如何快速检索核心文献？

　　科技文献浩如烟海，如何从海量的文献里面，找到核心文献，是每个 Researcher 都面对的问题。 核心文献，或者参考价值高的文章，不在于作者是什么级别的，不在于文章发表于什么等级的期刊，更不在于杂志的影响因子多高。 核心的原则只有一个，就是单位时间内，被全球其他学者引用的次数。 那么怎样获得一篇文章的被引用次数?主要的工具有三个，Google scholar ( 免费)、ISI WOS ( 收费)和 Scopus(收费)。 既然 google scholar 是免费的，那么就先说说它。 利用 google 的检索语法(网上可搜索)，设置合理的检索词后，展开结果。例如使用「mucosal vaccine」进行检索，得到 204 000 项结果。每个检索结果下面有「被应用次数 (cited by)」一项。 一般说来，被引用超过 100 次的，当属质量上乘的文献了(当然如果碰见黄禹锡那样的情况就当属意外了)。

　　免费的当然不错，但是也有不足的地方。第一是不能按照被引次数排序;第二，是不能看出引用的文献来自综述还是来自 Research Paper。被综述文章所引用的意义不大，尤其是被引用于这样的地方「xxxx has been reported(Ref: 77-85,87)」。 为了弥补这个缺陷，需要结合 ISI Web of Science (WOS) 进行分析。在 WOS 里面，可以按照引用次数进行排序，并且可以限定特定时间内，这样就可以看到该文章在单位时间内被引用的次数。 而且，WOS 内还可以设定过滤，把引用文献限定在「Research Paper」，而不是 Review 里面。Scoups 的功能和 WOS 有些重复，在此不再赘述。

　　那么，一篇文章在 Review 里面被引用，这样的引用是否没有含金量呢?也不绝对。如果某文章被 Bentham 的「Current」系列综述所引用(http://benthamscience.com)，当然多数没有多大含金量。 但是如果在 Nature Reviews 系列和 Trends 系列被引用，并且在参考文献里面，被黑体标出，那么这样的文章基本都是 keynote papers，是值得阅读的(这其中的区别不在于两个杂志档次不一样，而在于稿件来源不同)。

　　除了被引次数外，另外一个可以参考的指标，是 BioMed Central 所出版的新型线上研究辅助工具 Faculty of 1000 Biology 和 Faculty of 1000 Medicine。 Faculty of 1000 是新世纪洞悉海量文献的工具，经由 5 000 多位专家学者的建议，提供目前世界上重要的生物学论文及研究趋势。特色是收录每篇具有科学价值的文献，而不考虑这些文献在哪里发表;每篇文章都包含专家所给的评论，并评定文章的类別。 它的主要特色：提供科学家不断更新的会员指南，获得特定研究领域中重要的论文信息;重要论文的评价依据是以其科学成就而非在哪些期刊发表;提供研究者超过 5 500 名顶尖科学家的一致推荐;有系统地组织并评价大量的科学论文信息。 在 Pubmed 里面可以设置过滤条件，从而可以看到哪些文章被 F1000 所点评。应该说，被选入加以点评的，多是精品文献。 我个人使用这个服务已经好几年了，初始选入的文章质量以及点评本身，都是可圈可点的。但是近两年感觉质量有下降趋势，「互粉」的点评好像多了起来。即便如此，仍然具有一定的参考价值。

　　许多朋友过分依赖影响因子挑选文章，这种习惯不是太好。即便是 CNS 这些顶级杂志文章上的结果，也经常发生不能重复的情形(http://blog.sciencenet.cn/blog-265205-523023.htm)，所以文章的质量和影响因子没有绝对的关系。 很多学生物的都知道上海生科院的 Cell Research 杂志已经晋身细胞生物学的顶级杂志之一，但是对于许多常年从事细胞生物学的科学家来说，Cell Research 的声望并不及老牌的 Journal of Cell Biology。同样的例子，见于病毒学领域的新贵 Plos Pathogen 和老牌的 Journal of Virology。 闲话少述，这里强调的是，无论哪种等级的杂志，编辑推荐出来加以评论的(比如 Journal of Virology 每期的 Research Highlights)，或者什么本期导读，或者在 Pubmed 里面显示 Comment 的，都是值得一读的文章。比如 Nature 及其子刊里面经常对本刊或者其它刊物上的某篇文章加以点评，这些文章都值得一读。

总结一下上述可以锁定核心文献的方法：

第一，文章他引的次数;

第二，在顶级综述杂志里面，被黑体标出的文章;

第三，所在专业顶级期刊的编辑导读;

第四，在 Pubmed 里面被行业内杂志评论的文章; 第五，知名出版社在社交工具上推荐的文章;

第六，被 F1000 推荐的文章。 应该避免的两个误区，一是盲从于 Impact Factor ( 影响因子从来只是国内单位人事处和科研处的量化指标)，二是盲从于大众媒体的报道。