Emerging trends and hotspots of tRNA-derived small RNAs in tumours: a bibliometric analysis via VOSviewer and CiteSpace
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,011 | 0,020 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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