Page 9 - 2019年2月第30卷第4期
P. 9

在 CiteSpace 软件中选择网络节点为“Cited Reference”,           度则表明该文献具有较高的中介中心性(中介中心性的
        其余设置从略,结果获得 AI 技术与药学领域研究的共                         高低代表该节点在联系整个网络中发挥的作用大小,以
        被引文献网络图谱(图2)及其时间序列分布图谱(图3)。                        中心度来表示);而关键节点一般是被引频次和中心度
           600                                     12 000  均较高的节点,提示该文献具有重要的学术价值 。
                                                                                                    [20]
                          发文量        引文量
           500                                     10 000
                                                               图 2 中最大的关键节点是 2011 年台湾大学 Chang
          篇  400                                   8 000  次  CC 发表于《ACM Transactions on Intelligent Systems and
          发文量,  300                                6 000  引文量,  Technology》杂志上的关于支持向量机(SVM)模式识别
           200
                                                   4 000
           100                                     2 000   与回归的软件一文,共被引 70 次,中心度为 0.45。该文
            0                                      0       提出的SVM一度被认为是在深度学习出现之前机器学
               1998  1999  2000  2001  2002  2003  2004  2005  2006  2007  2008  2009  2010  2011  2012  2013  2014  2015  2016  2017  习最经典的算法,至今仍广泛运用于疾病诊疗、计算机
                              年份
                                                                                     [21]
        图 1 1998-2017 年 AI 技术应用于药学领域研究的发                   辅助药物设计等医药工作中 。其他高影响力文献还
             文量及引文量                                        有2009年Hall M等发表的《WEKA数据挖掘软件更新》
        Fig 1 The number of published papers and citations  一文,该文所涉及的软件可为循证医学、疾病诊断、药物
              about AI technology applied in pharmaceutical  相互作用及不良反应等提供证据支持;2012 年 Gaulton
              research during 1998-2017                    A 等在《Nucleic Acids Research》杂志上发表了一篇文
                                                           章,是关于建立 ChEMBL 数据库,而这一数据库通过机
                                                           器采集了超过 100 万种生物活性物质的代谢和功能信
                                                           息,为药物研发等工作提供了极大帮助;2010 年 Rogers
                                                           D 等发表的《Extended-Connectivity Fingerprints》一文更
                                                           是为计算机辅助药物结构-活性设计增加了重要助力。
                                                               由图3可见,AI技术应用于药学领域的第一篇奠基
                                                           性文献发表于 1990 年,是由 Buick AR 等提出的生物分
                                                           析实验的方法学验证理论,该文为后期药物浓度的自动
                                                           化检测提供了依据。中心度较高的知识基础性文献还
                                                           包括90年代关于神经网络的著作,神经网络是仿生学派
                                                           建立的机器学习算法,更是深度学习的前身。1999 年
                                                           Zupan J 等撰写有关神经网络在化学和药物设计中的应
                    图2   共被引文献网络图谱                         用,为AI在药学领域中的延伸奠定又一坚实基础。图3
        Fig 2  Network knowledge map of co-citation litera-  中还可见以2009年为界,目标文献的研究方向和主题有
               tures                                       了较大的不同,提示2009年后该领域的研究有了突破性
           1990  1992  1995  1998  2001  2004  2007  2010  2013  2016
                                                           进展,形成了新的研究成果核心。
                                                           3.1.3  主要研究国家/地区及机构分析              将CiteSpace中
                    Zupan J,1999
                                                           节点类型设置为“国家和地区”,其余设置从略,分析获
         Buick AR,1990
                                                           知 AI 技术应用于药学领域的研究共涉及 60 个国家/地
                                                           区。不同国家/地区的研究实力不尽相同,发文量排名前
                                                           10 位的国家/地区的发文量及中心度见表 1。由表 1 可
                                                           见,美国在该领域的文献产量明显高于其他国家/地区,
                                                           其中心度也远高于其他国家/地区,表明其与全球研究机
                                                           构间联系最多,有丰富的合作关系;中国发文量位居第2
                                                           位,但中心度远低于其他国家/地区,可见与其他国家/地
                                                           区间的学术合作或交流较少;此外,英国、德国等欧洲国
               图3   共被引文献的时间序列分布图谱                         家在该领域亦发文较多且合作密切,具有较高的研究
          Fig 3  Time distribution map of co-cited literatures  地位。
            图 2 和图 3 中每个圆形节点代表一篇文献,节点的                         此外,将 CiteSpace 中节点类型设置为“机构”,其余
        大小反映其被引频次的高低;节点年轮最外圈的颜色深                           设置从略,分析获得研究机构合作网络图谱(图4),可展


        中国药房    2019年第30卷第4期                                               China Pharmacy 2019 Vol. 30 No. 4  ·435  ·
   4   5   6   7   8   9   10   11   12   13   14