单细胞转录组测序研究热点和发文锦囊

　　从Top50期刊2000余篇文献统计：

　　在刚刚发布的“十四五”规划中，“基因与生物技术”作为前沿科技攻关领域之一。而在这个领域，近年来最具里程碑的技术突破必然不能忽略“单细胞转录组测序”。本文通过对PubMed数据库中Top50期刊的共计2357篇单细胞转录组测序的引文进行数据分析，帮助读者了解单细胞研究热点和发文规律。

　　早在2009年，汤富酬等人就首次应用高通量测序方法无偏倚地对单个细胞转录组进行描绘。2016年，10x Genomics公司发布了ChromiumTM系统，标志着大规模单细胞转录组测序商业化应用的成功。上个月，张泽民团队发表的《肿瘤浸润髓细胞的泛癌单细胞转录图谱》通过单细胞转录组测序技术构建了15个癌种内的髓系细胞图谱，并系统性地比较了各髓系细胞类群在不同癌种间组成、发育及功能上的异同。

　　本文整体对PubMed数据库中Top50期刊的共计2357篇单细胞转录组测序的引文，数据分析后以图表形式全方位呈现单细胞测序的研究现状，帮助读者把握单细胞研究领域的流行脉络，进而了解单细胞研究的切入点。

　　1.单细胞研究能发多少分的文章？

　　通过使用NCBI官方提供的Entrez工具对PubMed数据库中近五年（2016-2020）发表的单细胞转录组相关文章进行检索，共获得4256条引文记录。通过数据处理和分析，聚焦刊文数量排名前50的期刊（Top50），Top50期刊总共刊载2357篇论文。根据期刊影响因子（Journal Impactor Factor, JIF）可以将Top50期刊分为高中低三个水平，影响因子分别为“≥20”、“5~20”和“<5”。利用Plotly绘制条形图可以更直观地显示不同水平期刊的数目和刊文数量。可以发现：

　　■单细胞转录组测序是近年来冲击权威顶级期刊的理想技术手段

　　从图1可以看出，收录单细胞RNA测序的期刊中，高水平期刊共13个，刊载文章548篇。三大综合性顶刊Cell、 Nature、Science全部上榜；排在榜首的Cell，刊文量超过100篇文章。

　　各细分领域的顶刊也值得关注，如干细胞领域Cell Stem Cell发文76篇；免疫学领域Immunity和Nature Immunology分别发文42和26篇；神经科学领域Nature Neuroscience发文19篇；肿瘤领域Cancer Discovery发文15篇。此外，Nature Methods和Nature Biotechnology分别发文44和38篇。创新性的单细胞研究的新方法和新技术仍在不断涌现。

　　■中等水平期刊是一个相对高质量的单细胞转录组文章的蓄水池

　　从图1可以看出，中等水平的期刊共包括26个，文章数量达到1351。排在榜首的Nature Communication刊文量达到惊人的215篇，紧随其后的是Cell Reports，文章数量也超过150篇。

　　除了上述两大CNS入门级子刊以外，这一档中不乏其他高水平的综合性期刊，如常年稳定在9分的老牌期刊PNAS和被寄予厚望新秀期刊Elife分别发文82和91篇。分析单细胞实验产出的庞大数据离不开先进的生物信息学工具，该领域的两大期刊Bioinformatics和Briefings In Bioinformatics也赫然在列，这必将为单细胞转录组的研究提供源源不断的内在动力。

　　■单细胞研究的质量相对较高，未见严重的“灌水”现象

　　从图1可以看出，低水平期刊11个，文章数仅458篇，远低于中高水平期刊。这其中，Scientific Reports和PLoS One已经被许多单位和科研项目列入了“黑名单”。一个设计严谨数据详实的单细胞转录组研究必然需要在更高水平的期刊体现其价值。

　　2.单细胞研究的热度还会持续么？

　　很多研究者会担心单细胞研究目前是不是过热了，以及这样的热度还能持续多久？也有人担心“单细胞从实验到数据分析，再到论文写作，周期比较长，会不会等文章投稿的时候，单细胞研究已经不火了？

　　通过图2，可以看出各水平期刊发布单细胞转录组测序文章逐年递增，尤其是中等水平期刊刊载的文章，5年增长了将近8倍。

　　3. 哪些期刊青睐国人投稿？

　　2020年中国科技论文统计结果显示，中国高质量国际论文数排名世界第2位，中国科技期刊影响力提升。科研工作者更关注那些注重单细胞研究的国产优秀期刊，或是对中国投稿人友好的高水平期刊。

　　通过分析各期刊文章中中国科研团队研究成果所占的比例，发现中国研究团队发表论文的占比最高的期刊是Cell Research，达到89%。作为中国科学院主持的期刊，现如今的影响因子已经达到20.507分。除此以外，PLoS Biology接受的中国文章占比接近30%，其近期影响因子有所波动，但仍保持在7分以上。

　　4.单细胞研究的前沿细分领域有哪些？

　　我们通过4000多篇引文的摘要内容进行梳理，借助 Python 自然语言处理工具包NLTK，对摘要内容进行词法分析、去除停用词和词性还原等操作，并对高频词汇进行计数，最后再用词云展示结果，如图4所示。

　　通过高频词汇可以推测，单细胞研究的热门领域仍然集中在干细胞研究（stem）、肿瘤研究（cancer, tumor）、神经科学研究（brain, neuron）以及感染研究（infection, pathogenesis）。我们知道，单细胞测序是一项通用的技术，其适用的研究范畴远不止这些。

　　5. 研究中如何定位具体的细分领域？

　　单细胞研究有诸多的细分领域，如何进行定位研究方向？如何在浩如烟海的文献中找到对自身研究最有价值的？

　　在阅读领域相关的研究论文基础上，这里有两点建议供参考：

　　首先以基本的组织脏器或是细胞类型作为关键词搜索，而并非只局限于疾病本身。因为单细胞研究的落脚点是细胞类型的区分和定义，阅读文献可以帮助我们找到这些细胞类型的特征和鉴定方法。

　　其次，为了近一步限定最初的阅读范围，集中精力细读业内大家发表的文章。如果将文献相互索引的关系绘制成网络图，就很容易找到这些大家的代表文献了。

　　以脂肪研究为例，之前我们已经对摘要进行了整理，在其中查找“adipose”可以关联到39篇文献。利用 igraph 将它们的参考文献构建成网络图，就可以定位到五篇“高被引”文章，PMID号分别为：29925944 29937373、31023895、30265241、29608179。其中包括 Deplancke 研究团队于2018年发表于Nature的发现脂肪生成调节细胞（Aregs）的文章，以及 Granneman 研究团队同年发表在Cell Metabolism的文章，揭示了寒冷将有害脂肪转变为有益脂肪的机制。