• 研究报告 •
舒安镕1,李鸿1,袁哲明1,2
1.湖南农业大学农业大数据分析与决策工程技术研究中心,长沙 410128
2.岳麓山实验室,长沙 410125Anrong Shu1, Hong Li1, Zheming Yuan1,2
1. Hunan Engineering and Technology Research Center for Agricultural Big Data Analysis and Decision-Making, Hunan Agricultural University, Changsha 410128, China
2. Yuelushan Laboratory, Changsha 410125, China摘要: 全基因组关联分析(genome-wide association studies,GWAS)自2007年规模化应用以来,已积累大量文献,系统梳理其演进脉络具有重要意义。然而,传统关键词共现分析易受高频词稀释效应影响,细分主题在网络中的辨识度不足。为此,本研究引入马修斯相关系数(Matthews correlation coefficient,MCC)量化关键词间的二元关联强度;基于2007~2025年Web of Science核心合集收录的56,375篇文献,结合PELT断点检测、CiteSpace突现词分析与共被引分析,解析GWAS领域的主题演进与知识结构。结果表明:(1)PELT算法识别出2011年、2021年两个断点,将领域划分为萌芽期、扩张期与快速增长期,其中快速增长期发文量占41.3%;(2)基于MCC构建的无加权网络模块度更高(Q=0.510,传统余弦相似度共现网络Q=0.349),加权与无加权网络的Q值相对偏差为14.66%(余弦相似度网络为41.42%),稳定性更好;(3)主题演进呈现由早期疾病易感位点识别,经多组学功能注释与精细定位,向以孟德尔随机化(Mendelian randomization,MR)为核心的因果推断转变的轨迹;(4)共被引网络识别出4个核心知识聚类:MR方法学与因果推断、GWAS分析工具与数据资源、混合线性模型与动植物关联作图,以及早期GWAS与遗传流行病学。综上,基于MCC的关键词共现分析可减弱高频词干扰,得到更清晰的主题模块,可为GWAS领域的主题演进梳理与知识图谱构建提供方法学支撑。突现词分析提示,未来前沿可能集中于多组学整合的因果推断、单细胞分辨率的遗传效应解析,以及因果变异的精细定位与功能解释。