MétaCan
Menu
Retour à la cohorte
Enregistrement W4410357953 · doi:10.1007/s12672-025-02628-7

Emerging trends and hotspots of tRNA-derived small RNAs in tumours: a bibliometric analysis via VOSviewer and CiteSpace

2025· article· en· W4410357953 sur OpenAlexaboutno aff
Junhong Wang, E-Ling Shao, Zhenhua Gao

Notice bibliographique

RevueDiscover Oncology · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensnon disponible
Organismes subventionnairesLanzhou University
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: TRNA-derived small RNAs(tsRNAs) play an important role in many biological processes, and their dysregulation is closely related to the progression of cancer, but the research trend and future direction are not clear. This study aims to identify the leading contributors, collaboration networks, and emerging research trends in tsRNAs and their role in oncology, providing a more comprehensive and intuitive reference for researchers in this field. MATERIALS AND METHODS: Related publications related to tsRNA in the field of oncology from 1990 to 2022 were collected from the Science Citation Index Expanded through the Web of Science Core Collection (WOSCC) database on 6 December 2022. RESULTS: There were 2,108 publications related to tsRNAs in oncology. The articles came from 69 countries/regions, 2,218 institutions, 11,340 authors, and 200 journals, and included 9,530 keywords. The annual total number of papers and total global citation score increased steadily every year over the study period. Among the articles related to tsRNAs in oncology, the United States had the highest number of publications with 732 articles, and the United States, China, Japan, Canada, and South Korea had the highest number of collaborations. Seoul National University Sun and the journal Nucleic Acids Research had the most publications at 81 and 63 articles, respectively, and the keyword "tRF" was a hotspot. CONCLUSION: This study provides an in-depth analysis of the research status and development trends of tsRNAs in the field of cancer from a bibliometric perspective. Offering possible guidance for researchers to explore hot topics and frontiers, select suitable journals, and partners in this field.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,1540,158
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,309
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscover OncologyMême sujetRNA modifications and cancerTravaux en français237 207