Clinical Metabolomics studies in diagnosing Prediabetes and Type 2 Diabetes: Unveiling Trends through Bibliometric Analysis

本研究通过文献计量学方法分析了 1990 年代至 2025 年 5 月 Web of Science 数据库中关于糖尿病前期和 2 型糖尿病临床代谢组学的 1742 篇文献，揭示了该领域的研究趋势、核心贡献者及当前热点（如胰岛素抵抗、肠道菌群和生物标志物），旨在为疾病的早期诊断和精准干预提供依据。

要点

这篇论文就像是一位**“学术侦探”，利用大数据和可视化工具，对过去几十年里关于“糖尿病前期”和"2 型糖尿病”**的代谢组学研究进行了一次全面的“人口普查”和“趋势预测”。

为了让你更容易理解，我们可以把这项研究想象成在浩瀚的“医学知识海洋”中绘制一张藏宝图。

1. 为什么要画这张图？（背景与目的）

• 现状： 2 型糖尿病就像一场悄无声息的“火灾”。在火势完全烧起来（确诊糖尿病）之前，其实已经有一个“冒烟”的阶段，叫做糖尿病前期。
• 问题： 传统的检查方法（比如抽血测血糖）就像是用肉眼找烟雾，有时候不够灵敏，容易漏掉那些“冒烟”但还没“着火”的人。
• 新武器： 代谢组学（Metabolomics）就像是一个超级灵敏的**“化学气味探测器”**。它能检测出人体内成千上万种微小的化学物质（代谢物）的变化。这些变化往往在血糖升高之前就已经发生了。
• 任务： 这篇论文没有直接做实验，而是把过去几十年全球科学家发表的 1700 多篇相关论文收集起来，用电脑软件（像 VOSviewer 和 CiteSpace 这样的“地图绘制仪”）分析，看看大家都在研究什么，哪些是热点，未来该往哪里走。

2. 谁在画这张图？（研究力量）

• 主力军： 就像一场全球接力赛，中国、美国和德国是跑得最快的三位选手。中国发表的论文数量最多（像产量最高的工厂），但美国的论文被引用的次数最多（像影响力最大的声音）。
• 明星机构： 哈佛大学、德国的亥姆霍兹慕尼黑中心、大连化学物理研究所等机构是这场接力赛中的“王牌战队”。
• 领军人物： 就像乐队里的首席指挥，德国的 Jerzy Adamski 教授和中国的 许国旺 教授是这一领域产出最多、贡献最大的两位“领航员”。

3. 大家都在找什么“宝藏”？（研究热点）

通过分析关键词，研究人员发现大家主要关注以下几个“宝藏线索”：

• 胰岛素抵抗（IR）： 这是糖尿病的核心“罪魁祸首”。想象一下，细胞们本来应该像门一样打开让葡萄糖进去，但胰岛素这把“钥匙”失灵了，门打不开，葡萄糖就堆积在门外。代谢组学正在努力找出为什么门打不开。
• 脂肪与氨基酸（脂质与氨基酸）： 以前大家只盯着血糖看，现在发现脂肪分子（像甘油三酯）和氨基酸（像支链氨基酸）的异常，往往比血糖升高更早出现。它们就像是火灾前的“第一缕烟”。
• 肠道菌群（Gut Microbiota）： 这是一个新兴的“新大陆”。研究发现，我们肚子里的细菌（肠道菌群）如果乱了套，会产生一些坏分子（如 TMAO），这些坏分子会干扰血糖控制。这就像是我们体内的“小工厂”生产了有毒废料，导致身体生病。
• 技术升级： 从早期的“质谱仪”（一种精密的化学天平）技术探索，发展到现在的“多组学联合”（把基因、代谢、细菌数据结合起来看），就像从用单筒望远镜看星星，升级到了用哈勃望远镜看整个宇宙。

4. 研究是怎么演变的？（时间轴故事）

这篇论文把研究历史分成了三个阶段，就像一部电影的三部曲：

1. 第一部：技术探索期（早期）
   • 剧情： 科学家们刚拿到“化学探测器”，忙着研究怎么用这个新工具，怎么测得准。
   • 关键词： 质谱、代谢组学技术。
2. 第二部：机制深挖期（中期）
   • 剧情： 工具熟练了，开始深入挖掘“为什么”。发现脂肪、氨基酸、肠道细菌在捣乱。
   • 关键词： 胰岛素抵抗、支链氨基酸、肠道菌群。
3. 第三部：临床融合期（现在与未来）
   • 剧情： 不再只是实验室里的数据，而是把这些发现应用到临床。比如，通过检测特定的代谢物，提前预警糖尿病；或者通过调节肠道菌群来预防糖尿病。
   • 关键词： 精准医疗、早期诊断、并发症预测（如糖尿病肾病）。

5. 这张“藏宝图”告诉我们什么？（结论与启示）

• 早期预警是可能的： 在血糖还没超标之前，体内的代谢物已经“报警”了。如果我们能抓住这些信号，就能在糖尿病真正爆发前把它“扑灭”。
• 未来方向： 未来的研究不再是单打独斗，而是要把**“代谢 + 基因 + 肠道细菌 + 人工智能”**结合起来。就像是用 AI 大脑，综合分析所有线索，为每个人定制一套专属的“防糖方案”。
• 最终目标： 让糖尿病从一种“不可治愈的慢性病”，变成一种“可预测、可预防、可精准管理”的疾病。

一句话总结：
这篇论文告诉我们，科学家正在利用“化学气味探测器”（代谢组学），结合全球智慧，绘制一张精准的“糖尿病早期预警地图”。未来的目标不再是等火着了再救，而是通过监测微小的化学变化，在冒烟阶段就精准灭火，让每个人都能拥有更健康的未来。

技术摘要

以下是基于该预印本论文《临床代谢组学在糖尿病前期和 2 型糖尿病诊断中的研究：通过文献计量分析揭示趋势》的详细技术总结：

1. 研究背景与问题 (Problem)

• 临床痛点：2 型糖尿病（T2D）及其前期阶段（Prediabetes, Pre-DM）是全球公共卫生的重大挑战。Pre-DM 具有无症状和进展缓慢的特点，传统的筛查方法（如空腹血糖 FPG、糖化血红蛋白 HbA1c 或口服葡萄糖耐量试验 OGTT）存在局限性。OGTT 操作复杂且耗时，而单一使用 FPG 或 HbA1c 的敏感性较低，导致大量 Pre-DM 和早期 T2D 病例被漏诊。
• 研究缺口：尽管代谢组学在揭示疾病机制和发现生物标志物方面展现出巨大潜力，但目前缺乏系统性的综述来全面分析该领域在 Pre-DM 和 T2D 临床研究中的发展趋势、热点主题及演变轨迹。
• 研究目标：利用文献计量学方法，系统梳理全球范围内关于临床代谢组学在 Pre-DM 和 T2D 诊断中的应用现状，识别研究热点、前沿趋势及核心贡献者，为早期诊断、发病机制研究和精准干预提供证据支持。

2. 研究方法 (Methodology)

• 数据来源：Web of Science 核心合集（WOSCC），涵盖 SCI-E 和 SSCI 数据库。
• 检索策略：
  • 时间跨度：从数据库 inception 至 2025 年 5 月（数据截止日为 2025 年 5 月 23 日）。
  • 筛选标准：仅保留“文章（Article）”和“综述（Review）”；排除非医学相关学科、非英文、重复及无关文献。
  • 最终样本：共纳入 1,742 篇文献，涉及 75 个国家、2,937 个机构、13,505 位作者。
• 分析工具：
  • VOSviewer (v1.6.20)：用于构建合作网络、共现网络及聚类分析，基于概率模型进行归一化。
  • CiteSpace (v6.2.R3)：用于引文分析、突现词检测（Burst Detection）及时间线图谱绘制，基于集合论进行归一化。
• 分析维度：包括年度发文量、国家/地区分布、机构合作、期刊分布、作者合作网络、参考文献共被引、关键词共现及突现词分析。

3. 关键贡献与主要结果 (Key Contributions & Results)

3.1 全球科研格局

• 国家分布：中国（572 篇，32.84%）、美国（467 篇，26.81%）和德国（171 篇，9.82%）是发文量前三的国家。中国在发文量上领先，但美国在总被引次数上更高，表明其学术影响力更强。
• 核心机构：哈佛大学（77 篇）和德国亥姆霍兹联合会（73 篇）是产出最高的机构。
• 核心作者：德国亥姆霍兹环境健康研究中心的 Jerzy Adamski 和中国科学院大连化学物理研究所的 Guowang Xu 是发文量最多的两位学者，他们在代谢组学方法学、生物标志物发现及机制研究方面形成了互补的核心团队。

3.2 研究热点与演变轨迹

通过关键词共现和突现词分析，研究揭示了该领域经历了“技术驱动 -> 机制探索 -> 临床整合”的三阶段演变：

1. 早期（技术驱动）：关注质谱技术（Mass Spectrometry）、代谢组学方法学建立及宏观表型（如胰岛素抵抗 IR、肥胖）的关联。
2. 中期（机制探索）：深入特定代谢通路，如肠道菌群、脂质组学（Lipidomics）及特定氨基酸（如支链氨基酸 BCAAs）的代谢紊乱。
3. 近期（临床整合）：聚焦于特定并发症（如非酒精性脂肪性肝炎 NASH、糖尿病肾病）、宿主 - 微生物共代谢物（如 TMAO）以及大规模流行病学证据的积累，向精准预防和管理转化。

3.3 核心科学发现（基于高被引文献与热点聚类）

研究总结了 Pre-DM 和 T2D 的关键代谢特征：

• 胰岛素抵抗（IR）：是贯穿疾病全过程的核心病理基础。
• 关键生物标志物：
  • 氨基酸：支链氨基酸（BCAAs: Leu, Ile, Val）和芳香族氨基酸（AAAs: Tyr, Phe）水平升高是预测 T2D 的强指标，甚至可提前 10 年预警；甘氨酸（Gly）水平降低与风险增加相关。
  • 脂质：除了传统血脂指标，特定的脂质分子如溶血磷脂酰胆碱（LPC）、酰基肉碱（Acylcarnitines）、二酰甘油（DG）和神经酰胺（Ceramide）的紊乱与疾病进展密切相关。
  • 肠道菌群代谢物：肠道菌群失调导致的代谢物改变（如 TMAO、咪唑丙酸、马尿酸等）在临床发病前即已出现，为早期干预提供了新靶点。
• 高被引文献：Wang et al. (2011, Nat Med) 关于氨基酸谱与糖尿病风险的发现，以及 Newgard et al. (2009, Cell Metab) 关于 BCAA 与 IR 的研究是该领域的基石。

3.4 期刊分布

• 高产期刊：Metabolites, Scientific Reports, Journal of Proteome Research。
• 高影响力/高被引期刊：Diabetes, Diabetes Care, Cell Metabolism, Nature, Diabetologia。
• 学科交叉：研究显示出分子生物学、遗传学基础研究与临床免疫学、医学的深度融合。

4. 研究意义 (Significance)

• 诊断价值：证实了代谢组学（特别是脂质组学和氨基酸组学）能够识别传统血糖指标无法捕捉的亚临床代谢异常，为开发高灵敏度的早期诊断生物标志物面板提供了理论依据。
• 机制阐明：揭示了从肥胖、IR 到 Pre-DM 再到 T2D 的连续代谢谱变化，特别是肠道菌群 - 宿主共代谢在疾病发生发展中的关键作用。
• 指导未来方向：
  • 推动从单一生物标志物向多组学网络分析转变。
  • 强调人工智能（AI） 在构建代谢预测模型和分层诊断中的应用。
  • 提出针对特定并发症（如 NASH、肾病）的精准干预策略。
• 政策与临床启示：为大规模人群筛查和公共卫生预防策略的制定提供了科学数据支持，有助于实现糖尿病管理的“早发现、早干预、个性化治疗”。

5. 局限性与展望

• 局限性：受限于数据库更新、筛选过程的主观性以及文献计量软件算法的固有偏差。
• 未来展望：需进一步整合代谢组、基因组和微生物组数据，利用机器学习开发鲁棒性更强的预测模型，并开展大规模前瞻性临床验证，以推动代谢组学真正进入临床常规应用。

总结：该论文通过系统的文献计量分析，不仅描绘了代谢组学在糖尿病前期及 2 型糖尿病研究中的全球版图，更深刻揭示了从技术方法学到临床转化应用的科学演进逻辑，强调了多组学联合分析在实现糖尿病精准医疗中的核心地位。