消化

经验 | 文献 | 实验 | 工具 | SCI写作 | 国自然

作者：麦子

转载请注明：解螺旋·临床医生科研成长平台

一个学者、一篇文章的影响力如何评价，很多时候我们都不由自主地使用引用量或者IF这些简洁的指标，虽然很多时候我们又嫌它简单粗暴，但学者们争来争去，也没能找到公认的替代方法。

那么咱们有（bei）追（ya）求（po）的人就会想，怎样才能向大牛们学习，憋出一篇高引论文呢？

技术宅走上巅峰

单凭印象，似乎觉得引用量大的文章会是一些大牛写的经典大型综述，因为它们覆盖面广，总结了某一特定领域内已有的知识和待解决的问题，高屋建瓴，一定会成为大家研究自己的课题时绕不开的基础。

又或者是那些具有“里程碑式大发现”的原始研究，因为它开辟了一块新大陆，一定会有很多研究者蜂拥而至。

不过2014年的时候，Nature上报道过一次文献索引的文析，获取Web of Science引用量前100的文章，情况却并不一定如我们所想。前两种文章固然有，但占比更多的还是描述研究技术、方法、软件的文章。

其实原因一说就明白了，许多实验方法、技术都有一套规范流程，引用开发者的文章能清楚地向读者说明你到底在做什么。而那些具有奠基性发现意义的文章，如爱因斯坦的相对论之类，则可能很早就被写进教科书，成为行业中的“常识”，写文章时就自然而然地说出来而不需要引用。

排名前100的论文引用量，颜色标识所属领域

可见，富集在前10的就是生物实验技术类的文章，乱入了两篇物理化学，还有一篇生物信息学，其实也还是描述研究技术的。甚至前3篇拔地而起的，都是生物实验技术。不过Nature还提到，生物学家相比于其他学科的研究者，如物理，更喜欢引用别人的文章。

所以你知道韩春雨的文章为什么这么快就被人发现不对劲了吧！因为那是一种听起来很厉害的技术，大家都赶着想去用啊~

当Nature拿这份榜单去采访研究者时，比如芝大的统计学家Stephen Stigler看了榜上的几篇统计、数学的文章后说，“切~这些根本不是我们统计学家认为重要的文章！”总之，由于种种混杂因素的存在，光看引用量并不能充分评价一篇文章的价值。

Google学术的引用量计数则不仅是期刊文章，还包括了书籍的引用，但提取前100之后，情况还是大同小异。

这也是提醒我们要理性看待IF。但其实么，想想自己机构的政策，也许，并卵。

引文桂冠奖

另有一个看重引用量的评价体系，就是科睿唯安（Clarivate Analytics）公司每年发布的高被引科学家名单和引文桂冠奖。看名字似乎就是拼引用量的，但其实评选工作还有很多其他的参考。

高被引科学家名单是选取21个领域对应年度论文他引次数排名前1%的文章的作者。如果是综合性期刊，还会根据文章内容来划归领域。另外考虑到有些学者可能单篇文章引用量挤不进1%，也会看其总引用量是否挤进前50%。

引文桂冠奖的评选则更为细致，除了高引用量外，还要区分研究领域，评价是否为原始发现；看看作者是否还获过其他奖项，参考其业内的认可度；另外预测诺奖是该奖项的目的之一，于是还会看重研究者的工作是否跟诺奖近年来关注的话题有交集。这样就比单看引用量有了更多的人情味。

引文桂冠奖确实是诺奖的很好补充。社会学家Harriet Zuckerman说过，每年都有很多优秀学者值得一座诺奖，但名额有限，很多人的贡献与获奖者也没有什么差别。于是引文桂冠奖便能帮助我们更好地认识这些有奠基性贡献的学者。

于是我便想，怎样才能向他们学习，发一篇高引文章呢？我上http://www.geenmedical.com/ 搜索了一下今年引文桂冠奖生理学或医学奖的四位学者：Karl J. Friston、Lewis C. Cantley、Patrick S. Moore、Yuan Chang。

也许好多小伙伴都熟悉GeenMedical这个国产医学文献检索网站了，多种筛选项，看引文数量方便，还可以对检索结果前500条或1000条按引文数量排序，导出Excel表，太贴心了。话不多说，继续看来。

1Karl J. Friston

他的获奖原因是通过统计参数映象和基于体素的形态测量学方法，对脑成像数据的分析有重要贡献。他引用量最高（1570次）的一篇文章是：

2005年的文章，标题简短，正是描述一个统计模型，一种分析方法。意外的是，这杂志影响因子才5.8！

的确有些细分领域，因为研究没这么活跃，或因为研究成果不一定要通过文章来发布，影响因子并不会高。

再看，他引用量排名第2的综述（331次）落差很大，是发在一本新刊上，连IF都没有：

Brain Connect，这杂志2011年创刊，他就是那年受邀写了这篇综述，给这杂志来了个开门红~

排名第3的文章还是研究方法类，讨论分组研究中的贝叶斯模型选择。

2Lewis C. Cantley

他的获奖原因是发现了磷酸肌醇-3-激酶（PI3K）信号通路，并阐释了它在肿瘤生长中的作用。他引用量最高的文章（2592次）是一篇关于Warburg效应的综述，他和Thompson是共同通讯。

而他自己那篇与获奖关系更近的关于PI3K信号通路的综述，在他所有参与的文章中则排列第4（1231次）。

 

3Yuan Chang（张远）和Patrick S. Moore

获奖原因是他们发现了卡波济氏肉瘤相关性疱疹病毒，或说人类疱疹病毒8（KSHV/HHV8）。两人有56篇合作的文章，其中引用量最高（573次）的是这篇：

一份原始研究类的文章，检测到了默克尔细胞瘤样本中，一种未被描述过的病毒T抗原与人类受体酪氨酸磷酯酶的融合转录本，接着通过基因组测序鉴定了这种病毒，命名为默克尔细胞多瘤病毒（MCV或MCPyV）。

引用量没有那么惊艳，但也好理解，因为这是一种罕见病，样本都不好收集，资源都富集在少数人手里。

与获奖关系更直接的卡波济氏肉瘤相关文章，引用量其实没这么高，排名靠前的是这篇综述（79次），年头比较早了：

他们合作的还有一些话题角度更宽泛的综述，能为更多的研究者总结成果、开拓研究道路，于是也很受欢迎（139次）：

好巧，三组获奖研究者的文章高引代表作，分别富集于研究方法、综述、原创发现三大类型。

新开发或改良的研究方法，如前所述，是一种重要的“标准流程”，故而引用量更大些。

原创性发现则要看它的价值，能为多少研究者利用，如果本来就是一个热门领域，获得高引用量不难，但如果是冷门领域，则更要想着如何开发其延展价值，比如从卡波济氏肉瘤相关性疱疹病毒，延展到其他病毒的致癌机制，则是一个很好的范例。

综述是扩展外延、提高影响力的好方法，但也是需要很多原始研究的探索、对同行们工作的关注，才能拥有成熟的深度与广度。

我想起去年拉斯克医学奖的特殊贡献奖获得者Bruce M. Alberts，他在回忆自己早年的研究时说过，当时做了一些随大流的研究，碰了壁，于是另辟蹊径去开发方法，即用DNA纯化柱来提纯DNA结合蛋白。

“扎堆做一样的研究，就算你比别人先发表两星期又有什么意义呢，你又不是独特的那个。所以要开发一种新的方法，能让自己做别人都做不了的事情。”

嗯，然后别人都要跟着你走。

耶鲁大学的化学家Peter Moore则说：“如果你追求的是引用量，那就去设计一种方法，能让其他研究者做他们想做的实验，或让大家做起来更轻松，这样能比其他成果带给你更多收获，比如发现宇宙秘密。”

最后我还想看看三组获奖者发文章的选刊喜好。面积和括号中的数字表示该刊文章数量，颜色表示引用量。选发文量前30的杂志。

说说发现了什么~

他们选刊更喜欢自己领域内的期刊，不过引用量高的，还是CNS……

参考资料：

http://www.nature.com/news/the-top-100-papers-1.16224

http://clarivate.com/hcr/methodology/

http://clarivate.com/2017-citation-laureates/

欢迎投稿tougao@helixlife.com.cn合作微信：helixlife6

• 昨天晚上的海鲜宴，全部都是海鲜，看着让人嘴馋，你们想吃吗？
• 停更两月，你们还在，都是真爱，一点福利，聊表心意。
• 2017年最火的100篇论文，你都读过哪些？
• 明天可以做十次
• 呀！恐龙世界原来这么有爱
• 留学生都是这么穿衣服的吧？
• 软件测试面试题大考问——搜狐篇
• 杭企 | “无人酒店”来了， 杭州有家人工智能酒店满屋都是黑科技
• 房子大小不重要 都是你的家
• 山上随处可见的“红色番茄”，全身都是宝，却被农民随意丢弃！