MétaCan
Menu
Retour à la cohorte
Enregistrement W4416827541 · doi:10.11113/ijic.v15n2.540

Recent Trends on Multi-omics Studies in Cancer Research: A Bibliometric Study

2025· article· W4416827541 sur OpenAlexaboutno aff
Nur Sabrina Azmi, Weng Howe Chan

Notice bibliographique

RevueInternational Journal of Innovative Computing · 2025
Typearticle
Langue
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBioinformatics and Genomic Networks
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Teknologi Malaysia
Mots-clésBibliometricsChinaCancerWeb of scienceMEDLINECitation

Résumé

récupéré en direct d'OpenAlex

The integration of multi-omics approaches has revolutionized cancer research by providing a comprehensive understanding of cancer pathogenesis beyond single-omics methods. By combining diverse omics data types, multi-omics analyses improve precision in identifying intricate disease-related mechanisms. Despite increasing interest, bibliometric analyses on multi-omics research in oncology remain limited. This study addresses this gap by conducting a bibliometric analysis of multi-omics cancer research trends over the past six years (2019 to February 2025), utilizing data from the Web of Science Core Collection (WoSCC) accessed on 28 February 2025, and analysing it with VOSviewer. The analysis of 3386 publications indexed in WoSCC reveals a significant surge in multi-omics research. China leads with 2055 publications, while the University of Toronto in Canada and the Institut National de la Santé et de la Recherche Médicale (Inserm) in France emerge as major contributors, each accounting for more than 50% of their country's total publications in this domain. Dominant keywords such as multi-omics, prognosis, immunotherapy, machine learning and tumor microenvironment highlight current research priorities. This study provides a comprehensive overview of publication trends, offering valuable insights to guide future research in multi-omics cancer studies. By highlighting major contributors and emerging focal points, this study aspires to foster advancements and inspire future exploration in this pivotal domain.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesBibliométrie
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,934
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0310,035
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,209
Tête enseignante GPT0,499
Écart entre enseignants0,290 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Innovative ComputingMême sujetBioinformatics and Genomic NetworksCatégorieBibliométrieTravaux en français237 207