为2011-2020年），提示该阶段生物标志物研究热度快速上升。领域内生物标志物主要来源于临床血液样本、关节滑膜液、病变组织样本，通过多组学整合筛选得到差异分子后，采用定量反转录聚合酶链反应、蛋白质免疫印迹、酶联免疫吸附试验等方法验证表达水平，通过受试者工作特征曲线分析评估诊断的敏感性与特异性，通过生存分析评估预后价值。核心成果提炼：本研究通过主题分析明确，生物标志物属于该领域的基础核心主题，始终是多组学研究的核心方向，当前多组学整合分析发现的潜在生物标志物可有效提升系统性自身免疫性风湿病早期诊断、预后分层的准确性，例如类风湿关节炎中纤维连接蛋白1、乙酰胆碱酯酶等分子已被证明具有诊断价值，系统性红斑狼疮中色氨酸代谢产物比例可作为疾病监测标志物。但本研究也指出，当前多数潜在生物标志物缺乏大样本多中心队列验证，符合临床转化标准的随机对照试验数量极少（仅8项相关随机对照试验符合纳入标准），转化应用仍面临较多障碍，本研究量化明确了生物标志物的核心地位，为后续研究者聚焦该方向开展研究提供了宏观依据。