韓麗濱,孫九光,張坤朋,王景順
( 安陽工學(xué)院 生物與食品工程學(xué)院,河南 安陽 455000)
當(dāng)植物受到外源脅迫物如細菌、病毒、真菌、昆蟲等侵襲后,有可能會引起植物細胞異常增殖,侵襲部位腫大,形成一種“癭”的組織[1-3]。其中能誘導(dǎo)植物產(chǎn)生“癭”的昆蟲稱為致癭昆蟲,主要包括癭蜂、癭蚊、蚜蟲等[4]。在這些致癭昆蟲中,癭蜂占有相當(dāng)大的比例[5-7]。
癭蜂是膜翅目(Hymenoptera)癭蜂科(Cynipidae)癭蜂亞科(Cynipinae)的一種昆蟲。它們能刺激植物組織腫脹膨大形成“癭”的結(jié)構(gòu),因而被稱為癭蜂[8-10]。一方面,大多數(shù)癭蜂是農(nóng)林害蟲和檢疫害蟲。例如嚴(yán)重危害我國林木的栗癭蜂(DryocosmuskuriphilusYasumatsu)是世界性的檢疫害蟲。它可危害板栗的枝梢、葉芽及花芽,使其生長發(fā)育遭到嚴(yán)重毀壞不能開花結(jié)實,嚴(yán)重時可使栗株受害率達到100%,對板栗的產(chǎn)量造成嚴(yán)重損害[11,12]。另一種重要的林業(yè)害蟲櫟空腔癭蜂(TrichagalmaacutissimaeMonzen)對栓皮櫟(QuercusvariabilisBlume)危害也極大,曾在南太行山天然次生林栓皮櫟林內(nèi)暴發(fā)成災(zāi)[13-16]。另一方面,癭蜂與植物間有著復(fù)雜的互作,是探討生物演化和協(xié)同進化最佳的模式材料[17-19]。
CiteSpace是美國德雷塞爾大學(xué)信息科學(xué)與技術(shù)學(xué)院陳超美團隊研發(fā)的一款信息可視化分析軟件[20-22]。它可以幫助用戶分析出某一科學(xué)領(lǐng)域文獻中蘊含的潛在知識,使研究者能夠及時掌握這一領(lǐng)域中的研究方向和熱點,同時找出從事該研究的主要機構(gòu)和人員情況等重要信息[23]。本文通過從知網(wǎng)數(shù)據(jù)庫中下載關(guān)于癭蜂的文獻,利用CiteSpace 5.6.R5這一研究領(lǐng)域年發(fā)文量、主要研究機構(gòu)和研究人員、研究的關(guān)鍵詞等重要信息進行展現(xiàn),以期使相關(guān)研究者對這一領(lǐng)域有個全面的認(rèn)識。
文獻數(shù)據(jù)來源于中國知網(wǎng) ( CNKI) 數(shù)據(jù)庫。采用高級檢索,檢索條件為“主題=癭蜂”,時間為“2000年1月1日到2020年7月1日”。共檢索到中文文獻392條,去掉報紙和會議論文,共得到387條文獻。選擇文獻導(dǎo)出格式為refworks,將含有文獻標(biāo)題、作者、摘要等詳細信息的文獻導(dǎo)出,經(jīng)過CiteSpace軟件的文獻轉(zhuǎn)化功能將文獻格式轉(zhuǎn)化為可以用于軟件分析的格式。
對20年來發(fā)表文獻的數(shù)量進行統(tǒng)計可發(fā)現(xiàn),2000-2006年間,文獻發(fā)表數(shù)量相對較平穩(wěn);2007-2009年是發(fā)表的高峰期,其中2008年最多,發(fā)表了29篇;2014年以后發(fā)表數(shù)量則呈逐年下降趨勢(見圖 1)。
圖1 癭蜂相關(guān)文章年發(fā)表數(shù)量
在CiteSpace中設(shè)置參數(shù)“Node type”為作者“Author”,運行程序后將控制面板中的“Node Labels”下的閾值參數(shù)設(shè)為5,最終得到癭蜂研究的作者共現(xiàn)知識圖譜(圖2)。圖中作者姓名字體越大,表明此作者發(fā)表相關(guān)文章越多; 而不同作者之間線條的粗細則與作者間的合作有關(guān),合作越密切,連接線條越粗。本項目中國內(nèi)研究者根據(jù)合作關(guān)系聚成2個群體,以吳瓊、任少鵬、陳學(xué)新為代表的研究群體發(fā)文量大且合作密切,整個研究群體的關(guān)聯(lián)度也最高,成員包括:朱道弘、楊筱慧、劉志偉、王知知、王義平、吳步梅、王有琪、張文利、王相宏、王景順、張坤朋;第二個研究群體是由孫玉江、孫淑萍、李濤、潘濤4人構(gòu)成。這4位作者的貢獻度和合作密切程度較一致。
圖2 癭蜂研究作者共現(xiàn)圖
同時根據(jù) CiteSpace 展示的結(jié)果統(tǒng)計出發(fā)文量排名前 10 的作者姓名和發(fā)文量(表1)。
表1 癭蜂研究發(fā)文量前10 作者
在CiteSpace中設(shè)置參數(shù)“Node type”為作者“Institution”,運行程序后將控制面板中的“Node Labels”下的閾值參數(shù)設(shè)為6,最終得到發(fā)文量前10的關(guān)于癭蜂研究的機構(gòu)(表 2)。
表2 癭蜂研究機構(gòu)發(fā)文量排名
研究機構(gòu)可分為三個研究團體,它們的代表機構(gòu)分別是:浙江大學(xué)昆蟲科學(xué)研究所、國家林業(yè)和草原局森林和草原病蟲害防治總站林業(yè)有害生物監(jiān)測預(yù)警國家林業(yè)和草原局重點實驗室和北京林業(yè)大學(xué)森林培育與保護教育部重點實驗室。
論文的關(guān)鍵詞是對文獻研究內(nèi)容和核心觀點的提煉和概括。本研究中首先對關(guān)鍵詞進行共現(xiàn)分析,然后在此基礎(chǔ)上進行聚類分析。
2.4.1 關(guān)鍵詞共現(xiàn)分析
在CiteSpace軟件中設(shè)置“Node type”為“Keyword”,在Pruning選項中選擇PathFinder算法,閾值設(shè)為3,通過運行得到了癭蜂研究的關(guān)鍵詞共現(xiàn)知識圖譜(圖3)。關(guān)鍵詞字體越大,說明出現(xiàn)的頻次越高;而不同關(guān)鍵詞之間線條越粗,則代表這兩個關(guān)鍵詞之間的聯(lián)系越密切。
圖3 癭蜂研究關(guān)鍵詞共現(xiàn)圖
在對癭蜂研究中,栗癭蜂無論是頻次還是中心性都遠高于其他關(guān)鍵詞;板栗的頻次僅次于栗癭蜂,高于錐栗和寄生蜂,但中心性卻低于此二者;沃爾巴克氏的頻次排名未進前10,但中心性排名第2(圖4和圖5)。此外蟲癭、天敵、防治方法等也是癭蜂研究中的熱點領(lǐng)域。
圖4 癭蜂研究關(guān)鍵詞頻次
圖5 癭蜂研究中的關(guān)鍵詞中心度排名
2.4.2 關(guān)鍵詞聚類分析
本研究采用對數(shù)似然率算法(LLR)對文獻的關(guān)鍵詞進行聚類命名。經(jīng)過聚類分析發(fā)現(xiàn),關(guān)鍵詞可劃分為結(jié)果母枝、中國、天敵、wolbachia、噻蟲啉、舞毒蛾、幼蟲孵化、栗實象甲 8 個聚類。通過Clusters 菜單下的Clusters Explorer選項導(dǎo)出聚類的詳細信息,方便進一步的分析(圖6,表3)。
表3 癭蜂研究的關(guān)鍵詞聚類表
圖6 癭蜂研究的關(guān)鍵詞聚類圖
在關(guān)鍵詞聚類分析的基礎(chǔ)上,選擇時間線視圖(Timeline)模式,得到近20年來癭蜂相關(guān)文獻關(guān)鍵詞聚類的時序圖,它可以幫助我們理解癭蜂研究的前沿和發(fā)展趨勢(圖7)。圖中加號表示對應(yīng)的文獻關(guān)鍵詞聚類。從時間軸線上看,“結(jié)果母枝”聚類時間較早,相關(guān)文獻都是集中在2010年之前。“中國”和“天敵”聚類中文獻在20年間都有分布,近10年發(fā)表的占多數(shù),它們所包括的關(guān)鍵詞有“蟲癭”“分類”“寄生蜂”“天敵”“櫟空腔癭蜂”等,說明這些是目前研究的熱點。“wolbachia”聚類中近10年研究的關(guān)鍵詞是“系統(tǒng)發(fā)育關(guān)系”“多重感染”“水平傳播”等。其他幾個聚類中研究文獻多是2010年以前發(fā)表,研究內(nèi)容主要是“防治”。
圖 7 癭蜂研究的關(guān)鍵詞聚類時間線視圖
當(dāng)植物組織受到諸如細菌、病毒、真菌、線蟲、昆蟲等生物的侵襲時,有可能會誘導(dǎo)植物產(chǎn)生一種稱為“癭”的組織。它可以和相關(guān)的誘導(dǎo)物產(chǎn)生各種進化上的關(guān)系,通常對誘導(dǎo)生物產(chǎn)生營養(yǎng)和保護作用[24,25]。癭蜂是最重要的致癭昆蟲之一,它可以使植物產(chǎn)生最多樣性、結(jié)構(gòu)最復(fù)雜的蟲癭。本文我們利用CiteSpace軟件對國內(nèi)近20年發(fā)表的關(guān)于癭蜂的文獻進行了分析。分別從作者群體、研究機構(gòu)、關(guān)鍵詞共現(xiàn)和關(guān)鍵詞聚類發(fā)現(xiàn)等方面,直觀地展示了國內(nèi)對癭蜂研究的方向和現(xiàn)狀。總體來看,近幾年對癭蜂的研究中以“天敵”“分類”“防治”為主。目前國家正大力倡導(dǎo)害蟲的綠色防控技術(shù),在這方面的投入呈逐年增加的態(tài)勢。國際上關(guān)于癭蜂的研究在植物-癭蜂-天敵之間的三級互作關(guān)系也越來越多[26-29]。隨著高通量測序技術(shù)的發(fā)展,越來越多的研究從基因組學(xué)和轉(zhuǎn)錄組學(xué)水平闡述了植物-癭蜂之間的互作關(guān)系[30-32]。然而,目前對它們之間的研究多停留在宏觀層面上。未來采用轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)等新式手段從分子水平來研究它們的三級營養(yǎng)關(guān)系勢必會越來越多。