从文献统计分析看诱导多能干细胞研究.docVIP

从文献统计分析看诱导多能干细胞的研究 　　[摘要]诱导多能干细胞是近年来干细胞研究的焦点，本文基于pubmed数据库，通过对诱导多能干细胞的文献检索，利用TDA及spass软件，对诱导多能干细胞的文献进行年代分布、重要来源期刊、多产作者及研究热点的统计分析，旨在探讨ips的研究现状及其发展态势。 　　[关键词]诱导多能干细胞；ipsCell；文献计量；共词；因子分析；聚类分析；多维分析 　　[中图分类号]G350　[文献标识码]A　[文章编号]1008-0821(2011)02-0070-04 　　 　　近几十年来，干细胞一直是生物医学领域研究的热点，自2006年日本科学家Yamanaka等人发表《Induction ofpluripotent stem cells from mouse embryonic and adult fibroblastcultures by defined factors》一文，取得了细胞重编程研究中重大的突破，成功获得了具有胚胎干细胞特性的诱导多能干细胞(induced pluripotent stem cell，iPScell)。随着iPScell的研究进展，进一步将干细胞研究推向了生物医药领域的前沿，其学术论文也快速持续增长。2008年iPS技术入选《科学》杂志年度十大科技突破，并名列榜首。iPS技术无疑是最近两年干细胞研究所取得的最为突出的成果。 　　笔者利用文献计量学的方法，即基于数学和统计学的定量分析方法，对2006年至今发表的诱导多能干细胞的文献进行统计分析，旨在探讨ips的研究现状及其发展态势。 　　 　　1.　材料与方法 　　 　　本文分析数据来源于Pubmed数据库，检索式：(“In-dueed Pluripotent Stem cell”OR ips cell OR iPSCs)，检索时间2006年――至今，检索结果1301条记录，采用汤姆森数据分析器(TDA)，将获得的文献按发表时间、国别、来源期刊、多产作者进行统计分析，并且利用社会科学统计软件包(spss)对其关键词作共词分析，分析其代表的学科主题的结构或变化。 　　 　　2.　结果与分析 　　 　　2.1　多产作者及其国家＼机构分布 　　共有14位作者发表10篇以上的iPSCell相关文献，他们是该领域的多产作者，也是最活跃的研究者。这些作者来自日本、美国、德国、中国4个国家和地区(图1)，共发表文献230篇，占全部文献的18％。其中日本3位作者都来自日本诱导多能干细胞研究应用中心(GiRA)，是iPS-Cell的研究主力军，美国在此研究领域也取得了不可小觑的成果，发文量远超日本。中国也有两位研究者在此领域有所研究突破。 　　 　　2.2　主题词共词矩阵分析 　　对抽取的1301篇文献的关键词，按出现频次由高至低排序，本文将频次达到30的前76个关键词作为表征当前诱导多能干细胞研究热点的标志，并按照共词分析统计它们在同一篇文献中出现的次数，形成一个76×76的共词矩阵。 　　在共词分析中，以SPSS软件作为统计分析的工具，首先，需要验证样本数据类型，通过验证，相关矩阵数据不符合正态分布和均匀分布。基于此，接下来采用与数据类型相适应的多元统计分析――因子分析、聚类分析和多维尺度分析。 　　 　　 　　2.2.1　因子分析 　　因子分析的目标是用尽可能少的因子去描述众多的指标或因素之间的联系，因子分析中，需要先根据相关性将共词矩阵转化为相似系数矩阵，由此消除由共词频次差异所带来的影响。在相似系数矩阵的基础上，利用主成分法(Principal Components)、斜交旋转进行因子分析。 　　结果显示有4个因子(表1)被提取，其累计方差解释贡献率为96.254％，也就是说，将76个关键词分为4个类别，就可以解释国际iPS Cell研究领域96.254％的信息。其中，前2个因子解释的方差比例较高，分别达到81.007％、11.339％，累计方差解释贡献率约为92.346％，这是国内外iPS Cell研究的两个重要领域。 　　2.2.2　聚类分析 　　聚类分析是根据研究对象的多个变量指标，具体找出一些能够测度这些变量指标之间相似程度的统计量，以这些统计量为划分依据，把相似程度较高的变量聚合为一类。聚类分析中，采用系统聚类(HierarchicalCluster)方法。 　　聚类树状图(图2)结果显示，总共把这76个主题类分为4大类，结合因子分析，因子提取结果产生4个公共因子，根据因子载荷系数大于0.5对命名才有帮助的原则，4个主题大类可命名为(1)体细胞重编程；(2)筛选和鉴定；(3)转录因子；(4)应用。 　　 　　 　　2.2.3　多维尺度分析 　　多维尺度分