Kanserde Tek Hücre Dizilemenin Küresel ve Güncel Araştırma Eğilimleri: Bibliyometrik ve Görselleştirme Çalışması

Özet

Kanser araştırmalarında tek hücre diziliminin bu bibliyometrik analizi, Çin ve ABD'nin diğer ülkelerden önemli ölçüde daha fazla bilimsel makale ürettiğini göstermektedir. Patlama tespiti, gelecekteki araştırmaları etkilemesi beklenen 'tümör içi heterojenlik', 'klonal evrim' ve 'ilaç dağıtım sistemleri' gibi ortaya çıkan terimleri tanımlar.

Özet

Kanser, karmaşık biyolojik sistemleri nedeniyle insan sağlığı için önemli bir sorun teşkil etmekte ve derinlemesine analiz gerektirmektedir. Tek hücre dizilimi, bu sistemleri araştırmak için önemli bir araç haline geldi ve tek hücre düzeyinde gen ekspresyonunun ve epigenetik modifikasyonların tespit edilmesini sağladı. Bu alandaki araştırma eğilimlerini, işbirliği ağlarını ve bilgi yayılımını aydınlatmak için, 1 Ocak 2010 - 31 Aralık 2023 tarihleri arasındaki yayınları kapsayan Web of Science Core Collection veritabanı kullanılarak bibliyometrik bir analiz yapılmıştır. R'deki Bibliometrix paketi, belge türleri, ülkeler, kurumlar, yazarlar ve anahtar kelimeler dahil olmak üzere önemli yayın verilerini çıkarmak ve analiz etmek için kullanıldı. Ek olarak, veri derleme ve görselleştirme için CiteSpace, VOSviewer ve Literatür Metrolojisi Çevrimiçi Analiz Platformu kullanılmıştır. Analiz, 75 ülke ve bölgedeki 3.129 kurumdan 34.074 yazarı belirledi ve kanserde tek hücre dizilimi üzerine 788 akademik dergide yayınlanan 5.680 yayına katkıda bulundu. Çin ve Amerika Birleşik Devletleri, yayın hacminde önde gelen ülkeler olarak ortaya çıktı. Harvard Üniversitesi, Harvard'a bağlı Aviv Regev'in önemli bir katkıda bulunan kişi olarak kabul edilmesiyle en fazla sayıda yayın üretti (320). Frontiers in Immunology ve Nature Communications gibi önde gelen dergiler, bağışıklık mikroçevresi ve immünoterapi dahil olmak üzere hem yerleşik hem de gelişmekte olan araştırma alanlarını vurgulamaktadır. Gelecekteki araştırmalar için temel eğilimler ve potansiyel alanlar arasında tümör içi heterojenlik, klonal evrim ve ilaç dağıtım sistemleri yer almaktadır. Bu çalışma, onkolojideki tek hücre dizileme araştırmalarına kapsamlı bir genel bakış sunmakta ve teknolojik gelişmeler ve uluslararası işbirlikleri tarafından yönlendirilen hızlı ilerlemesini vurgulamaktadır. Küresel ortaklıkları güçlendirmek, bütünleştirici analitik araçlar geliştirmek ve veri karmaşıklıklarını ele almak, kişiselleştirilmiş kanser tedavilerini ilerletmek ve kanser biyolojisine ilişkin içgörüleri derinleştirmek için çok önemli olacaktır.

Giriş

Kanser, en zararlı hastalıklardan birini temsil eder ve dünya çapında ikinci önde gelen ölüm nedeni olarak sıralanır¹. 2035 yılına kadar dünya nüfusunun yaklaşık dörtte birinin kanserden doğrudan etkileneceği tahmin edilmektedir ^2,3. Kanserin patogenezi esas olarak çeşitli tümörjenik faktörlerden etkilenen hücresel büyümedeki düzensizlik ile bağlantılıdır ^4,5. "Kanserin Ayırt Edici Özellikleri", normal hücresel durumlardan neoplastik büyümeye geçişi kolaylaştıran bir dizi işlevsel yetenek, özellikle de kötü huylu tümörlerin oluşumu için gerekli olan yetenekler olarak kavramsallaştırıldı⁶. Dizileme teknolojisi, hastalık patogenezi anlayışımızı ilerletmede çok önemli bir rol oynamaktadır. Bununla birlikte, tümörlerin doğal heterojenliği nedeniyle, tümör dokularının yüksek verimli dizileme analizi yoluyla düşük bolluklu kök hücrelerin genomik özelliklerinin tanımlanması önemli zorluklar ortaya çıkarmaktadır ^7,8.

Genomik, transkriptomik, epigenomik, proteomik ve metabolomiği içeren tek hücre dizilemesi, tek hücre düzeyinde hücresel ve moleküler manzaraları aydınlatmak için güçlü bir metodolojik yaklaşımı temsil eder ^9,10. Kanser araştırmalarında uygulanması, neoplastik lezyonlarda bulunan biyolojik özelliklerin ve dinamiklerin anlaşılmasını önemli ölçüde geliştirmiş, böylece kanser gelişimi ve metastazı hakkında daha kapsamlı bir anlayış sağlamıştır.

Bibliyometrik analiz, bilimsel yayınların yapısal özelliklerini ve niteliklerini inceler ve bilimsel literatürün hem nitel hem de nicel değerlendirmelerinde yaygın olarak kullanılmaktadır^11,12. Çeşitli ülkelerden, kurumlardan, araştırmacılardan ve yayınlardan gelen katkıları karşılaştırarak, belirli bir araştırma alanındaki potansiyel ilerlemeleri aydınlatmak ve tahmin etmek mümkündür. Kanserde tek hücreli dizileme araştırmalarına odaklanan sistematik ve anlatısal incelemelerde önemli bir artış olmasına rağmen, kantitatif değerlendirme alanındaki kapsamlı analizlerde dikkate değer bir eksiklik vardır 13,14,15. Bu çalışma, kanser alanındaki tek hücreli dizilemedeki gelişimsel eğilimlerin ve öne çıkan araştırma konularının bibliyometrik yöntemler kullanılarak kapsamlı bir analizini yapmayı amaçlamaktadır. Bulgular, araştırmacılara, klinisyenlere ve politika yapıcılara bu alandaki mevcut bilgi ve anlayış durumu hakkında ayrıntılı bir genel bakış sunacaktır.

Protokol

Bu çalışmada kullanılan veriler Web of Science Core Koleksiyonu'ndan (2010-2023) elde edilmiştir.

1. Veri toplama

1. Veritabanı seçimi
   1. üzerinden Web of Science Core Collection (WoSCC ) veritabanına erişin. https://webofscience. clarivate.cn/wos/author/author-search.
   2. İlgili literatürü belirlemek için hedeflenen anahtar kelimeleri, özellikle "tek hücreli dizileme" ve "kanseri" kullanarak bir arama stratejisi oluşturun. Literatür taramasını tamamlamak için ara düğmesine tıklayın.
      NOT: Doğruluğu ve kapsayıcılığı artırmak için arama stratejisinde kullanılan anahtar kelimelerin tam listesi için Ek Tablo 1'e bakın.
2. Arama parametreleri
   1. En yeni ve kapsamlı araştırma trendlerini yakalamak için 1 Ocak 2010 ile 31 Aralık 2023 arasındaki yayın dönemini seçin.
   2. Arama sonuçları için dil olarak İngilizce'yi seçin ve veri tutarlılığını sağlamak ve karşılaştırmalı analizi kolaylaştırmak için makale türleri olarak Makale ve İnceleme'yi seçin.
   3. Tek hücre dizileme ve kanser araştırma alanları dışındaki yayınları hariç tutarak alaka düzeyini sağlayın.
3. Veri alımı ve biçimi
   1. Ayrıntılı meta verileri korumak için seçilen yayınları Tam Kayıt ve Alıntılanan Referanslar biçiminde derleyin.
   2. Toplanan verileri, bibliyometrik araçları kullanarak daha sonraki analizler için Düz Metin dosyaları olarak kaydedin.
   3. Kapsamlı bir bibliyometrik analiz sağlamak için her kaydın alıntı ve ortak yazarlık bilgileri de dahil olmak üzere eksiksiz meta veriler içerdiğini doğrulayın (Şekil 1).

2. Veri ön işleme

1. Veri toplama ve içe aktarma
   1. Bibliometrix paketinin biblioshiny arayüzünü R'de başlatın.
      NOT: Özel kod aşağıdaki gibi sağlanır:
      Kütüphane(Bibliometrix)
      packageVersion("bibliometrix")
      biblioshiny()
   2. WoSCC veritabanına erişin ve bibliyometrik veriler içeren birleştirilmiş bir Düz Metin dosyası seçin.
   3. Verileri içeri aktarın ve sonraki analiz için R Veri Biçiminde dışarı aktarın.
2. Yayınların ve atıfların yıllık büyüme eğilimi
   1. PY (yayın yılı) ve Z9 (atıf sayısı) sütunlarını sayısal biçime dönüştürün.
   2. Verileri yayın yılına göre gruplandırın ve yıllık yayın sayılarını ve toplam atıfları hesaplayın.
   3. Her yıl yayın sayısını temsil etmek için bir çubuk grafiği oluşturun ve zaman içindeki alıntı sayılarını göstermek için bir çizgi grafiği kaplayın.
      NOT: Özel kod, Ek Dosya 1'de Kod 1 olarak sağlanır.
3. Ulusal yayın ve işbirliği analizi
   1. Ulusal yayın ve işbirliği toplama
      1. Year Published (PY) ve Author Countries(AU_CO1) alanlarını kullanarak her ülkeye göre yıllık yayınları ve atıfları özetleyin.
      2. Analizi, yayın hacmine göre ilk 10 ülkeye odaklayın.
   2. Metrik hesaplama
      1. Yayın sayısı (NP), atıf sıklığı (NC), tek ülkeli yayınlar (SCP) ve çok ülkeli yayınlar (MCP) dahil olmak üzere temel metrikleri ^{hesaplayın16}.
      2. Uluslararası işbirliğinin bir göstergesi olarak çok ülkeli yayınların (MCP_Ratio) oranını belirleyin.
      3. 14 yıllık bir süre boyunca her ülke için etki endekslerini (H-endeksi, G-endeksi ve M-endeksi) hesaplamak için R'nin H-indeksi işlevini kullanın¹⁷.
         NOT: Özel kod, Ek Dosya 1'de Kod 2 olarak verilmiştir. Ülkeler arasındaki işbirlikçi ilişkileri incelemek için literatür metrolojisinin (https://bibliometric.com/) çevrimiçi analiz platformunu kullanın. Verileri WoSCC'den Düz Metin biçiminde yükleyin. Uluslararası işbirliklerini değerlendirmek için "ülke ilişkileri" özelliğini kullanın. Önde gelen katkıda bulunan ülkeler arasındaki işbirliği ağının görselleştirilmesiyle sonuçlandırın.
4. Kurumsal yayın ve işbirliği analizi
   1. Veri çıkarma ve sıralama
      1. WoSCC veritabanının Sonuçları Analiz Et özelliğindeki Bağlantılar bölümünden kurumsal verileri ayıklayın.
      2. Kurumları, yayınlanan toplam makale sayılarına göre azalan sırada sıralayın.
   2. Veri görselleştirme
      1. Önde gelen kurumlardaki yayın hacmini göstermek için R'deki ggplot2 paketini kullanarak yatay bir çubuk grafik oluşturun.
         NOT: Özel kod, Ek Dosya 1'de Kod 3 olarak verilmiştir.
   3. Ortak yazarlık analizi
      1. VOSviewer'da analiz kurulumu: VOSviewer'ı başlatın ve ardından ana menüden Oluştur'u seçin. Bibliyografik verilere dayalı bir harita oluştur'u seçin ve Bibliyografik veritabanı dosyalarından veri oku'yu seçin. Son olarak, Düz Metin dosyalarını içe aktarın.
      2. Yapılandırma ve parametreler: Analiz türünü VOSviewer'da ortak yazarlık olarak ayarlayın. Tam sayım yöntemini seçin ve analiz birimi olarak kuruluşları seçin. Kapsamlı bir ağ analizi sağlamak için parametreleri belge başına en fazla 1.200 kuruluş içerecek şekilde yapılandırın ve minimum eşiği kuruluş başına 30 belge olarak ayarlayın.
      3. Görselleştirme ve yorumlama: Kurumlar arasındaki işbirliği ağlarını gösteren bir görselleştirme haritası oluşturmak için Bitir'e tıklayarak kurulumu tamamlayın. Haritanın bağlantı ve ortaklık düzeylerini vurguladığından, araştırma faaliyetinin merkezi merkezlerini ve kurumlar arasındaki kilit işbirliği alanlarını belirlediğinden emin olun.
5. Yazarların analizi ve yazar işbirliği
   1. Üretken yazarların belirlenmesi: Yazarları yayınlanan toplam makale sayısına göre sıralamak için WoSCC veritabanındaki Araştırmacı Profilleri bölümüne erişin.
   2. Veri görselleştirme: Önde gelen yazarların yayın hacmini görsel olarak temsil eden yatay bir çubuk grafik oluşturmak için R'deki ggplot2 paketini kullanın.
   3. Yazar katkılarının değerlendirilmesi: WoSCC veritabanındaki verileri kullanarak H-indeksi, ülke ve bağlı kurum dahil olmak üzere yayın hacmine göre ilk 10 yazar için ek ölçümler alın.
      NOT: Özel kod, Ek Dosya 1'de Kod 4 olarak sağlanır.
   4. Yazar işbirliği ağları
      1. VOSviewer'da analizin ayarlanması: VOSviewer'ı başlatın ve Oluştur düğmesini seçin, ardından Bibliyografik verilere dayalı bir harita oluştur'u seçin. Bibliyografik veri içeren ilgili Düz Metin dosyalarını, Bibliyografik veritabanı dosyalarından veri oku'yu seçerek içe aktarın.
      2. Yapılandırma ve parametreler: Analiz türünü ortak yazarlık olarak ayarlayın ve Tam sayım yöntemini kullanın. Analiz birimi olarak yazarları seçin. Parametreleri, belge başına en fazla 33 kuruluş içerecek şekilde ayarlayın ve anlamlı işbirliği verilerinin yakalanmasını sağlamak için yazar başına en az 15 belge eşiği belirleyin.
      3. Görselleştirme ve içgörüler: Yazar işbirliklerinin zamansal evrimini gösteren, ortak yazarlık ağlarının dinamikleri ve büyümesi hakkında bilgi sağlayan bir bindirme görselleştirmesi oluşturmak için Son'a tıklayın.
6. Dergilerin ve ortak atıf yapılan dergilerin analizi
   1. Dergi metriklerinin hesaplanması: Kaynak başına yayın sayısı (NP), atıf sıklığı (NC), ilk yayın yılı (PY_start) ve etki indeksleri (H-indeksi, G-indeksi ve M-indeksi) dahil olmak üzere her dergi için temel metrikleri hesaplamak için R'deki H-indeksi işlevini kullanın.
   2. Etki faktörlerinin ve sıralamaların alınması: Her bir derginin alandaki etkisini ve konumunu daha fazla değerlendirmek için WoSCC veritabanından dergi etki faktörlerini ve çeyrek sıralamalarını elde edin.
      NOT: Özel kod, Ek Dosya 1'de Kod 5 olarak verilmiştir.
   3. Bilgi akışı analizi
      1. CiteSpace'de Verileri İçe Aktarma ve Kurulum: CiteSpace'i açın ve Veri menüsüne gidin. İçeri/Dışarı Aktar'ı seçin ve verileri içeri aktarmak için WOS'u seçin. Giriş ve çıkış yollarını gerektiği gibi yapılandırın.
      2. Harita seçimi ve yapılandırması: CiteSpace içinde Overlay Maps (Yer Paylaşımlı Haritalar) ve JCR Journals Maps (JCR Dergileri Haritaları) seçeneklerini belirleyin ve z-score'u 0 olarak ayarlayın. Bu kurulum, dergiler arasındaki bilgi akışını göstermek için ikili bir haritanın oluşturulmasını sağlar.
7. Ortak atıf yapılan referansların ve kümeleme ağının analizi
   1. CiteSpace'de veri içe aktarma ve kurulum
      1. CiteSpace'i açın, Veri menüsüne gidin ve İçe/Dışa Aktar'ı seçin.
      2. WoSCC veritabanından verileri düz metin olarak içe aktarın, analiz zaman dilimini Ocak 2010'dan Aralık 2023'e kadar zamansal ayrıntılar için bir yıllık aralıklarla yapılandırın.
   2. Ağ yapılandırması ve budama
      1. CiteSpace'de düğüm türünü Referans olarak ayarlayın. Ağa budama uygulamak için Yol Bulucu seçeneğini ve Dilimlenmiş Ağları Buama özelliğini kullanın.
      2. Bir referans ortak alıntı haritası oluşturmak için GO'ya tıklayarak, daha iyi okunabilirlik için yazı tipi ve renk ayarlarını ayarlayarak analizi gerçekleştirin.
   3. Yüksek etkili referansları belirleme
      1. Burstness (Patlama) seçeneğini belirleyin ve CiteSpace'te γ parametresini [0, 1] olarak ayarlayın.
      2. En güçlü alıntı patlamalarına sahip ilk 20 referansın bir listesini oluşturmak için verileri yenileyin.
8. Anahtar kelime birlikteliğinin analizi
   1. R'de anahtar kelime frekans analizi
      1. R'deki bibliometrix paketini kullanarak anahtar kelime analizi yapın ve belgelerde en sık kullanılan anahtar kelimelere odaklanın.
      2. Alanı Yazarın anahtar sözcükleri olarak ayarlayın ve tutarlılığı sağlamak için eş anlamlıları filtreleyerek sayıyı ilk 20 anahtar sözcükle sınırlayın.
   2. CiteSpace'de anahtar kelime patlaması analizi
      1. Burstness seçeneğini belirleyerek ve parametre γ'yi [0, 1] olarak ayarlayarak anahtar kelime patlaması analizi yapmak için CiteSpace'i kullanın.
      2. En güçlü alıntı patlamalarına sahip ilk 30 anahtar kelimenin bir listesini oluşturmak için verileri yenileyin.
   3. VOSviewer'da anahtar kelime birlikte oluşum ağı analizi
      1. VOSviewer'ı açın, Oluştur'u seçin ve ardından Bibliyografik verilere dayalı bir harita oluştur'u seçin.
      2. Bibliyografik veritabanı dosyalarından veri oku seçeneğini kullanarak düz metin dosyalarını içe aktarın.
      3. Analiz türünü, Tam sayım yöntemini kullanarak, analiz birimi olarak yazar anahtar sözcükleriyle birlikte oluşacak şekilde ayarlayın.
      4. En az 40 anahtar kelime oluşumu eşiği uygulayın ve analizi tamamlamak için Bitir'e tıklayın, böylece alan içindeki anahtar kelime ilişkilerini görselleştiren bir birlikte oluşma ağı oluşturun.

Sonuçlar

Yayınların ve atıfların yıllık büyüme eğilimi
2010'dan 2023'e kadar WoSCC veri tabanında kanserde tek hücre dizilemesi ile ilgili toplam 6.767 yayın tespit edildi. 2010-2023 yılları arasında yayınlanan toplam 602 çalışma analizden çıkarıldı, ardından İngilizce olarak yayınlanmayan beş çalışma hariç tutuldu. Ek olarak, 361 toplantı özeti, 83 editoryal materyal ve diğer kategoriler altında sınıflandırılan 36 makaleden oluşan 480 m...

Tartışmalar

Bibliyometrik analiz, önemli yayınların özelliklerini ve bilimsel etkisini değerlendirmek için nicel bir yaklaşım olarak hizmet eder²⁶. Bu çalışma, WoSCC veri tabanından çıkarılan ve 2010 ile 2023 yılları arasında yayınlanan, kanser araştırmalarında tek hücre dizilemesi ile ilgili 5.680 makalenin kapsamlı bir bibliyometrik analizini gerçekleştirdi. Bu analiz, araştırmacılar ve politika yapıcılar için eyleme geçirilebilir içgörül...

Malzemeler

Name	Company	Catalog Number	Comments
bibliometrix package	Comprehensive R Archive Network (CRAN)	bibliometrix 4.3.0	A forest plot that allows for multiple confidence intervals per row, custom fonts for each text element, custom confidence intervals, text mixed with expressions, and more.
CiteSpace	Chaomei Chen, Drexel University	CiteSpace 6.2.R4 (64-bit) beta Basic	‌CiteSpace‌ is a scientific literature analysis tool. Its main function is to analyze the underlying knowledge in scientific literature through visual means, showing the structure, rules and distribution of scientific knowledge. The main functions of CiteSpace include: research collaboration analysis ‌, important journal judgment ‌, core topic mining and so on.
dplyr	Comprehensive R Archive Network (CRAN)	dplyr 1.1.4	dbplyr is the database backend for dplyr. It allows you to use remote database tables as if they are in-memory data frames by automatically converting dplyr code into SQL.
esquisse	Comprehensive R Archive Network (CRAN)	esquisse 2.0.1	This addin allows you to interactively explore your data by visualizing it with the ggplot2 package. It allows you to draw bar plots, curves, scatter plots, histograms, boxplot and sf objects, then export the graph or retrieve the code to reproduce the graph.
forcats	Comprehensive R Archive Network (CRAN)	forcats 1.0.0	R uses factors to handle categorical variables, variables that have a fixed and known set of possible values. Factors are also helpful for reordering character vectors to improve display. The goal of the forcats package is to provide a suite of tools that solve common problems with factors, including changing the order of levels or the values.
ggplot2	Comprehensive R Archive Network (CRAN)	ggplot2 3.5.1	ggplot2 is a system for declaratively creating graphics, based on The Grammar of Graphics. You provide the data, tell ggplot2 how to map variables to aesthetics, what graphical primitives to use, and it takes care of the details.
ggpmisc	Comprehensive R Archive Network (CRAN)	ggpmisc 0.6.1	Package ‘ggpmisc’ (Miscellaneous Extensions to ‘ggplot2’) is a set of extensions to R package ‘ggplot2’ (>= 3.0.0) with emphasis on annotations and plotting related to fitted models. Estimates from model fit objects can be displayed in ggplots as text, tables or equations. Predicted values, residuals, deviations and weights can be plotted for various model fit functions.
ggsci	Comprehensive R Archive Network (CRAN)	ggsci 3.2.0	ggsci offers a collection of ggplot2 color palettes inspired by scientific journals, data visualization libraries, science fiction movies, and TV shows.
openxlsx	Comprehensive R Archive Network (CRAN)	openxlsx 4.2.7.1	This R package simplifies the creation of .xlsx files by providing a high level interface to writing, styling and editing worksheets. Through the use of Rcpp, read/write times are comparable to the xlsx and XLConnect packages with the added benefit of removing the dependency on Java.
readxl	Comprehensive R Archive Network (CRAN)	readxl 1.4.3	The readxl package makes it easy to get data out of Excel and into R. Compared to many of the existing packages (e.g. gdata, xlsx, xlsReadWrite) readxl has no external dependencies, so it’s easy to install and use on all operating systems. It is designed to work with tabular data.
reshape2	Comprehensive R Archive Network (CRAN)	reshape2 1.4.4	Reshape2 is a reboot of the reshape package. It's been over five years since the first release of reshape, and in that time I've learned a tremendous amount about R programming, and how to work with data in R. Reshape2 uses that knowledge to make a new package for reshaping data that is much more focused and much much faster.
stringr	Comprehensive R Archive Network (CRAN)	stringr 1.5.1	Strings are not glamorous, high-profile components of R, but they do play a big role in many data cleaning and preparation tasks. The stringr package provides a cohesive set of functions designed to make working with strings as easy as possible.
tidytext	Comprehensive R Archive Network (CRAN)	tidytext 0.4.2	Using tidy data principles can make many text mining tasks easier, more effective, and consistent with tools already in wide use. Much of the infrastructure needed for text mining with tidy data frames already exists in packages like dplyr, broom, tidyr, and ggplot2. In this package, we provide functions and supporting data sets to allow conversion of text to and from tidy formats, and to switch seamlessly between tidy tools and existing text mining packages. Check out our book to learn more about text mining using tidy data principles
tidyverse	Comprehensive R Archive Network (CRAN)	tidyverse 2.0.0	The tidyverse is an opinionated collection of R packages designed for data science. All packages share an underlying design philosophy, grammar, and data structures.
VennDiagram	Comprehensive R Archive Network (CRAN)	VennDiagram 1.7.3	VennDiagram is a R package for generating high-resolution, customizable Venn diagrams with up to four sets and Euler diagrams with up to three sets. Includes handling for several special cases including two-case scaling, and extensive customization of plot shape and structure.
VOSviewer	Centre for Science and Technology Studies, Leiden University, The Netherlands	VOSviewer version 1.6.19	VOSviewer is a software tool for constructing and visualizing bibliometric networks. These networks may for instance include journals, researchers, or individual publications, and they can be constructed based on citation, bibliographic coupling, co-citation, or co-authorship relations. VOSviewer also offers text mining functionality that can be used to construct and visualize co-occurrence networks of important terms extracted from a body of scientific literature.