如何快准狠地找到相关领域的经典文献?

大多做科研的童鞋们大概都会遇到一个头疼的问题:怎么找文献?如何保证找到的文献都是相关领域的经典文献?之前我们有两篇推送:

本文教你如何根据H5指数查找相关领域的高精尖经典文献。

首先来了解一下什么是H指数、H5和H5中位数?

  • H指数(H-index):于2005年由美国加州大学学圣迭哥分校物理学家 Hirsch 教授提出,用于评价个人学术影响。Hirsch将该指数定义为:若某位科学家的Np篇论文中有h篇论文每一篇的引量都至少为h次,且其他(Np-h)篇论文中每篇的引量都<=h,那么这位科学家的H指数即为h。

  • H5指数:是指在过去整整5年中所发表文章的H指数;该指数打破了H指数不会随时间的推移而减少,只会增加或保持不变的情况。

  • H5中位数:是指出版物的H5指数所涵盖的所有文章获得的引用次数的中位值,即H5核内文献的被引频次的中位数。H5中位数指数不考虑 H核内的最低被引频次,而是考虑H核内所有文章的引用次数的中位值来评价期刊刊载的重大研究成果。(备注:H核内是该评价标准中的一个专有名词)

谷歌学术计量(GSM:Google Scholar Metrics)公布了包括英、汉、葡、德、西、法、韩、日、荷、意10种语言的期刊H5和H5中位数排名,可以进入链接(https://scholar.google.com/citations?view_op=top_venues&hl=en) 查看不同类型期刊的排名。

image

Nature排名第一,随后是NEJM和Science,Cell排名第六。Nature communication和NAR影响因子虽在10左右,H5 index排名都在前15。PloS ONE虽不被看好,排名也在25之内,引用量还是很大的。

点击数字,可以看到近5年文章的引用排名。

Nature的前10高引领域分布广,包括深度学习,太阳能电池,登革热、范德华力、癌症基因组突变和微生物组,确实都是比较火的领域。

image

新英格兰杂志,各种癌症和慢性病,3篇Melanoma,2篇肺癌,2篇中风,一篇PD-1,诺贝儿热门领域

image

Cell杂志高引文章次数低于Nature和NEJM,排名第一的是衰老,最多的是CRISPR-Cas9,中国人的名字比较多,张峰、王浩毅、Lei Qi。剩下的是3D Genome和超级增强子

image

也可以查看某一个子类,在此我们以生物信息学相关的期刊为例,依次点击Categories —— Engineering & Computer Science —— Bioinformatics & Computational Biology即可。

下面为谷歌学术计量统计的从2013-2017年生信期刊H5指数排名

Publication h5-index h5-median
Bioinformatics 110 188
PLOS Computational Biology 79 112
BMC Bioinformatics 61 86
Briefings in Bioinformatics 56 81
Database: The Journal of Biological Databases & Curation 43 63
Journal of Theoretical Biology 42 69
BMC Systems Biology 37 50
GigaScience 36 44
IEEE/ACM Transactions on Computational Biology and Bioinformatics 32 44
Genomics, Proteomics & Bioinformatics 29 48
Journal of Mathematical Biology 29 40
Mathematical Biosciences 28 36
Journal of Biomedical Semantics 26 34
Journal of Computational Biology 23 37
International Conference on Research in Computational Molecular Biology 21 37
Mathematical biosciences and engineering: MBE 20 27
Algorithms for Molecular Biology 19 26
Pacific Symposium on Biocomputing 19 26
Computational Biology and Chemistry 19 24
Genomics & Informatics 18 30

还可以点击各期刊的H5指数链接,查看构成某个期刊H5指数的核心文章。

img
img

排第一的是做系统进化分析的RAxML, 第二的是Illumina测序质量过滤工具Trimmomatic (高通量测序的发展功不可没),第三和四的STARHTseq常用于处理转录组数据的比对和定量 (实际上STAR自带HTSeq的功能,易生信 - 转录组专题分析第4期开课啦)。

这样,你便轻松找到了感兴趣领域里的高引量文献,慢慢享用吧~

可能有人会质疑了,根据H5指数查找是否靠谱?

不要担心,有学者专门做过统计,发现H5指数和H5中位数与传统意义上的期刊评价指数(IF、IF5、ES和AIS)均成极显著正相关,且相关系数大都在0.9以上,表明H5指数和H5中位数在对期刊的评价中有较大的优势。

但同时这样的评价标准也是存在一些问题的,如不能查看谷歌的H5指数往年数据,因此不能进行横向比较;H5指数对于新创刊的期刊或新发文章没有时间优势,可能没办法及时追踪到最新的前沿。

而跟进科研动态的途径有很多,比如1)设置学术期刊或出版公司的电子邮件提醒;2)关注感兴趣作者的社交账号;3)加入科学界的Facebook——Researchgate,里面有很多业内大咖,还有可能与世界同行进行交流;4)定期访问文章官网,查看文章最新动态;5)关注相关专业的论坛和网站等等,但这需要你勤快一点,多多浏览。

找到想要的文献之后,就是如何获取全文了。Sci-Hub是一个提供大量自动且免费的付费学术论文的网站(https://lovescihub.wordpress.com/) ,于2011年由哈萨克斯坦研究生亚历珊卓·艾尔巴金创立,在Pubmed上输入文献名字,获取文章DOI号后,在上述网址中输入文献DOI号即可下载。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,132评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,802评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,566评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,858评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,867评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,695评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,064评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,705评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,915评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,677评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,796评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,432评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,041评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,992评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,223评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,185评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,535评论 2 343

推荐阅读更多精彩内容