iPS细胞领域中、美、日典型科研机构对比研究

杨淑娇，刘伟，吴曙霞，张晓，曹巍



iPS细胞领域中、美、日典型科研机构对比研究

杨淑娇，刘伟，吴曙霞，张晓，曹巍

100850 北京，军事医学科学院卫生勤务与医学情报研究所（杨淑娇、刘伟、吴曙霞）；100195 北京市科学技术委员会生物医药处（张晓、曹巍）

干细胞是一类具有自我复制能力的多潜能细胞，在一定条件下，可分化为多种功能细胞。干细胞领域已成为 21 世纪衡量一个国家生命科学发展水平的重要指标之一，并引起了各国政府、科技界和公众的高度关注。目前，干细胞主要分为胚胎干细胞、成体干细胞、诱导多能干细胞三大类型。其中，诱导多能干细胞（induced pluripotent stem cell，iPS）成为干细胞领域的热点研究方向。iPS 细胞是日本京都大学山中伸弥教授于 2006 年首次提出，因其在技术上和伦理上的优势，迅速在干细胞、表观遗传学以及生物医学等领域引起了强烈的反响，并且得到了美国、欧盟、日本、中国、韩国等各个国家的广泛关注与支持，使得 iPS 细胞技术迅猛发展。

美国和日本在 iPS 细胞研究领域占据了主导地位，中国虽然在 iPS 细胞领域的论文数量居于世界第三位[1]，但是相较于美国、日本，我国在该领域仍存在着论文质量较低等问题。与哈佛大学、京都大学等具有国际竞争力的核心科研机构相比[2]，中国科学院作为国内该领域发文数量第一位的机构，其国际影响力仍需进一步提升。本研究选择美国的哈佛大学、日本的京都大学以及我国的中国科学院作为对比研究对象，利用知识网络分析的方法对科技创新的主体科研机构进行分析，从文献影响力、网络结构和网络点度中心度等知识网络结构指标进行对比研究，探索我国科研机构与美国哈佛大学、日本京都大学之间的差异，从而为我国在 iPS 细胞领域的发展提供科学依据，也为我国科研机构的发展提供理论参考。

1 干细胞领域知识网络研究现状

知识作为实现科技创新的重要工具和载体，在科技创新主体（个人、科研机构、企业、政府）之间的流动与扩散对于促进科技创新具有十分重要的意义。知识的流动扩散载体为科学论文、专利、专著等，通过科学家的合作、科技文献的传播与引用，构成了知识流动、转化的动态网络。Price 在其书中指出“科研合作已成为当今科学发展的重要动力”[3]，研究人员发现各个领域普遍存在科研合作这一现象，并且逐渐成为推动领域发展的重要动力。随着现代科学研究的不断深入，学科之间的交叉融合以及科学全球化等使得科研合作已成为科学研究的重要方式之一，知识网络研究也成为观察科学发展的重要工具。

随着干细胞领域的快速发展和战略地位不断提升，不断有研究者利用文献工具进行干细胞领域的发展和知识网络分析。Ho 等[4]采用 Honour Index 分析了亚洲四小龙（香港、新加坡、韩国、台湾）在干细胞领域的科研产出情况，并预测了干细胞领域未来 20 年（2003 – 2023 年）的发展趋势；Li 等[5]运用知识图谱方法分析了 1991 – 2006 年间的干细胞研究现状，包括关键词分析、主题词分析等，丰富了文献计量研究理论与方法的应用与实践；报道了利用文献计量方法分析干细胞移植治疗阿尔茨海默病[6]、脑缺血[7]、脊髓损伤[8]、假肥大型肌营养不良症[9]、癫痫症[10]等方面的文献研究现状；Edlinger 等[11]利用科学计量法分析了干细胞治疗缺血性心脏病方面的文献，并运用密度均衡图分析了全球范围内该领域的重要中心。孙雪莲等[12]运用知识图谱分析 2000 – 2011 年间干细胞的研究现状及发展方向；单连慧等[13]利用文献计量方法和社会网络分析等方法分析中国干细胞治疗的临床应用现状。在诱导多能干细胞领域，Lin 和 Ho[14]采用文献总量、独立文献数量、合著文献数量、第一作者文献数量、作者合著文献数量五个指标对多能干细胞领域的期刊进行了国家间和机构间的比较研究；邹聪和石之虎[15]通过文献计量法对 2006 – 2013 年间的 iPS 细胞领域的相关文献进行了分析。有人则运用文献计量方法从科研合作的角度研究了干细胞领域的合作情况[16-18]。从以上分析可以看出，目前国内外研究是从探索与挖掘干细胞领域的热点研究方向与领域进行文献计量分析和社会网络分析，本研究通过综合运用文献计量和知识网络分析方法，分析哈佛大学、京都大学、中国科学院在 2006 – 2015 年间的 iPS 细胞领域的文献影响力、合著网络等相关特征，并比较三个机构中核心科学家在网络中所处的位置情况与差异，为全面了解我国机构在 iPS 细胞领域中的发展地位提供一个新的研究视角。

2 研究方法

以（TS=("induc* pluripotent stem cell*") or TS=("induc* pluripotent cell*") or (TS=("iPS cell*") Not TS=("in-plane switching")）[19]为检索式，检索 Science Citation Index 数据库，限定时间范围为 2006 – 2015 年，限制文献类型为“研究型论文”，经过汇总去重，共得出 4709 条文献数据。然后机构限制为哈佛大学、京都大学、中国科学院，分别获取哈佛大学 270 条文献数据、京都大学 250 条文献数据、中国科学院 167 条文献数据，运用 Thomson Data Analyzer（简称 TDA）进行数据的去重、合并等清洗工作，并分别得到三个机构的合著关系矩阵，然后利用 Ucinet 软件计算相关网络参数。

本研究在进行数据计算、分析研究中，主要利用以下指标：

⑴文献影响力指标

运用文献数量、文献被引频次、除去自引的被引频次、每项平均引用次数和 H 指数等指标对比研究哈佛大学、京都大学和中国科学院在 iPS 细胞领域的文献影响力和科研实力差距。

⑵网络规模指标

研究机构合著的网络规模时，主要关注网络内的节点数量、节点连线数量、网络密度等。其中，所谓网络密度[20]，是网络内连接节点被强的第三方联系所围绕的状况[21]，用于衡量知识网络内各节点之间的关联紧密程度[22]。在社会网络中，网络密度越大，说明该网络能够向各个节点提供的资源就越多，同时也会限制节点的个人发展[23]。由于合著网络属于无方向性网络[24]，网络密度的计算公式如下：

其中，d 表示网络的密度，L 表示网络中的连线数目，n 表示网络中节点的数量。

⑶网络结构指标

分析合著网络的结构特征时，主要采用了平均路径长度、聚类系数。网络中i 和 j 两个节点之间的距离为 di,j，表示的是连接这两个节点的最短路径上的边数。网络的平均最短路径长度 L 定义为任意两个节点之间的最短路径的平均值，即：

其中，N 是网络中的节点数量。平均路径长度反映了网络的全局特征。

⑷中心度分析

中心度是社会网络分析的重要内容之一，分为点度中心度、中介中心度、接近中心度三个主要指标。

3 研究结果

3.1 文献影响力分析

文献数量和被引频次是评价文献影响力的直观指标。在文献数量方面，哈佛大学> 京都大学> 中国科学院；在文献总被引频次方面，京都大学> 哈佛大学> 中国科学院；在每项平均引用次数方面，哈佛大学为120.44，京都大学为 142.56，中国科学院为 37.45，这可能与 iPS 细胞技术是由日本京都大学山中伸弥教授首次提出的有关，使得京都大学 iPS 细胞领域相关文献成为该领域的经典引用文献。哈佛大学在 iPS 细胞领域的文献 H 指数为 79，京都大学的为 61，中国科学院的则为 40。从表 1 中可以看出，与哈佛大学、京都大学相比，不管是文献数量、被引频次，还是 H 指数，中国科学院还存在着一定差距，在 iPS 细胞领域的文献影响力与科研实力还有待提高。

表 1 三个机构的文献影响力指标对比分析

3.2 合著网络分析结果

3.2.1 网络规模分析 科研机构作为科学知识传播与交流的重要参与者与主体，对于推动科学发展发挥着必不可少的作用。机构之间的合作也大大地推动了全球 iPS 细胞领域的快速发展。在社会网络中，网络的规模主要是指网络中节点的数量以及节点连线数量，在社会网络中，节点数量越多、节点连线数量越少，说明网络内资源越丰富，而待开发的资源越多[23]。机构合著网络中，网络节点是指科研机构，连线是指机构间的合作关系，连线的粗细表示两者之间合作的强度。从网络节点数量与连线数量来看，哈佛大学的合作机构数量为 409，京都大学的合作机构数量为 246，中国科学院的合作机构数量为 172，说明哈佛大学的合著网络规模最为广泛（图 1），也说明网络中知识、资源等较为丰富，其次是京都大学（图 2），中国科学院第三（图 3）。从图中可以看出，三家机构合作密切的机构大多为各自国内的机构，与地理距离是影响科研合作的因素之一有关系。根据公式⑴，哈佛大学、京都大学和中国科学院三个机构合著网络的网络密度分别为 0.051、0.085、0.041（表 2）。表 2 结果显示，三个机构中，哈佛大学的网络节点数量和网络连线数量均为第一，但是网络密度却低于京都大学，说明哈佛大学合著网络中可挖掘的合作潜力较大，也说明京都大学合著网络内部机构之间的合作较为紧密，iPS 细胞领域知识在以京都大学为核心的合著网络中有了较高程度的分享和交流，同时也反映了京都大学合著网络中待发掘的合作潜力较低。

3.2.2 网络结构分析 从平均路径长度来看，哈佛大学、京都大学、中国科学院的机构合著网络的平均路径长度分别为 1.9、1.9、2.0（表 3），三个机构的机构合著网络中的任意两个可连通的机构之间均最多只有 2 个中介者，平均只需要约 1 个中介者就可以进行信息的传递，三个机构的机构合著网络具有较髙的连通性，从具体数值上来说，中国科学院相较于哈佛大学与京都大学，还需要加强与其他机构的合作程度。三个机构合著网络的聚类系数分别为 5.925、4.756、3.008，说明三个机构中，哈佛大学与其他机构的合作更加稳定、有序。但是三个机构与其他机构的合作还处于不断变化的阶段，说明 iPS 细胞领域虽已处于前沿技术和关注热点，但是仍有很大的发展空间。

图 1 哈佛大学主要合著机构网络

图 2 京都大学主要合著机构网络

3.2.3 中心度分析

⑴点度中心度

由于国家政策不同、领域发展差异等主客观原因的存在，导致哈佛大学、京都大学以及中国科学院形成不同规模的科学家合著网络，从而在体现科学家核心地位方面有差异。因此，为了更加客观地具体分析三个机构核心科学家的概况，选择 Freeman 提出的相对点度中心度进行科学家合著网络点度中心度的测量与分析。

哈佛大学、京都大学、中国科学院相对点度中心度排名最高的前十位科学家在各自国内合著网络中处于中心地位（表 4），在网络中拥有较大的“权力”，对于 iPS 细胞领域的发展与推广发挥着重要的推广与媒介作用。京都大学的相对点度中心度相对较高，中国科学院次之，哈佛大学第三，这可能与京都大学是 iPS 细胞技术的诞生地有关。除此之外，哈佛大学核心科学家的相对中心度较低，但是十位科学家之间的差异较少，说明哈佛大学在全球范围的合作机构虽然最多，但是与其他科学家的合作强度还有待提高。

图 3 中国科学院主要合著机构网络

表 2 三个机构的合著网络规模对比分析

表 3 三个机构的合著网络结构情况

表 4 三个机构排名前十科学家相对点度中心度

⑵中介中心度分析

中介中心度较高的节点说明其在网络中担任其他两个节点之间最短路的桥梁的次数越多。在本研究中，中介中心度较高的科学家说明其处于许多交流合著网络路径上，对于知识的交流与传播发挥着重要的桥梁作用。在哈佛大学、京都大学、中国科学院中介中心度排名位于前十的科学家与中介中心度数值见表 5。这些科学家分别在哈佛大学、京都大学、中国科学院合著网络中处于重要的连接位置，掌握着较大量、广泛的网络信息资源，对于三个机构网络内的知识流动与交流产生着重要的影响。

三个机构中，京都大学的 Shinya Yamanaka 中介中心度最大，既是京都大学的第一位，也排在三个机构的第一位，这可能与其是 iPS 细胞技术首创者有关。三个机构排在第一位的科学家与排在第二位的科学家均有着较大的差异，说明三个机构内部均缺乏有影响力的“中间”科学家。纵观三个机构的相对中介中心度科学家排名，发现哈佛大学十位科学家之间的中介中心度差异较小，并且从第二名开始，美国科学家的相对中介中心度均高于排在同等位次的中日科学家，说明哈佛大学的十位科学家均具有较高的知识传播性，这与哈佛大学文献影响力较高的结论相一致，说明哈佛大学的科学家大大推动了 iPS 细胞领域的知识和技术在科学家队伍中的流动与扩散。

表 5 三个机构相对中介中心度排名前十科学家

综上所述，通过对比哈佛大学、京都大学、中国科学院三个机构内科学家的中心度分析，哈佛大学的Daley George Q、京都大学的 Shinya Yamanaka 以及中国的裴端卿等科学家，尤其是 Shinya Yamanaka 在 iPS 细胞知识的传播和交流过程中发挥着重要的桥梁作用。三个国家中，美国十位科学家之间的相对点度中心度和中介中心度的差异较少，说明 iPS 细胞领域的知识在十位科学家之间的交流和传播较多，也说明美国科学家对于 iPS 细胞领域的知识在世界范围内的流动与传播产生了重要作用；日本和中国的共同特点是，相对点度中心度和中介中心度在十位科学家之间的差异较大，尤其是第一位和第二位科学家之间，说明中日两国在该领域的科学家储备力量有待加强。

科学家作为机构中的主体，科学家的行为对于机构的合著网络结构会产生直接的影响，所以，机构的合著网络特征在一定程度上可以反映科学家的行为轨迹或特征，也会给科学家的发展提供一定的参考价值。对比哈佛大学和京都大学的机构合著网络机构特征以及科学家的中心度结果发现，在合著网络中，并非网络密度越大越好，密度大的网络可能不利于网络内部个体的发展。相关研究也证明[23]，网络密度越大，节点之间的合作关系就越稠密，反而越难成为网络中知识流动过程中的“桥梁”或“中介”。

4 结论与讨论

4.1 中国机构知识网络规模与美国、日本相比尚有差距

哈佛大学、京都大学和中国科学院分别代表着美国、日本和中国在 iPS 细胞领域的最高研究水平。但是在文献数量、被引频次、H 指数等文献影响力方面，中国科学院在 iPS 细胞领域的知识产出的数量与知识影响力还存在一定差距。日本虽然是 iPS 技术的发源地，但其发展速度和规模不及美国。

4.2 合作强度有助于提升知识网络效率

iPS 细胞技术作为目前干细胞领域高速发展的前沿技术和热点方向，三个机构均构建了各自与其他机构的合作网络。美国、日本合著网络内部机构之间的合作较紧密，沟通效率较高，中国科学院合作网络密集度较弱，在保护知识产权与科研成果的前提下，加强与其他国内外机构的合作，扩大合作规模，加强合作强度将有助于科技创新产出。

4.3 知识网络稳定度与技术发展阶段相关

哈佛大学、京都大学以及中国科学院均已建立了连通性较好的机构合著网络，但该领域的知识迁移与流动性较强，呈现流动迁移的网络结构特征。这与 iPS 领域仍处于快速发展的阶段，不断有科学家加入或退出该领域的研究行列有关。技术的不确定性与资金支持和资助的不稳定性是重要的影响因素，导致合著网络的结构仍处于变化、发展中。

4.4 顶尖科学家在网络中具有重要地位

在促进知识流动与传播的过程中，科学家作为重要的传播主体和知识携带者，科学家的传播能力以及技术掌握情况对于科研机构的发展与产出有着直接的影响，也对于促进知识的传播与扩散产生重要作用。从三个机构科学家相对中介中心度的比较，说明科学家的传播作用对于机构合作对象的规模产生重要作用。相较于哈佛大学，中国科学院的合著网络中，具有较高国际地位和影响力的科学家队伍相对较少，以及科学家队伍之间的合作程度还有待加强，因此中国科学院应该注重 iPS 细胞领域顶尖人才以及科学家团队的培养与维护。

科研机构是科学研究的主体，是科技创新的结构单位。通过对比分析中美日三个典型科研机构的文献影响力、科研合作网络的整体特征以及网络中科学家的中心性，可以为我们观察科技创新的主体特征提供一些启示。但本研究仅利用社会网络分析方法对文献指标进行了初步的观察和对比，未对各机构的科学家数量与资金、政策等影响因素进行综合分析，各个机构在合作网络中处于什么样的位置，是“主动合作”还是“被动合作”等还有待进一步的探讨与挖掘。

[1] Wang N, Wang C, Tian L. Domestic and foreign literature analysis on iPS cell research. Chin Med Biotechnol, 2011, 6(6):462-465. (in Chinese)

汪楠, 王冲, 田玲. 国内外iPS细胞相关研究文献分析. 中国医药生物技术, 2011, 6(6):462-465.

[2] Li HC, Shan LH, Zhong H, et al. Analysis of the research status on induced pluripotent stem cells. Chin J Cell Stem Cell, 2012, 2(4):277- 283. (in Chinese)

李海存, 单连慧, 钟华, 等. 从信息学的角度分析诱导性多潜能干细胞的研究现状. 中华细胞与干细胞杂志(电子版), 2012, 2(4):277- 283.

[3] De Solla Price DJ. Little science, big science. New York: Columbia University Press, 1963.

[4] Ho YS, Chiu CH, Tseng TM, et al. Assessing stem cell research productivity. Scientometrics, 2003, 57(3):369-376.

[5] Li LL, Ding GH, Feng N, et al. Global stem cell research trend: bibliometric analysis as a tool for mapping of trends from 1991 to 2006. Scientometrics, 2009, 80(1):39-58.

[6] Li R. Stem cell transplantation for treating Parkinson’s disease: literature analysis based on the Web of Science. Neural Regen Res, 2012, 7(16):1272-1279.

[7] Zhang X, Wang G, Dong F, et al. Application of magnetic resonance imaging for monitoring stem cell transplantation for the treatment of cerebral ischemia. Neural Regen Res, 2012, 7(16):1264-1271.

[8] Xiang L, Chen Y. Stem cell transplantation for treating spinal cord injury: a literature comparison between studies of stem cells obtained from various sources. Neural Regen Res, 2012, 7(16):1256-1263.

[9] Yang X. Stem cell transplantation for treating Duchenne muscular dystrophy: a Web of Science-based literature analysis. Neural Regen Res, 2012, 7(22):1744-1751.

[10] Yin Z, Dong Y, Zhang J, et al. Use of stem cell transplantation to treat epilepsy: a Web of Science-based literature analysis. Neural Regen Res, 2012, 7(33):2624-2631.

[11] Edlinger C, Schreiber C, Wernly B, et al. Stem cell therapy for myocardial infarction 2001-2013 revisited. Stem Cell Rev, 2015, 11(5):743-751.

[12] Sun XL, Che LZ, Yu QH, et al. Current research and the developing trend of stem cells based on mapping of knowledge. Value Eng, 2013, (1):8-10. (in Chinese)

孙雪莲, 车丽珠, 于清浩, 等. 基于知识图谱分析干细胞研究现状及发展方向. 价值工程, 2013, (1):8-10.

[13] Shan LH, Li HC, An XY, et al. Overview of Chinese clinical studies of stem cell based on the bibliometrics. Chin J Cell Stem Cell, 2016, 6(1):47-51. (in Chinese)

单连慧, 李海存, 安新颖, 等. 基于文献计量学的中国干细胞治疗临床应用现状研究. 中华细胞与干细胞杂志(电子版), 2016, 6(1): 47-51.

[14] Lin CL, Ho YS. A bibliometric analysis of publications on pluripotentstem cell research. Cell J, 2015, 17(1):59-70.

[15] Zou C, Shi ZH. Bibliometric analyze the literatures of induced pluripotent stem cells based on science citation index database.J Qiqihar Univ Med, 2013, 34(24):3592-3595. (in Chinese)

邹聪, 石之虎. 基于SCI数据库的诱导多能干细胞研究文献计量分析. 齐齐哈尔医学院学报, 2013, 34(24):3592-3595.

[16] Luo J, Matthews KR. Globalization of stem cell science: an examination of current and past collaborative research network. PLoS One, 2013, 8(9):e73598.

[17] Ali-Khan SE, Ray M, Mcmahon DS, et al. Sino-Canadian collaborations in stem cell research: a scientometric analysis. PLoS One, 2013, 8(2):e57176.

[18] Li WC, Sha SY, Gao Y, et al. Analyzing international collaboration in stem cell research through a social network lens. Mathematics Pract Theory, 2016, 46(10):68-76. (in Chinese)

李文聪, 沙思颖, 高雅, 等. 从合著网络及其变化看干细胞研究领域的国际科研合作. 数学的实践与认识, 2016, 46(10):68-76.

[19] Pang HS, Ding HY, Zheng H, et al. Research on patents analysis of induced pluripotent stem cell. Sci Focus, 2014, 9(6):11-23. (in Chinese)

庞弘燊, 丁海燕, 郑辉, 等. 诱导性多能干细胞专利技术态势分析. 科学观察, 2014, 9(6):11-23.

[20] Scott J. Social network analysis. Liu J, Translate. 2nd ed. Chongqing: Chongqing University Press, 2007:58. (in Chinese)

约翰•斯科特. 社会网络分析法. 刘军, 译. 2版. 重庆: 重庆大学出版社, 2007:58.

[21] Reagans R, McEvily B. Network Structure and knowledge transfer: the effects of cohesion and range. Adm Sci Q, 2003, 48(2):240-267.

[22] Burt RS. Structural holes: the social structure of competition. Cambridge, MA: Harvard University Press, 1992:54-56.

[23] Shao RH, Sha YZ, Li L. Research on the relationship between inter-institutional collaboration networks and academic impact of institutions ——taking the library and information science (LIS) as sample. Inf Sci, 2017, 35(3):42-46, 86. (in Chinese)

邵瑞华, 沙勇忠, 李亮. 机构合作网络与机构学术影响力的关系研究——以图书情报学科为例. 情报科学, 2017, 35(3):42-46, 86.

[24] Zhang LH, Yan M. Analysis of scientific collaboration network of China’s management sciences based on SNA ——for the sample of “management review” (2004-2008). Manag Rev, 2010, 39(4):39-46. (in Chinese)

张利华, 闫明. 基于SNA的中国管理科学科研合作网络分析——以《管理评论》(2004-2008)为样本. 管理评论, 2010, 39(4):39-46.

北京市科技计划课题（Z171100003217005）

曹巍，Email：celiawoo@126.com

2017-11-15

10.3969/j.issn.1673-713X.2018.01.017