このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

併存疾患における研究ホットスポットと主要標的の文献計量学およびバイオインフォマティクスの探求:間質性肺疾患と肺高血圧症

5 回視聴

⸱

DOI:

10.3791/71631

⸱

2026年8月7日

 ,  ,  , 
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

この記事について

サマリー

このプロトコルは間質性肺疾患や肺高血圧症を例に用い、ビブリオメトリクスとバイオインフォマティクスを統合して、それらの研究動向、ホットスポット、主要ターゲット、関連経路を体系的かつ予備的に探求します。このプロトコルはプロンプトを変更することで、あらゆる疾患ペアの解析にも応用可能でした。

要約

間質性肺疾患(ILD)と肺高血圧症(PH)は併存することが多いため、臨床結果が悪く治療選択肢が限られています。重要な研究ホットスポットの特定と主要な併存疾患の標的を明らかにすることは、疾患管理の改善と新規治療戦略の開発に不可欠です。このプロトコルはWeb of ScienceのCore CollectionおよびScopusデータベースから関連論文を取得し、CiteSpaceとVOSviewerを用いて研究のホットスポットや変化する傾向をマッピングします。その後、GeneCardsデータベースから両疾患に関連する重複する遺伝的標的を特定します。STRINGを用いてハブ遺伝子を同定するためにタンパク質間相互作用ネットワークを構築し、R言語を用いてKEGG経路濃縮解析を行って主要なシグナル伝達経路を明らかにします。結果は、文献計量学がこの学際的分野の発展の軌跡をマクロな視点から特定していることを示しています。バイオインフォマティクス解析により、FN1、IL6、TNFが潜在的なコア併存疾患標的であることが明らかになりました。KEGG濃縮解析は、PI3K-AktおよびMAPKを中心とした免疫関連経路が併存疾患の病因に深く関与していることを示しています。このプロトコルは両アプローチを統合することで、ILD-PH併存疾患研究における発達の軌跡と研究ホットスポットを体系的に明確にし、潜在的な併存疾患の標的や経路を予備的にスクリーニングします。将来の実験研究および臨床検証のための方向性と計算的基盤を提供します。この統合的な枠組みは、他の複雑な疾患併存症の研究にも適用可能な再現性のある方法論を提供します。

概要

間質性肺疾患(ILD)は、肺間質の炎症および線維化を病理学的に特徴とする広まる肺疾患の一群を指します。病変の進行過程では、複数の併存症によって複雑化することが多く、その中でも肺高血圧症(PH)は予後に大きな影響を与える一般的な併存疾患の一つです1,2。疫学的データによると、ILD患者のPHの発生率はサブタイプや病期によって13%から86%の範囲で変動します。3,4,5。この併存疾患は患者の生活の質を大幅に低下させ、死亡リスクを高めるだけでなく、社会経済的および医療的負担を悪化させます 6,7。肺動脈高血圧症とは対照的に、間質性肺疾患関連肺高血圧症の病因はより複雑で、低酸素性肺血管収縮、線維化性および炎症因子介在性血管再構築、細胞外マトリックス沈着など複数の病理的過程を含みます 8,9,10.現時点では、この併存疾患の臨床診断および治療戦略は比較的限られており、特定の標的薬も不足しています。その基礎となる分子メカニズム、主要なシグナル伝達経路、初期バイオマーカーはまだ体系的に解明されていません(11,12)。

研究の焦点や進化の軌跡を検出する客観的なツールとして、近年文献計量学は広く応用されています13,14。バイオインフォマティクス解析は、既に発見された疾患関連標的を統合することで主要な標的とコア経路を特定します15。併存疾患研究においては、巨視的な研究ホットスポットと分子レベルの経路や標的情報を統合することで、併存症メカニズムの理解を深め、その後の実験研究における計算予測や方向性の指針を提供します。しかし、間質性肺疾患と肺高血圧症の併存に関する研究は、マクロな知識マッピングと微視的な分子ネットワークを組み合わせた体系的な統合解析がまだ不足しています。したがって、本研究はWeb of Scienceコアコレクション(WoSCC)およびScopusデータベースを用いて、文献計量学的手法を用いてILD-PH併存疾患研究の発展軌跡と研究ホットスポットを包括的に概説しました。同時に、バイオインフォマティクスツールを用いて共存疾患に関連するコア遺伝子や潜在的な分子経路を特定し、その後の実験研究やターゲット的探索のための候補分子基盤と実験設計の方向性を提供しました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

この研究では、GeneCards、STRING、KEGGなどの公開されている二次データベースを使用しました。 中国のヒト遺伝資源規則第32条によれば、これらのデータベースは中国国内でヒト遺伝資源を直接収集するものではありません。したがって、本研究には倫理的承認やインフォームド・コンセントは必要ありませんでした。 このセクションで使用されるソフトウェアおよびプラットフォームの詳細なバージョン情報は 、材料表に記載されています。

1. 文献の収集と整理

  1. MeSHデータベース(材料表)にアクセスしてください。
  2. 「間質性肺疾患」と「肺高血圧症」という疾患用語を別々に検索し、関連する小見出しを取得してください。
  3. 特定されたMeSH用語と小見出しに基づいて包括的な検索戦略を策定します。
  4. 2026年3月9日にWoSCCデータベース(材料表)を開きます。
  5. 「詳細検索」を選択します。検索戦略の導入例は以下の通りです:TS=(「弥漫性実質肺疾患」または「弥漫性実質肺疾患」または「間質性肺疾患」または「間質性肺疾患」)およびTS=(「肺高血圧症」)。出版日を2016年1月1日から2025年12月31日まで設定し、「検索」をクリックしてください。
  6. 文書の種類として 「Articles and Review Articles」 を選択し、言語として 英語 を選択してください。記録内容として 「全文記録および引用文献 」を選択してください。記録をtxt形式でエクスポートしてwos.txtとして保存し、その後csv形式に変換してwos.csvとして保存します。
  7. 2026年3月9日にScopusデータベース(材料表)を開きます。
  8. 検索フィールドを「タイトル」/「要約」/「キーワード」に設定してください。検索戦略を導入します:TITLE-ABS-KEY(「びまん性実質肺疾患」または「弥漫性実質肺疾患」または「間質性肺疾患」または「間質性肺疾患」)およびTITLE-ABS-KEY(「肺高血圧症」)。2016年1月1日から2025年12月31日までの年範囲を選択し、医学を 主題分野として 選択し、「 検索 (補足表1)」をクリックしてください。
  9. エクスポートをクリックし、CSV形式を選択し、取得したすべてのレコードをエクスポートして、scopus.csvとして保存します。
  10. wos.csvを開き、DOIの列をコピーしてscopus.csvに貼り付けます。データ比較を行い、Excelの 重複削除 機能を使って重複レコードをマークし、重複を削除し、scopus1.csvを取得します。DOIを欠くごく少数の記録については、「タイトル+著者+年」の組み合わせを用いて手動でクロスチェックし、本研究に必要な文献の完全な含みを確実にしました。
  11. 新しいフォルダを「input directory」と「output directory」と名付けます。Place scopus1.csv重複除去後に入力ディレクトリに取得されます。CiteSpaceを開き、「 Data」をクリックし、「 Scopus」を選択し、対応するフォルダを指定し、「 Scopus(csv) 」> WoS ボタンをクリックしてScopusのデータフォーマットを変換し、2つのデータベースのフォーマットをtxt形式に統合します。得られるファイル名はscopus1.txt。
  12. 2つのデータベースからデータを統合します。scopus1.txtとwos.txtをCiteSpaceに配置し、重複除去と統合を行い、均一にフォーマットされた重複除去された文献データを取得します:dataset.txt、後続分析のために(補足表2)。
  13. 取得したwos.txtおよびscopus.csvファイルを確認し、重複除去プロセスがDOIを一致基準として使用し、dataset.txtファイルが正常に生成されているかを確認してください。

2. 年間出版量の傾向分析

  1. Microsoft Excelでは、年ごとに出版物数を数えて2つのデータ列(Year, Publications)を生成します。
  2. データセットを選択し、「チャート>>欄チャートを挿入」にアクセスすると、年間出版成果の欄チャートを生成できます。
  3. 横軸を 「年 」、縦軸を「 出版物」と指定してください。
  4. データラベルで各年の論文数を表示できるようにしましょう。
  5. すべてのフィギュアはタグ付き画像ファイル形式(TIFF)でエクスポートし、少なくとも300dpiの解像度を確保してください。

3. 国内・地域出版成果と国際協力分析

  1. VOSビューアーを起動し、「作成」を選択してください>「書誌データに基づく地図を作成」>「書誌データベースファイルからデータを読み取る」16。
  2. ステップ1.12で生成されたプレーンテキストデータセットをインポートします。
  3. 分析タイプとして 共著 者、分析単位として 国 を選択してください。
  4. 各国の最低文書数を40に設定し、出版量上位20か国を保持します。協力ネットワークが高出力国に焦点を当てつつ、地図の明瞭さと読みやすさを維持し、読者が直感的に国際的な研究力や協力パターンを把握しやすくすること。
  5. 「 選択項目の検証 」インターフェースで、すべての国を選択し、Excelにコピーして各国の出版物数と引用数をエクスポートします。
  6. 得られたExcel表で、出版物数別に上位10か国を選択し、その出版物数と引用数を示すチャートを作成します。
  7. 「終了」ボタンを選択して全国的なコラボレーションネットワークを構築し、GML形式でネットワークを保存してください。
  8. Scimago Graphicaを起動してGMLファイルをインポートします。
  9. ラベルフィールドをCountryにマッピングし、clusterフィールドタイプをStringに設定します。
  10. 可視化設定では、出版出力フィールド(通常はDocuments<または類似の名称>をSizeボックスに入れ、クラスターフィールドをColorボックスに設定し、labelフィールドをLabel、Tooltip、Unitボックスにマッピングします。
  11. Marks > Mapにアクセスしてください。エッジは線の曲率調整に、エッジカラーはノードの色設定に使います。
  12. 最終的な地図をPNG形式でエクスポートします。
  13. ステップ1.12で生成されたプレーンテキストデータセットをBibliometric Online Analysis Platform(https://bibliometric.com)にインポートし、「 引用データをアップロード」をクリックし、「 国別関係 」を選択して、可視化用の国別コラボレーションコード図を作成します。
  14. 重要なチェックポイントは、研究目的を反映しつつ、結果として得られるネットワークがバランスよく視覚的に明確になるよう、最小限の文書数を適切に調整することです。

4. ジャーナル出版成果と引用分析

  1. 同じデータセットをVOSviewerにインポートし、分析タイプとして Citation を選択し、分析単位として Source を選択します。
  2. 出典の最低文書数を5、引用数を20に設定します。
  3. 「 選択項目の検証 」インターフェースで、ジャーナルリストをExcelにコピーして、各ジャーナルの論文数と総引用数を取得します。
  4. 「終了」を選択すると、ジャーナルの共引用ネットワークマップが生成されます。引力と反発パラメータを調整してレイアウトを強化し、ビジュアライゼーションパネルで外観を洗練させ、マップを少なくとも300 dpiの解像度のTIFFとして保存してください。
  5. Excelでジャーナルを論文数で並べ替え、発表数で上位10誌を選びます。2026年3月9日、公式のJCRプラットフォーム(資料表)にアクセスし、それぞれのジャーナルを検索し、最新のインパクトファクターおよびJCR四分位数を記録します。出版物数別にトップ10のジャーナルを表示するチャートを作成しましょう。
  6. Excelでジャーナルを総引用数でソートし、引用頻度で上位10誌を選択します。2026年3月9日、公式JCRプラットフォームから最新のインパクトファクターおよびJCR四分位数を取得して記録してください。引用頻度でトップ10のジャーナルを表示するチャートを作成しましょう。

5. 高生産性著者協力ネットワーク分析

  1. データセットをVOSviewerにインポートし、解析タイプとして共 著 者を選び、分析単位として著 者 を選択します。
  2. 著者の最低ドキュメント数を3つに設定し、一定の活動レベルを持つ著者を絞り込みます。
  3. 「 選択項目の検証 」インターフェースで著者リストをコピーし、著者の出版物数と引用数をExcelファイルに保存してください。
  4. 「 完成 」を選択して著者コラボレーションネットワークを作成し、ネットワークレイアウトと外観を調整し、TIFF形式で保存します。
  5. Excelでは、著者を論文数順に並べ替え、最も生産的な10人の研究者を選び、ドーナツチャートを作成して論文数を表示します。
  6. 元のデータセットから引用数で上位10著者を取得し、それぞれの国を特定し、国ごとに異なる色を割り当て、引用頻度で上位10著者を示すチャートを作成します。

6. キーワード共生とテーマ進化分析

  1. CiteSpaceを起動し、データのインポート/エクスポート>に移動します。
  2. ステップ1.12でエクスポートしたtxtファイルを入力フォルダに入れます。 インポート/エクスポート インターフェースで入力・出力パスを設定し、ドキュメントタイプとして 「Article 」と「 Review 」を選択し、「 開始 」をクリックしてデータフォーマット変換を行います。
  3. 変換後、出力フォルダからデータフォルダにファイルをコピーします。CiteSpaceのメインインターフェースで「 新」をクリックし、プロジェクトディレクトリとデータディレクトリを設定し、データソースとして WoS を選択し、言語として 英語 を選択します。
  4. 右側のタイムスライシングパネルに移動し、スパンを2016年から2025年まで設定し、1年のウィンドウを採用し、ノードタイプとして キーワード を選択します。
  5. ネットワークスケーリングにg-index(k=10)を適用し、3つの剪定戦略を選択します: パスファインダー、 スライスされたネットワークの剪定、 マージされたネットワークの剪定です。
  6. 解析を実行する には「スタート 」をクリックしてください。完了後はワン クリッククラスタリングラベル最適化 機能を使ってキーワードの共現マップを作成します。
  7. コントロールパネルからノードおよびクラスタラベルの表示を設定し、ノードサイズなどの視覚要素を最適化します。
  8. タイムライン>レイアウトを選択してキーワードのタイムラインビューを生成してください。
  9. コントロールパネルで 「バーストネス」を選択し、「 リフレッシュ 」と「 ビュー 」を順にクリックし、表示する上位25キーワードの数を設定し、バースト強度でトップ25キーワードのチャートを生成します。生成された画像をTIFF形式でエクスポートして保存してください。

7. 参考文献共引用分析

  1. 同じデータセットをCiteSpaceに読み込みます。ステップ6.4–6.5で説明された時間範囲と剪定戦略を設定し、ノードタイプとして 引用 文献を選択します。
  2. 解析を実行した後、 ワンクリッククラスタリングラベル最適化 機能を使って参照共現マップを生成します。
  3. ノードとクラスタのラベルを調整し、 Clusters を選択して参照クラスタリングマップを生成します。
  4. バーストネスパネルでは、引用頻度で引用された上位20の参考文献を表示し、バースト強度で上位20の共引用文献のチャートを生成するように設定してください。
  5. すべての画像をTIFF形式でエクスポートして保存してください。

8. PPIネットワーク解析

  1. 2026年3月12日にGeneCardsデータベース(https://www.genecards.org)17にアクセスし、「間質性肺疾患」と「肺高血圧症」をキーワードで検索してください。検索に使用された疾患用語は文献検索のものと一致しており、追加の用語変異は拡大されていません。
  2. ターゲットのリストをエクスポートし、各検索ごとに関連性スコア≥1を付けます。抽出方法は、関連性スコアでソートし、スコア1≥すべてのターゲットをエクスポートすることでした。≥1の閾値は、文献に支持されている関連遺伝子の大多数を捉えつつ偽陽性を最小限に抑えられるため選ばれました。
  3. Rを使って2つのターゲットセットの交差点を得て、ILD-PHの併存疾患関連ターゲットを得ます。
  4. STRINGデータベース(https://cn.string-db.org/)18のMultiple Proteinsモジュールにアクセスし、併存疾患対象のリストを検索ボックスに入力し、種としてホモ・サピエンスを選択します。
  5. 「続ける」をクリックし、設定パネルで最低必要インタラクションスコアを高信頼度(0.700)に設定し、ネットワーク内の切断ノードを非表示にします。
  6. ネットワークを更新した後、 エクスポート メニューからインタラクションデータをTSVファイルとしてダウンロードします。
  7. Cytoscapeを起動し、ファイルシステムからネットワーク>インポートするファイル>からTSVファイルを読み込みます。
  8. Tools > NetworkAnalyzer > Network Analysis > Network Interpretation で「ネットワークを無向として扱う」を選択し、ノード次数を含むトポロジーパラメータを計算します。
  9. スタイルパネルでノードの形状、色、サイズ、その他の外観設定を設定し、ノードの位置を手動で調整して明確なレイアウトを実現します。
  10. PPIネットワークイメージを ファイル > エクスポート >ネットワーク 画像をファイルに保存し、ネットワーク解析結果を ファイル > エクスポート >テーブル からファイルへエクスポートします。
  11. エクスポートした表をExcelで開き、 次数 列の降順順に並べ、上位20のキーターゲットとその次数値を選び、データラベル付きの棒グラフを作成し、TIFF形式でエクスポートします。

9. KEGG経路濃縮解析

  1. Rを起動し、必要なパッケージのインストールおよびロードコマンドを入力してください(補足表3):
    install.packages("BiocManager")
    BiocManager::install(c("clusterProfiler", "org.Hs.eg.db"))
    library(clusterProfiler)
    library(org.Hs.eg.db)
  2. bitr()関数を用いてILD-PH併存症ターゲットの遺伝子シンボルをEntrez IDに変換します。Rで、次の入力を行います:
    coma_entrez <- bitr(coma_genes, fromType = "SYMBOL", toType = "ENTREZID", OrgDb = org.Hs.eg.db)
  3. enrichKEGG()関数を用いて、以下のパラメータで濃縮解析を行います:生物 = "has"、pvalueCutoff = 0.05、qvalueCutoff = 0.05。ベンジャミニ・ホッホバーグ法(BH)法が複数試験の補正に用いられました。以下のコードを入力してください:
    kegg_result <- enrichKEGG(gene = coma_entrez$ENTREZID,
    生物 = 「持っている」、
    pvalueCutoff = 0.05、
    qvalueCutoff = 0.05,
    use_internal_data = 偽)
    注:p値:元のp値で、与えられた濃縮レベルを観測する確率を表します。q値:ベンジャミニ・ホッホバーグ補正後のFDR(偽発見率)で、偽陽性率を制御します。本研究では、q<0.05を有意な濃縮の基準として用いています。
  4. 「Human Diseases」と「Metabolism」というキーワードで結果をフィルタリングし、人間の疾患や代謝に関連する経路を除去し、生物学的プロセスに関連する経路を保持します。ヒト疾患および代謝経路は主に、ILD-PH併存症の線維症、炎症、血管再構築機構と弱い関連を持つ疾患および代謝ネットワークの全体的なメカニズムを記述します。したがって、主要なシグナル伝達経路に焦点を当てるために除外されました。登場:
    kegg_result_df <- as.data.frame(kegg_result)
    kegg_filtered <- kegg_result_df[!grepl("人間の病気|代謝」kegg_result_df$説明)、]
  5. 経路を遺伝子数で降順に並べ替え、上位10の経路を選択し、dotplot()関数を使ってドットプロットを作成し、PNG形式でプロットをエクスポートします。登場:
    top10_pathways <- head(kegg_filtered[order(kegg_filtered$Count, 減少=TRUE), ], 10)
    dotplot_result <- dotplot(enrichResult(select(top10_pathways)), showCategory = 10)
    ggsave("KEGG_dotplot.png", dotplot_result, width=8、height = 6、dpi=300)
  6. 上位10の経路とそれに関連するターゲット遺伝子を抽出し、2列表(経路名、ターゲット遺伝子)を作成し、タブで区切られたTXTファイルとして保存します。
  7. ファイルをCytoscapeにインポートし、 スタイル パネルでパスウェイノードとターゲットノード間の形状と色の違いを設定し、レイアウトを手動で調整し、パスウェイ-ターゲットネットワーク画像20をエクスポートします。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

データ検索とスクリーニング

合計で2,400件の記録がScopusデータベースから収集され、696件がWoSCCデータベースで特定されました。2つのデータセットを統合し、533件の重複記録を削除した後、最終的に合計2,563件のユニークな論文が後続の文献計量分析のために含まれました(図1)。

年間出版物の傾向

2016年から2025年までの間質性肺疾患および肺高血圧症分野における年間論文発表量は 図2に示されています。10年間で、論文数は変動する増加傾向を示しました。最初の4年間は比較的安定していましたが、その後2020年から2022年、2023年から2025年にかけて急激な増加が続き、それぞれ2022年と2025年に2...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

本研究は、ILDとPHの併存症を探るために、文献計量学とバイオインフォマティクスを統合的に応用した初の例です。過去10年間のこの分野の発達の軌跡、知識構造、最先端トレンドを体系的にレビューし、分子レベルでこの併存状態の基盤となるハブ遺伝子と主要なシグナル伝達経路を特定しています。マクロトレンドの観点から見ると、この分野の年間論文数は2016年の142件から2025年には402件に増加し、ほぼ3倍の増加を示しており、ILD-PH併存症に対する学術的関心の持続的な増加を反映しています。2020年から2022年および2023年から2025年の2つの期間に大きな急増が観察されました。成長の転換点は2020年頃で、COVID-19パンデミックと重なった。パンデミックがILDやPHの誘発または悪化を通じて、関連研究の急増を間接的に促進した可能性があります。2022年から2023年のピークは、PH-ILD治療法の探索、検証、臨床的初期応用の増加に起因すると考えられます 29,30,31。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者らは本研究に利益相反はないと報告しています。

謝辞

著者らは、非感染性慢性疾患国家科学技術主要プロジェクト(2024ZD0522300、2024ZD0522301)および中国医学科学院非営利中央研究所基金(2022-ZHCH330-01)からの財政支援に感謝いたします。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

```html
この記事で使用された材料の一覧
名前会社カタログ番号コメント
ビブリオメトリックオンライン分析プラットフォームK-Synth Srl (ビブリオメトリック)https://bibliometric.comオンライン分析プラットフォーム; モジュール: 国別関係; 国別協力コード図を生成; 2026年3月10日アクセス
CiteSpaceDrexel University6.4.R1ビブリオメトリック分析; 時間スライス: 2016〜2025; ノードタイプ: キーワード、参照; 剪定: Pathfinder + Pruning sliced networks
clusterProfiler (Rパッケージ)Guangchuang Yu et al.4.13.2KEGGエンリッチメント分析; 閾値: p < 0.05, q < 0.2
CytoscapeCytoscape Consortium3.10.3ネットワークの可視化と分析; プラグイン: CytoHubba; アルゴリズム: 度中心性; ハブ遺伝子識別に使用
GeneCardsWeizmann Institute of Sciencehttps://www.genecards.org遺伝子情報データベース; データベースバージョン 5.22; 2026年3月12日アクセス; フィルタリング基準: 関連性スコア ≥ 1
Journal Citation Reports (JCR)Clarivate Analyticshttps://jcr.clarivate.comジャーナルインパクトファクターおよび四分位数取得; 2026年3月9日アクセス
KEGGKyoto Encyclopedia of Genes and Genomeshttps://www.kegg.jp経路データベース; 2026年3月13日 clusterProfiler API 経由アクセス; 種: hsa
MeSHデータベースNational Library of Medicine (NLM)https://meshb.nlm.nih.govMeSH用語クエリデータベース; 2026年3月9日アクセス; 検索戦略の構築に使用
Microsoft ExcelMicrosoft Corporation16.88 (Microsoft 365)データ統計とグラフ生成; 出版数カウント、重複除去、グラフ作成に使用
org.Hs.eg.db (Rパッケージ)Bioconductor Core Team3.20.0ヒトゲノムアノテーションデータベース; 遺伝子ID変換に使用
RR Core Team4.4.2統計計算とプロット環境; 実行日: 2026年3月13日
Scimago GraphicaScimago Lab2可視化ツール; レイアウト: 地図投影; エッジ曲率: 0.5; カラーマッピング: クラスター別
ScopusElsevierhttps://www.scopus.com文献取得データベース; Elsevier Scopus 2026 完全版; 取得日: 2026年3月9日
STRINGEMBL12.0 / https://cn.string-db.orgタンパク質-タンパク質相互作用データベース; 2026年3月12日アクセス; 相互作用スコア閾値: 0.7 (高信頼); ネットワークタイプ: 物理的 + 機能的
VOSviewerLeiden University1.6.20ビブリオメトリック分析; 分析タイプ: 共著; 正規化方法: 関連強度
Web of Science Core CollectionClarivate Analyticshttps://www.webofscience.com文献取得データベース; SCIE と SSCI サブデータベースをカバー; 取得日: 2026年3月9日
```

参考文献

  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.

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

生物学第234号第234号
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。