楊淑嬌，劉偉，吳曙霞，張曉，曹巍

?

iPS細胞領域中、美、日典型科研機構對比研究

楊淑嬌，劉偉，吳曙霞，張曉，曹巍

100850 北京，軍事醫(yī)學科學院衛(wèi)生勤務與醫(yī)學情報研究所（楊淑嬌、劉偉、吳曙霞）；100195 北京市科學技術委員會生物醫(yī)藥處（張曉、曹?。?/p>

干細胞是一類具有自我復制能力的多潛能細胞，在一定條件下，可分化為多種功能細胞。干細胞領域已成為 21 世紀衡量一個國家生命科學發(fā)展水平的重要指標之一，并引起了各國政府、科技界和公眾的高度關注。目前，干細胞主要分為胚胎干細胞、成體干細胞、誘導多能干細胞三大類型。其中，誘導多能干細胞（induced pluripotent stem cell，iPS）成為干細胞領域的熱點研究方向。iPS 細胞是日本京都大學山中伸彌教授于 2006 年首次提出，因其在技術上和倫理上的優(yōu)勢，迅速在干細胞、表觀遺傳學以及生物醫(yī)學等領域引起了強烈的反響，并且得到了美國、歐盟、日本、中國、韓國等各個國家的廣泛關注與支持，使得 iPS 細胞技術迅猛發(fā)展。

美國和日本在 iPS 細胞研究領域占據了主導地位，中國雖然在 iPS 細胞領域的論文數量居于世界第三位[1]，但是相較于美國、日本，我國在該領域仍存在著論文質量較低等問題。與哈佛大學、京都大學等具有國際競爭力的核心科研機構相比[2]，中國科學院作為國內該領域發(fā)文數量第一位的機構，其國際影響力仍需進一步提升。本研究選擇美國的哈佛大學、日本的京都大學以及我國的中國科學院作為對比研究對象，利用知識網絡分析的方法對科技創(chuàng)新的主體科研機構進行分析，從文獻影響力、網絡結構和網絡點度中心度等知識網絡結構指標進行對比研究，探索我國科研機構與美國哈佛大學、日本京都大學之間的差異，從而為我國在 iPS 細胞領域的發(fā)展提供科學依據，也為我國科研機構的發(fā)展提供理論參考。

1 干細胞領域知識網絡研究現狀

知識作為實現科技創(chuàng)新的重要工具和載體，在科技創(chuàng)新主體（個人、科研機構、企業(yè)、政府）之間的流動與擴散對于促進科技創(chuàng)新具有十分重要的意義。知識的流動擴散載體為科學論文、專利、專著等，通過科學家的合作、科技文獻的傳播與引用，構成了知識流動、轉化的動態(tài)網絡。Price 在其書中指出“科研合作已成為當今科學發(fā)展的重要動力”[3]，研究人員發(fā)現各個領域普遍存在科研合作這一現象，并且逐漸成為推動領域發(fā)展的重要動力。隨著現代科學研究的不斷深入，學科之間的交叉融合以及科學全球化等使得科研合作已成為科學研究的重要方式之一，知識網絡研究也成為觀察科學發(fā)展的重要工具。

隨著干細胞領域的快速發(fā)展和戰(zhàn)略地位不斷提升，不斷有研究者利用文獻工具進行干細胞領域的發(fā)展和知識網絡分析。Ho 等[4]采用 Honour Index 分析了亞洲四小龍（香港、新加坡、韓國、臺灣）在干細胞領域的科研產出情況，并預測了干細胞領域未來 20 年（2003 – 2023 年）的發(fā)展趨勢；Li 等[5]運用知識圖譜方法分析了 1991 – 2006 年間的干細胞研究現狀，包括關鍵詞分析、主題詞分析等，豐富了文獻計量研究理論與方法的應用與實踐；報道了利用文獻計量方法分析干細胞移植治療阿爾茨海默病[6]、腦缺血[7]、脊髓損傷[8]、假肥大型肌營養(yǎng)不良癥[9]、癲癇癥[10]等方面的文獻研究現狀；Edlinger 等[11]利用科學計量法分析了干細胞治療缺血性心臟病方面的文獻，并運用密度均衡圖分析了全球范圍內該領域的重要中心。孫雪蓮等[12]運用知識圖譜分析 2000 – 2011 年間干細胞的研究現狀及發(fā)展方向；單連慧等[13]利用文獻計量方法和社會網絡分析等方法分析中國干細胞治療的臨床應用現狀。在誘導多能干細胞領域，Lin 和 Ho[14]采用文獻總量、獨立文獻數量、合著文獻數量、第一作者文獻數量、作者合著文獻數量五個指標對多能干細胞領域的期刊進行了國家間和機構間的比較研究；鄒聰和石之虎[15]通過文獻計量法對 2006 – 2013 年間的 iPS 細胞領域的相關文獻進行了分析。有人則運用文獻計量方法從科研合作的角度研究了干細胞領域的合作情況[16-18]。從以上分析可以看出，目前國內外研究是從探索與挖掘干細胞領域的熱點研究方向與領域進行文獻計量分析和社會網絡分析，本研究通過綜合運用文獻計量和知識網絡分析方法，分析哈佛大學、京都大學、中國科學院在 2006 – 2015 年間的 iPS 細胞領域的文獻影響力、合著網絡等相關特征，并比較三個機構中核心科學家在網絡中所處的位置情況與差異，為全面了解我國機構在 iPS 細胞領域中的發(fā)展地位提供一個新的研究視角。

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]為檢索式，檢索 Science Citation Index 數據庫，限定時間范圍為 2006 – 2015 年，限制文獻類型為“研究型論文”，經過匯總去重，共得出 4709 條文獻數據。然后機構限制為哈佛大學、京都大學、中國科學院，分別獲取哈佛大學 270 條文獻數據、京都大學 250 條文獻數據、中國科學院 167 條文獻數據，運用 Thomson Data Analyzer（簡稱 TDA）進行數據的去重、合并等清洗工作，并分別得到三個機構的合著關系矩陣，然后利用 Ucinet 軟件計算相關網絡參數。

本研究在進行數據計算、分析研究中，主要利用以下指標：

⑴文獻影響力指標

運用文獻數量、文獻被引頻次、除去自引的被引頻次、每項平均引用次數和 H 指數等指標對比研究哈佛大學、京都大學和中國科學院在 iPS 細胞領域的文獻影響力和科研實力差距。

⑵網絡規(guī)模指標

研究機構合著的網絡規(guī)模時，主要關注網絡內的節(jié)點數量、節(jié)點連線數量、網絡密度等。其中，所謂網絡密度[20]，是網絡內連接節(jié)點被強的第三方聯系所圍繞的狀況[21]，用于衡量知識網絡內各節(jié)點之間的關聯緊密程度[22]。在社會網絡中，網絡密度越大，說明該網絡能夠向各個節(jié)點提供的資源就越多，同時也會限制節(jié)點的個人發(fā)展[23]。由于合著網絡屬于無方向性網絡[24]，網絡密度的計算公式如下：

其中，d 表示網絡的密度，L 表示網絡中的連線數目，n 表示網絡中節(jié)點的數量。

⑶網絡結構指標

分析合著網絡的結構特征時，主要采用了平均路徑長度、聚類系數。網絡中i 和 j 兩個節(jié)點之間的距離為 di,j，表示的是連接這兩個節(jié)點的最短路徑上的邊數。網絡的平均最短路徑長度 L 定義為任意兩個節(jié)點之間的最短路徑的平均值，即：

其中，N 是網絡中的節(jié)點數量。平均路徑長度反映了網絡的全局特征。

⑷中心度分析

中心度是社會網絡分析的重要內容之一，分為點度中心度、中介中心度、接近中心度三個主要指標。

3 研究結果

3.1 文獻影響力分析

文獻數量和被引頻次是評價文獻影響力的直觀指標。在文獻數量方面，哈佛大學> 京都大學> 中國科學院；在文獻總被引頻次方面，京都大學> 哈佛大學> 中國科學院；在每項平均引用次數方面，哈佛大學為120.44，京都大學為 142.56，中國科學院為 37.45，這可能與 iPS 細胞技術是由日本京都大學山中伸彌教授首次提出的有關，使得京都大學 iPS 細胞領域相關文獻成為該領域的經典引用文獻。哈佛大學在 iPS 細胞領域的文獻 H 指數為 79，京都大學的為 61，中國科學院的則為 40。從表 1 中可以看出，與哈佛大學、京都大學相比，不管是文獻數量、被引頻次，還是 H 指數，中國科學院還存在著一定差距，在 iPS 細胞領域的文獻影響力與科研實力還有待提高。

表 1 三個機構的文獻影響力指標對比分析

3.2 合著網絡分析結果

3.2.1 網絡規(guī)模分析 科研機構作為科學知識傳播與交流的重要參與者與主體，對于推動科學發(fā)展發(fā)揮著必不可少的作用。機構之間的合作也大大地推動了全球 iPS 細胞領域的快速發(fā)展。在社會網絡中，網絡的規(guī)模主要是指網絡中節(jié)點的數量以及節(jié)點連線數量，在社會網絡中，節(jié)點數量越多、節(jié)點連線數量越少，說明網絡內資源越豐富，而待開發(fā)的資源越多[23]。機構合著網絡中，網絡節(jié)點是指科研機構，連線是指機構間的合作關系，連線的粗細表示兩者之間合作的強度。從網絡節(jié)點數量與連線數量來看，哈佛大學的合作機構數量為 409，京都大學的合作機構數量為 246，中國科學院的合作機構數量為 172，說明哈佛大學的合著網絡規(guī)模最為廣泛（圖 1），也說明網絡中知識、資源等較為豐富，其次是京都大學（圖 2），中國科學院第三（圖 3）。從圖中可以看出，三家機構合作密切的機構大多為各自國內的機構，與地理距離是影響科研合作的因素之一有關系。根據公式⑴，哈佛大學、京都大學和中國科學院三個機構合著網絡的網絡密度分別為 0.051、0.085、0.041（表 2）。表 2 結果顯示，三個機構中，哈佛大學的網絡節(jié)點數量和網絡連線數量均為第一，但是網絡密度卻低于京都大學，說明哈佛大學合著網絡中可挖掘的合作潛力較大，也說明京都大學合著網絡內部機構之間的合作較為緊密，iPS 細胞領域知識在以京都大學為核心的合著網絡中有了較高程度的分享和交流，同時也反映了京都大學合著網絡中待發(fā)掘的合作潛力較低。

3.2.2 網絡結構分析 從平均路徑長度來看，哈佛大學、京都大學、中國科學院的機構合著網絡的平均路徑長度分別為 1.9、1.9、2.0（表 3），三個機構的機構合著網絡中的任意兩個可連通的機構之間均最多只有 2 個中介者，平均只需要約 1 個中介者就可以進行信息的傳遞，三個機構的機構合著網絡具有較髙的連通性，從具體數值上來說，中國科學院相較于哈佛大學與京都大學，還需要加強與其他機構的合作程度。三個機構合著網絡的聚類系數分別為 5.925、4.756、3.008，說明三個機構中，哈佛大學與其他機構的合作更加穩(wěn)定、有序。但是三個機構與其他機構的合作還處于不斷變化的階段，說明 iPS 細胞領域雖已處于前沿技術和關注熱點，但是仍有很大的發(fā)展空間。

圖 1 哈佛大學主要合著機構網絡

圖 2 京都大學主要合著機構網絡

3.2.3 中心度分析

⑴點度中心度

由于國家政策不同、領域發(fā)展差異等主客觀原因的存在，導致哈佛大學、京都大學以及中國科學院形成不同規(guī)模的科學家合著網絡，從而在體現科學家核心地位方面有差異。因此，為了更加客觀地具體分析三個機構核心科學家的概況，選擇 Freeman 提出的相對點度中心度進行科學家合著網絡點度中心度的測量與分析。

哈佛大學、京都大學、中國科學院相對點度中心度排名最高的前十位科學家在各自國內合著網絡中處于中心地位（表 4），在網絡中擁有較大的“權力”，對于 iPS 細胞領域的發(fā)展與推廣發(fā)揮著重要的推廣與媒介作用。京都大學的相對點度中心度相對較高，中國科學院次之，哈佛大學第三，這可能與京都大學是 iPS 細胞技術的誕生地有關。除此之外，哈佛大學核心科學家的相對中心度較低，但是十位科學家之間的差異較少，說明哈佛大學在全球范圍的合作機構雖然最多，但是與其他科學家的合作強度還有待提高。

圖 3 中國科學院主要合著機構網絡

表 2 三個機構的合著網絡規(guī)模對比分析

表 3 三個機構的合著網絡結構情況

表 4 三個機構排名前十科學家相對點度中心度

⑵中介中心度分析

中介中心度較高的節(jié)點說明其在網絡中擔任其他兩個節(jié)點之間最短路的橋梁的次數越多。在本研究中，中介中心度較高的科學家說明其處于許多交流合著網絡路徑上，對于知識的交流與傳播發(fā)揮著重要的橋梁作用。在哈佛大學、京都大學、中國科學院中介中心度排名位于前十的科學家與中介中心度數值見表 5。這些科學家分別在哈佛大學、京都大學、中國科學院合著網絡中處于重要的連接位置，掌握著較大量、廣泛的網絡信息資源，對于三個機構網絡內的知識流動與交流產生著重要的影響。

三個機構中，京都大學的 Shinya Yamanaka 中介中心度最大，既是京都大學的第一位，也排在三個機構的第一位，這可能與其是 iPS 細胞技術首創(chuàng)者有關。三個機構排在第一位的科學家與排在第二位的科學家均有著較大的差異，說明三個機構內部均缺乏有影響力的“中間”科學家?？v觀三個機構的相對中介中心度科學家排名，發(fā)現哈佛大學十位科學家之間的中介中心度差異較小，并且從第二名開始，美國科學家的相對中介中心度均高于排在同等位次的中日科學家，說明哈佛大學的十位科學家均具有較高的知識傳播性，這與哈佛大學文獻影響力較高的結論相一致，說明哈佛大學的科學家大大推動了 iPS 細胞領域的知識和技術在科學家隊伍中的流動與擴散。

表 5 三個機構相對中介中心度排名前十科學家

綜上所述，通過對比哈佛大學、京都大學、中國科學院三個機構內科學家的中心度分析，哈佛大學的Daley George Q、京都大學的 Shinya Yamanaka 以及中國的裴端卿等科學家，尤其是 Shinya Yamanaka 在 iPS 細胞知識的傳播和交流過程中發(fā)揮著重要的橋梁作用。三個國家中，美國十位科學家之間的相對點度中心度和中介中心度的差異較少，說明 iPS 細胞領域的知識在十位科學家之間的交流和傳播較多，也說明美國科學家對于 iPS 細胞領域的知識在世界范圍內的流動與傳播產生了重要作用；日本和中國的共同特點是，相對點度中心度和中介中心度在十位科學家之間的差異較大，尤其是第一位和第二位科學家之間，說明中日兩國在該領域的科學家儲備力量有待加強。

科學家作為機構中的主體，科學家的行為對于機構的合著網絡結構會產生直接的影響，所以，機構的合著網絡特征在一定程度上可以反映科學家的行為軌跡或特征，也會給科學家的發(fā)展提供一定的參考價值。對比哈佛大學和京都大學的機構合著網絡機構特征以及科學家的中心度結果發(fā)現，在合著網絡中，并非網絡密度越大越好，密度大的網絡可能不利于網絡內部個體的發(fā)展。相關研究也證明[23]，網絡密度越大，節(jié)點之間的合作關系就越稠密，反而越難成為網絡中知識流動過程中的“橋梁”或“中介”。

4 結論與討論

4.1 中國機構知識網絡規(guī)模與美國、日本相比尚有差距

哈佛大學、京都大學和中國科學院分別代表著美國、日本和中國在 iPS 細胞領域的最高研究水平。但是在文獻數量、被引頻次、H 指數等文獻影響力方面，中國科學院在 iPS 細胞領域的知識產出的數量與知識影響力還存在一定差距。日本雖然是 iPS 技術的發(fā)源地，但其發(fā)展速度和規(guī)模不及美國。

4.2 合作強度有助于提升知識網絡效率

iPS 細胞技術作為目前干細胞領域高速發(fā)展的前沿技術和熱點方向，三個機構均構建了各自與其他機構的合作網絡。美國、日本合著網絡內部機構之間的合作較緊密，溝通效率較高，中國科學院合作網絡密集度較弱，在保護知識產權與科研成果的前提下，加強與其他國內外機構的合作，擴大合作規(guī)模，加強合作強度將有助于科技創(chuàng)新產出。

4.3 知識網絡穩(wěn)定度與技術發(fā)展階段相關

哈佛大學、京都大學以及中國科學院均已建立了連通性較好的機構合著網絡，但該領域的知識遷移與流動性較強，呈現流動遷移的網絡結構特征。這與 iPS 領域仍處于快速發(fā)展的階段，不斷有科學家加入或退出該領域的研究行列有關。技術的不確定性與資金支持和資助的不穩(wěn)定性是重要的影響因素，導致合著網絡的結構仍處于變化、發(fā)展中。

4.4 頂尖科學家在網絡中具有重要地位

在促進知識流動與傳播的過程中，科學家作為重要的傳播主體和知識攜帶者，科學家的傳播能力以及技術掌握情況對于科研機構的發(fā)展與產出有著直接的影響，也對于促進知識的傳播與擴散產生重要作用。從三個機構科學家相對中介中心度的比較，說明科學家的傳播作用對于機構合作對象的規(guī)模產生重要作用。相較于哈佛大學，中國科學院的合著網絡中，具有較高國際地位和影響力的科學家隊伍相對較少，以及科學家隊伍之間的合作程度還有待加強，因此中國科學院應該注重 iPS 細胞領域頂尖人才以及科學家團隊的培養(yǎng)與維護。

科研機構是科學研究的主體，是科技創(chuàng)新的結構單位。通過對比分析中美日三個典型科研機構的文獻影響力、科研合作網絡的整體特征以及網絡中科學家的中心性，可以為我們觀察科技創(chuàng)新的主體特征提供一些啟示。但本研究僅利用社會網絡分析方法對文獻指標進行了初步的觀察和對比，未對各機構的科學家數量與資金、政策等影響因素進行綜合分析，各個機構在合作網絡中處于什么樣的位置，是“主動合作”還是“被動合作”等還有待進一步的探討與挖掘。

[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, 王沖, 田玲. 國內外iPS細胞相關研究文獻分析. 中國醫(yī)藥生物技術, 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, 單連慧, 鐘華, 等. 從信息學的角度分析誘導性多潛能干細胞的研究現狀. 中華細胞與干細胞雜志(電子版), 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)

孫雪蓮, 車麗珠, 于清浩, 等. 基于知識圖譜分析干細胞研究現狀及發(fā)展方向. 價值工程, 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)

單連慧, 李海存, 安新穎, 等. 基于文獻計量學的中國干細胞治療臨床應用現狀研究. 中華細胞與干細胞雜志(電子版), 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)

鄒聰, 石之虎. 基于SCI數據庫的誘導多能干細胞研究文獻計量分析. 齊齊哈爾醫(yī)學院學報, 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)

李文聰, 沙思穎, 高雅, 等. 從合著網絡及其變化看干細胞研究領域的國際科研合作. 數學的實踐與認識, 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)

龐弘燊, 丁海燕, 鄭輝, 等. 誘導性多能干細胞專利技術態(tài)勢分析. 科學觀察, 2014, 9(6):11-23.

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

約翰?斯科特. 社會網絡分析法. 劉軍, 譯. 2版. 重慶: 重慶大學出版社, 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)

邵瑞華, 沙勇忠, 李亮. 機構合作網絡與機構學術影響力的關系研究——以圖書情報學科為例. 情報科學, 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)

張利華, 閆明. 基于SNA的中國管理科學科研合作網絡分析——以《管理評論》(2004-2008)為樣本. 管理評論, 2010, 39(4):39-46.

北京市科技計劃課題（Z171100003217005）

曹巍，Email：celiawoo@126.com

2017-11-15

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