科研动力

今天看到网友 @ 秦迪 的留言，问「美国教育家埃弗森简介有人知道吗，真的找不到。提出了课堂管理的。」 其实找一个普通人的简历还真不太好找，但是找一名知名专家的简历还是比较好找的。下面说说如何查找专家的简历。 我们来看这个问题，提供了如下几个信息。 名字叫埃弗森，但也可能翻译错误，因为我们知道美国有个知名篮球明星就叫「艾弗森」。所以在不知道原来英文名字的情况下，我们暂且认为这个专家就叫埃弗森吧。 关键词：美国教育学家 提出了一个理论或者研究对象是课堂管理的。 现在我们就知道这三点。如果我想找某个人，可能所知道的线索可能比这还要多。 下面我们来借助搜索，不要度娘，度娘这辈子可能都找不到。也不需要bing，因为bing中文就是中文，英文就是英文。我们需要借助伟大的Google同学。 在google里输入关键词「美国教育家埃弗森 课堂管理」搜搜看。出来的结果如下 从这个搜索结果中我们可以推测到， 埃弗森真名可能叫「Evertson,C」，有一本著作叫「有效地管理你的课堂——小学教师的课堂管理」，其他有用的信息较少。这本书还有另外两名作者，一个叫「emmer,e」。 我们再找个关键词搜索一下。以关键词「evertson,c emmer,e」进行搜索，发现 埃弗森 应该叫「Carolyn M. Evertson」进行搜索，有用的信息更多了。 比如 Carolyn M. Evertson Vanderbilt University | Vander Bilt · Department of Teaching and Learning 这更清楚了， Carolyn M. Evertson 是 Vanderbilt University 教授，教学与研究系。继续增加这些关键词，可以找到这么一个网页（https://www.comp.org/ProgLeadership.html）。 简历差不多就这些了吧。甚至我们可以找到范德堡大学的主页，进一步搜索该教授的信息，会发现更多有用的信息，在此不多说了。 比如 carolyn.evertson@vanderbilt.edu (615) 343-0955 Wyatt Center 65 VU Mailbox: 541 总之，找一知名人的简历并不是难事。如我们前面说过的， ...

阅读一篇科技文献是一项复杂的工作。阅读文献最糟糕的方法是把科技文献当作教科书来阅读，从题目到引文一个字一个字的看，而不是带着思考和批判的态度来阅读文献，最后也就不能理解文献的意义。相反，如果开始是略读文献，明确文献的结构和特点。重读时寻找作者的主要观点。阅读之前、阅读之时和阅读之后都要提出问题，根据自己的经验和知识得出推论。要真正提高理解和记忆能力，阅读时作笔记是很好方法。本文就如何阅读文献和作笔记作一讲述。 1. 略读文献明确结构 大多数期刊使用传统的 IMRD 结构 ：首先是摘要，其次是前言（ I ntroduction），方法（ M ethods），结果（ R esults）和讨论（ D iscussion）。每部分通常每个都有自己公认的结构形式，如果阅读文献时，熟悉并能预测这些结构，将会读的更快，理解的更多。 摘要 摘要常包含 4 个信息 目的（为什么要做该研究） 方法（怎么做的） 结果（研究发现了什么） 结论（结果意味着什么） 大多数人阅读文献时先读摘要。当然有些人尤其是专家，阅读文献时一般是先看标题再看图表，因为多数情况下图表告诉了读者该研究做了什么实验，最后得到了什么结果。不过我们还是建议阅读文献时，首先认真仔细的阅读摘要，并注意上面列出的 4 个信息，然后再看图表，最后再看其他部分。 前言 前言有两个作用，一是引起读者对研究的兴趣，其次是为读者提供足够的信息来理解文献。一般来说，前言一般是先介绍公认的信息（本研究时行时已知的信息），然后介绍更具体的信息（本研究未知的问题），最后引出一个焦点（作者提出并回答了什么问题）。因此，作者首先描述的是以前的工作，让读者理解目前研究（广义的），然后把研究工作着眼于某一问题（具体的）。 方法 方法部分告诉读者实验是如何进行的，如何回答前言中提到的问题。方法通常很难阅读，尤其是对于研究生来说。但是对受过训练的科学家来说就简单的多，因为技术语言和实验细节水平足以可以让其重复该实验。你还可以通过仔细阅读方法部分来理解作者的实验设计，评估实验的有效性。 结果和讨论 结果部分包含了所有的研究结果，研究发现了什么，并以可视化（图表）的形式显示研究数据。通常情况下，结果部分不包含引用参考文献，不与其他人的研究结果相比较。与其他人研究结果相比较是在讨论中进行的，讨论中需要把自己的研究结果与他人...

科学论文常用到统计方法，统计对于一篇研究论文来说很重要。选择适当的统计方法可以得到正确的结果，并避免不必的错误和不足。但是如果选择的统计方法不适当甚至错误，会对研究结果产生重要的影响，甚至是错误的结果。如今对于论文统计争论较多，自然杂志咨询了一些知名的统计学专家，就如何避免论文中的统计错误，提高统计水平，这些统计学专家给出了建议和意见。其实论文统计出现不足或错误不在于统计学本身，而是使用统计学的我们自己。 via Nature：Illustration by David Parkins 调整认知 马里兰州巴尔的摩的霍普金斯大学公共卫生学院（Johns Hopkins Bloomberg School of Public Health）的生物统计学副教授 Jeff Leek 认为，提高统计水平的方法在于，研究人员必须首先学会如何分析和解释数据，然后应用这些知识来防止认知的错误。 过去的几十年，很多专业已经从测量十几个数据到测量百万计的数据。现在用的很多统计方法，大都是还几十年前的统计方法。但是这些统计方法，是根据当时的情况设计的。以前信息疲乏，难以收集。但是现在信息呈爆炸式发展，因此再用以前的统计方法来处理现在的更大、更多样化和更复杂的数据，这些统计方法可能难以胜任。因此我们也常看到，现在的有些文献还是使用的是过时的统计方法，或者所用的统计方法根本就不恰当。其中 P 值就是最明显的一个。我们以前一直使用 P 值来看统计学是否有显著性差异，但是现在看来，使用 P 值作为统计学是否有意义，显然并不十分恰当。 科研动力 也呈就此发过一些博文，如 P值小于等于 0.05 是否真有统计学意义 ； 什么是 P-hacking 及其在科研中的危害 等等。 但是对仅仅指责数据量过多和缺乏相应的统计训练是不够的，不使用不使用诸如 P 值之类的统计指标来做决定也是不切实际的。有时候必须作出决定时，如发表文章或申请基金，可能清晰明确的指导方针更有用。 根本问题是我们对人们如何分析和处理信息知之甚少。比如图表，实验表明人们在饼图倾向于比较角度，而在条形图中比较长和宽的微小差异。饼图和条形图的使用，可以对不同的数据有更好的理解和认识。 我们需要认识到数据分析不仅仅是计算和算法，而是人类的一种行为。我们所学的统计方法，大都是针对数据贫乏的训练，因此用于现在信息量巨大的数据，最后的数据分析就不...

今天看新闻，发现一个新闻「男孩大脑长脖子里」，看到这个新闻，感觉有点不可信。脑袋长在脖了里，的确吸引人眼球，但是总感觉怪怪的，所以想看这个新闻到底从哪里发源的。 先用百度搜了一下，看到排在前面的网易的新闻： 英国一9岁男孩患罕见疾病:大脑长在了脖子里 ，从这个新闻里面得到了基本的信息，这个男孩叫KaiDiawne，是发生在英国的一件事儿。 那就利用关键词「KaiDiawne」在 Google 里搜索一下吧。神马？Google 上不去，那就看看 可用的 Google 地址和替代网址 吧，肯定能找到一款适合你，不行就使用 SSH 代理 吧。 使用 Google 搜索了一下「KaiDiawne」，没想到出来的全是中文结果。这有点不太可能啊。当然我设置的显示语言是中文，但是使用英文词搜索也不能全是中文啊。 继续看看还能有什么问题，在另 外一个网站的新闻中 提到这位男孩的母亲叫「MicheleBoardman」。那就利用关键词「KaiDiawne」和「MicheleBoardman」再 Google 一下。发现结果还是全部都是中文搜索结果，并且提示要找的是不是「KaiDiawne Michele Boardman」？那就按照提示的关键词来搜索一下看看，这下前三个到是英文网页了，但是两个是 Facebook 的内容，另外是一个 WordPress 博客的内容。推测应该不是我所想要的。 那就奇怪了。因为这事儿是发生在英国，因此再加上一个关键词「England」，替换一个关键词「MicheleBoardman」。然后进行搜索一下看看。我擦，还全部是中文网页。 因为大多数新闻中提到这位男孩都简称为「Kai 」，因此使用「Kai」这个关键词进行搜索一下看看如何。结果到是不少，有 22,500,000 条相关结果。但是很多都是这位，鲁尼和他的孩子，看来鲁尼的孩子叫 Kai 吧。 到此我想这位不幸的男孩很可能不叫「Kai 」或者「KaiDiawne」。回头分析一下这个名字，「KaiDiawne」，这里在有两个大写字母，很可能是国内在转载时把人家的姓和名给合在一起了。所以拆开了进行搜索看看，利用关键词「Kai Diawne england」进行搜索一下。 不错，这下出来的全是英文网页了。打开第一个看看： Boy aged 9 has rare condition which caused...

前面我们介绍过 利用 PubReMiner 汇总分析 PubMed 查询结果提高查询效率 和 PubReMiner 一般使用方法和常见问题 ，从中我们知道 PubReMiner 的用处很大，其中就可以利用 PubReMiner 进行科研的初步选题，这对于处在彷徨阶段的研究生来说不无帮助。 对于研究生来说，如果以前没有做过科研，老板有课题还好说，接着前面的师兄和师姐往下做就可以了，基本上不用费什么劲找什么课题。但是有的导师可能没有课题，或者有新的研究思路方向，突然有一天给你说，你去看看有关某某的研究。此时就需要自己找课题了，如何下手，如何进行选题？@孟召伟等人的 医学研究生SCI论文选题撰写及投稿 一文对此曾有论述，可以从临床和病例中进行选题，也可以从基础研究选题。 科研动力 这次要说是的，如何利用 PubReMiner 进行科研选题。 粗略搜索 首先要根据导师的意愿在 PubMed 中进行粗略的搜索。 比如老板的现在甩给你一句话，你去看看银屑病临床方面的研究。临床研究太多了，从病因，发病机制，到治疗预后都有研究的地方。甚至其中一个小小的点就可能有无数的研究在进行。 因此，要先在 PubMed 中进行一下粗略的搜索，看看当前有多少研究，并且可以把检索式保存下来，这样可以将来在 PubReMiner 中进行分析。 好了，那就去 PubMed 吧，打开网址 http://www.ncbi.nlm.nih.gov/pubmed ，记住不要一般搜索，要进行高级搜索。如果一般搜索的话，出来的文献太多。选择「Advaced」打开高级搜索选项。 为了让搜索更加准确一些，我们现在根据老板的意思，先使用关键词「psoriasis」和「clinical」进行搜索，范围界定在题目和摘要中。 最后检索式：(psoriasis[Title/Abstract]) AND clinical[Title/Abstract]，进行搜索一下看看，查询到了 6830 篇文献。 注意： 因为 PubReMiner 一次性最多能处理 1 万篇的文献，如果在 PubMed 中查询到的文献多于 1 万篇，要不断缩小检索范围，只到最后得到的结果是 1 万篇以下。 结果筛选 把上面得到的检索式在 PubReMiner 中进行筛选。进入 PubReMiner 的网址： http://hgserver2.amc...

作为研究生，平时肯定要大量阅读文献。但是对于新生来说，在阅读科技文献的时候可能存在着一些误区，或者不知道如何阅读科技文献。有的是所有文献都精读，一个字不落的全部仔仔细细看，生怕错过一些重要的信息，想当初我开始也是这样读的，把所有文献都一个字一个字的翻译成中文。相反另外有的人是所有文献都速读，浅尝则止。其实这两种情况都是不正确的。 速读 一篇科技文献拿到手，首先要速读。没有必要一字不落的全部看了，个别单词不知道意思也没有关系。 首先看摘要，因为摘要是一篇文献的精华，把文献的所有内容都包括了。如果看摘要有用，那就快速阅读一下文献。 我们知道英语句式中最重要的就是几个词，想当初我们考听力也是主要听这个几重要的词，其他的词突突的过去听不懂也没关系，只要抓住了重要的词汇，一般不会答错。 速读也是这样，一个句子中只要抓住几个重要的词汇就行，抓住了这几个词汇这个句子基本就可以理解了。 另外也没有必要一段一段的全部阅读，跳过几个段落也没有关系。比如材料和方法，在速读时看一下标题就可以。 除了摘要，可以看看前言，因为这是一篇研究的来源，为什么要进行这个研究的交待。再看看结果，结果只看看下表格和图片，文字说明可以暂时不看。因为表格和图片最能反应研究结果。 重要的是讨论，这是作者如何正反论证其结果正确与否部分。在讨论中可以了解到作者结果的合理性，另外还存在着哪些不足，这对研究设计会有许多帮助。因为有时我们在看作者在论证时，会发现这个研究的局限性，可以根据这个局限性我们进行补充性的研究。 最后看看结论，如果觉着这个文献对自己有用，那就需要精读了。 精读 精读的要求不仅仅是一个字一个字的扣，还可能是一篇文献反反复复看，十遍八遍都不算多。 如果一篇文献对自己的研究真的有用，就要仔仔细的阅读，从前言，材料方法，结果，讨论到结论，都要仔仔细细的看，反反复复阅读多篇。这一过程是理解作者的研究思路，就像和作者一样，把实验从想像中过了很多遍，最后的要求是好像是自己真正操作过这个实验一样。 精读的过程中还要对材料和方法进行详细的阅读，作者怎么做的，采用的是哪些方法。有时候作者在方法中提供的叙述可能比较简略，此时还需要不断的查找其他文献进行核实，最后搞明白了作者的操作方法。 精读的过程中还要做笔记，可以把原文打印出来，遇到不懂的地方，有疑问的地方和认为最重要的地方，在空白处作上标记。不太建议电脑上操作...

国外有个玩家 Stephen Totilo 在玩蝙蝠侠：阿卡汉骑士 ( Batman Arkham Knight ) 游戏时有一关需要在屋顶上打败 6 个忍者。这一关玩家打了一个小时，尝试了 46次最后终于成功了。Stephen Totilo  记录了这四十多次过程，看看到底再尝试一次时会发生什么。通过这事儿，Stephen Totilo 总结经验，从中尝到了一些东西。 开始玩的时候，Stephen Totilo 也就坚持个四五秒，经过几次的尝试，Stephen Totilo 有点崩溃。因此向他的一位朋友求助。这位朋友是个搞心理的，叭啦叭啦的给他讲了一通游戏的心理学，赞赏了一下游戏设计。打住，打住，我是来求攻略的，不是来接受再教育的。哦，原来是这样啊，又叭啦叭啦一通技巧。 带着朋友的经验的技巧，继续攻关，但是效果还是不明显，这才发现原来不能一味的冲或者跑，主角身上带着一些小工具的攻击效果不错，可以远程攻击。那就用呗，可以玩了几次发现这些小工具虽然有效，但是有次数限制。不能像第一滴血的兰博那样开挂，用不了几次就没了，只能老老实实拳拳到肉。 那就继续来点刺激的，拳拳到肉，可是每次自己身上的肉被到的最多。而且日本忍者的花样太多，阴险大大的。一会从天上攻击，一会组团单挑的，注意是敌人一群单挑主角一个，正所谓虚虚实实，搞的 Stephen Totilo 头大。Stephen Totilo 此时简直崩溃了，真是疲于应会啊。我防着了天上的，下面的给你一刀。我防着下面的了，上面的又来一刀。这时候 Stephen Totilo 想死的心的都快有了，恨不得能释放洪荒之力。 理想是丰满的，现实是骨感的。洪荒之力没有，只能老老实的过，总结经验，熟练操作。每次过关都录下视频，找出哪里不对，下次注意，我就不相信过不了。看来拗劲上来，几头牛都拉不回来了。 还好，在不断失败，不断尝试，凭着的屡败屡战的精神，最后经过一个小时，46次尝试之后终于把这一关给过了。 虽然这是一个游戏，但是又不仅仅是一个游戏。过关的人肯定有，为什么我就过不了关呢。因此原因在我身上，因此要不断的总结失败的教训，以便改正和防范。 虽然开始使用的小工具有用，但是对于整个大局是不起决定性作用的，开挂的人生只是一个传说。就像我们做事有时投机取巧一下会得到甜头，但是长远来说害大于利。 生活中我们也会遇到一些其他类似的困难和挑战，对于这...

如果有机会外出留学，见了面如何称呼导师，email 沟通的时候又该如何抬头称呼，甚至私人聚会的时候又该叫导师什么？该叫 Professor + last name, Dr. + last name, 还是叫 first name？ 其实这个问题没有完全标准的答案，总的原则就是：根据当地文化和导师个人的喜好。一般来讲，称呼导师为 Professor + last name 应该不会错；Dr. + last name 也可以，但是最好事先要确定导师有博士学位。 正式场合 如果是正式场合，特别 email 联系时，一般应该要叫 Professor + last name，通常不会有错。 有的童鞋在 email 联系时认为加上「Dear」「Dear Professor Smith」比较亲切，但是导师们并不这样认为。 甚至有的童鞋更是随便，直接抬头是「Hey」「Hi」，这不是与导师联系的语气和方式。或者有的抬头写「Good morning」「Hello, Mr. McNamara」这类词也显得不正式，因为导师不太喜欢这种称谓。 Mr. Ms. 或 Mrs. 在大学里一般也不用，这些称谓一般是高中生称呼老师的。 关于 Dr. 最好能先确定一下导师是否有博士学位，如果没有叫 Professor + last name 更保险一些。 Professor + first name 或 Dr. + first name 并不常用，除非老师特别说你可以叫 first name，你才可以在面对面的场合称呼 first name。但你在与学校别人谈话的时候，最好还是用 Dr. + last name 来称呼。 非正式场合 非正式场合叫起来就随便多了，例如去老师家里开 party，可以用 first name 称呼导师。 如果你与你的指导教授关系比较好，他把你当作是 colleague，也要你用 first name 称呼他，那你在平常可以用 first name，但在正式的 email 里，一开始还是小心为上，用 Dr. + last name，是比较适切的。如果老师再进一步纠正，就依照老师的意思更改。 称呼的转换会应场景不同而有所改变，这对非英语母语者来说会比较困难。 导师是华人 另外一种情况是：你的导师是中文母语者，你怎么称呼呢？ 这时候你就要小心点了，如果你称呼其它美国老师是用 ...

影响因子 是一个广泛应用又备受诟病指标，有赞扬者，有批判者，而且现在很多机构或者团体也出了一些替代指标来评价论文。但是对于影响因子，在国内甚至内际上还是一个最重要的指标。Nature Methods 最新的一期社论称，影响因子不能不加批判的使用，更不能不了解其测量方法就盲目的使用。 我们多数人可能都有这种习惯，除了引用自己的文章以外，对于参考的论文其中的引文引用量也很大。因此很多的综述类文章的引用量很高，这也好理解，一篇综述就概括了很多内容，在杂志限制参考文献的数量情况下，引用综述可能比较省事，虽然这种引用方法很不合理。因此也就造成了发表综述类的杂志其影响因子也就非常的高。 CA: A Cancer Journal for Clinicians 其实就一个典型的例子。这个杂志的影响因子很变态，2014 年发布的影响因子高达162.5，我还认为今年能达到 200 呢，没想到 2015 年发布的影响因子只有 115.84。当然「只有」用在这里很不恰当，因为除了 100，15.84 的影响因子也比很多期刊高很多。这个杂志的特点双月刊，每期 12 篇文章，其中几乎全是综述。这也就造成了其变态的影响因子。 这就出现了一种现象，某些文章可能引用量很高，但是也埋没了很多高质量的研究论文。 另外，因为研究领域不一样，某些领域可能比较小众一些，不能和一些综合期刊相比。综合期刊所有类型的研究论文都有，但是小众学科本身就小，相应的引用量也不会大。但是这不能否认这种研究对于该学科的贡献，有的贡献可能比一些高影响因子的论文更有价值。但是因为这类小众学科的影响因子低，所以很可能就埋没了。 还有现在一些什么基金了，资助了，晋升了，大学排名了等等都与影响因子有关。这也是大家对影响因子诟病的原因之一。 因此现在也出现了很多替代指标，比如科研动力曾介绍过的 除了影响因子 还有哪些指标可以评价论文的价值 和 利用Altmetric评价系统了解论文的关注度分享情况 等等。但是这些指标也不是完美的，也有相应的不少缺陷和不足。 但是在国内，我认为影响因子还是比较客观和公正的指标之一。毕竟人情关系太重，如果没有一个指标衡量一个人的价值，那就八仙过海，各显神通了。还有一些伪影响因子，所谓的野鸡杂志遍地开花的情况下，不找一个客观国际相对认可以指标那就乱了。比如 我是如何把垃圾文章成功发表的 这类现象。现在有了影响...

最近偶然看到一则科技新闻，说是科学家发现了第六种味道「肥」，立即在Google上搜索了一翻，但是多数新闻是中文新闻，而且最可能的原始出处是 新华网 。 新华网大致的意思是目前为科学界普遍认同的只有酸、甜、苦、咸、鲜五种，但美国珀杜大学科学家新近确认出第六种味觉——肥。有兴趣的童鞋可以上看上面给出的链接。 但是这些所有的新闻都不有给出参考文献，也没有明确指出到底是谁研究，哪个单位的学者研究的。这点相比于英文新闻来说就有点不太地道，至少给读者一个原文文献的链接，让读者自己分辨一下吧。不能记者说啥就是啥啊，因为这是有 巧克力能减肥 的前车之鉴啊。 对于这个问题，我存着好奇的态度，想看看这个原文到底是什么。 科研动力 曾经发过一文 如何通过外文文献一句话找到原文 ，但那是利用文中的英文查找原始文章出处的。但是现在又全是中文，没给出原始全文，甚至报道的很含糊，只提到但美国珀杜大学科学家研究发现新味道肥。那如何根据中文报道找出英文原文的出处呢？好吧，让我们来动手找找看吧。 利用中文报道找出英文原始文献出处 根据这个报道，我们推测是生物学研究，生物学研究最著名的数据库当然是 PubMed 了。那就好，我们先在 PubMed 里找找。 首先根据中文报道提取关键词，其实这则新闻里的关键词就两个，一个是肥，一个是味道。 因为PubMed不能检索中文，只能检索英文。那就把关键词翻译成英文再查找。 肥的英文释义一般是fat，当然这个词很可能比较口语化，在科学研究论文中可能不常用。但是这到不用担心，因为PubMed有个好处是可以把意思相近的词都能自动替换，你输入fat检索PubMed也能认识。味道一般就是taste了。 好了，在 PubMed里输入这两个关键词进行查找 ，找到了1658个结果。因为这个是最新的报道，因此极有可能是最近发表的文章，那在PubMed里把结果根据时间先后顺序进行排序，如下设置。 当然，这个也是 PubMed 的默认排序方法，其实不用设置也可以的。嘿嘿。 现在一个个往下看，我当时打开的是第一篇，但是一看就直接毙掉了，因为题目中带了一个「bumblebees」，这肯定不是，因为这个研究是关于人的，不可能是研究大黄蜂的。 下面就看的仔细些了，不过很幸运，第5个文献直接一看题目就极可能是「 Oleogustus: The Unique Taste of Fat 」，打开摘...

我们在 统计 时经常用到P值，一般认为P≦0.05有统计学意义。但是现在很多统计学家并不是这样认为，对于P值的滥用和误用进行了苛刻的批评。因此出现了一个新词：P-hacking。什么是P-hacking？P-hacking在科研研究中有什么危害？ 什么是P-hacking P-hacking 最早应该是美国宾夕法尼亚大学的Simmons和他的团队提出来的[1, 2]。 P-hacking 按照字面的意思来看是「P值黑客]，但是实际上的意思 科研动力 认为是「 P值篡改 」或者「P值操纵」。这可能是 在线都市词典 收录的第一个统计词汇： Exploiting –perhaps unconsciously - researcher degrees of freedom until p<.05. 从词典给出的意思来看P-hacking是科研人员不断的尝试统计计算直到p<.05，当然有时这可能是无意识的。在线都市词典还给出了例句： That finding seems to have been obtained through p-hacking, the authors dropped one of the conditions so that the overall p-value would be less than .05. She is a p-hacker, she always monitors data while it is being collected. Simmons 等人也对P-hacking进行了定义[1, 2]： P-hacking refers to the practice of reanalyzing data in many different ways to yield a target result. They, and more recently Motulsky, have described the variations on P-hacking, and the hazards, notably the likelihood of false positives—findings that statistics suggest are meaningful when they are no. P-hac...

有时候我们经常看到某篇文献的一句话，可能是在其他论文或者网站中引用的，可是却没有给出出处，如何通过这句话才能找到原文呢？或者更有甚者，有的文章只给出了其中的一个作者或者其他一些信息，如何通过这些信息找到原始文献出处呢？ 科研动力 本文就两个例子说明一下，希望对大家有所帮助。 通过一句话找到原始文献出处 首先看看如何通过一句话找到原始文献的出处。其实这个问题是看到丁香园某个网友问的，那我就借用他给出的这句话找找原文。 这位网友给出的这句话是这样的 it is therefore not too surprising that epidermal cells secreted less kgf in AhR-deficient cultures, in particular as the gene has four putative xenobiotic-responsive elements in its promoter. 看这句话的意思是：因此在无AhR成分(这鸟是什么不用管，这东西要联系上下文才能知道是什么)培养情况下，表皮细胞分泌较少的kgf(这厮也要看上下文才可明白是什么)也就不会大惊小怪了，尤其是这个基因在启动子处有4个可能的外源性反应元件。 大致就这个意思。根据这句话的意思推测很可能是生物医学方面的文章，那生物医学方面的文章查询首推PubMed了。 因此 打开PubMed ，直接把这句话输进去看看。我去，直接显示「No items found」。 是不是关键词太长了，因此可以减少一些关键词看看。从这句话中我们可以了解这句话最主要的几个词是「epidermal cells 」，「kgf 」，「AhR」，「cultures」和「gene」。因此用这几个关键词重新检索一遍看看。输入「epidermal cells kgf AhR cultures gene 」，检索一看还是显示「No items found」。 看来这篇文献的杂志 PubMed 很可能没有纳入到数据库中。肿么办？ 这时候就需要Google了。打开Google，输入「it is therefore not too surprising that epidermal cells secreted less kgf in AhR-deficient cultures, in particular...

在科技论文中少不了统计，而 统计 中又常常避免不了值，一般认为P≤0.05或者P≤0.01有显著性差异，我们的研究有统计意义。事实是真的这样吗？其实有时如果P≤0.05也并非真正有统计意义。以下是 科研动力 译自Nature的一篇文章：Scientific method: Statistical errors，相信您看完之后会有些许收获。 美国弗吉尼亚大学的 Matt Motyl 于2010进行了一项近2000人的研究他发现政治温和派似乎比左翼或者右翼人士看到更多的灰度。这个结果太有意思了，而且 Motyl 很坚信这个结果，因为数据统计显示结果差异性很显著，P＝0.01。此时 Motyl 也有点小小的自得，自己的研究可以发表在高影响因子期刊了，离自己少年成名也不远了。 可惜欢乐总是短暂的，快乐仅持续了1天。他的导师 Brian Nosek 让他进行了重复实验，重复实验的结果P值变成了0.59。这就没有差异显著性了，因为统计学上认为P≦0.05才有统计学意义。人生就这么喜怒无常，现实击碎了 Motyl 的幻想。 Motyl 错了吗？问题出在何处？为何第一次实验统计学有显著性差异，而重复实验却变成了统计学无显著性差异？原来问题不在于数据和Motyl的统计分析。主要问题在于P值，大多数学者认为P值并不可靠也不客观。芝加哥罗斯福大学的经济学家 Stephen Ziliak 甚至认为P值根本不做人事，因为这鸟根本不会做人事。 实验重复性对于很多科学家很是个事儿。2005年加利福尼亚斯坦福大学的流行病学家 John Ioannidis 认为现在大多数所发表的论文都是有问题的。实验的重复性使科学家们要重新考虑他们该如何评价结果了。 同时统计学家们正在寻找一个更好的统计数据的方法，以帮助科学家们避免遗漏重要的信息或者得到错误的结果。斯坦福大学的医生和统计学家Steven Goodman说「现在是需要改变统计理念的时候了，以前的金标准也不再是神，它们是我们所采用的统计方法决定的」。 P值的断章取义 P值出现的近90年来， 统计 学家们对P值批评就没停止过。有人甚至把P值被比作即恼人又不赶不走的蚊子，有明显问题而每个人都忽略的皇帝的新衣以及强奸了科学但又没结果的强奸犯的工具。有人建议重新命名这个计算P值的统计方法学为「统计假设推断检验」，也许更能代表P值的本质。 具有讽刺意味的是英国...

科研动力 也写过或者转载过一些关于论文写作和英文写作的文章了，在此做一总结索引，方便查找。 置顶推荐 除了影响因子 还有哪些指标可以评价论文的价值 ResearchGate科研人员自己的FaceBook 利用Plum Metrics评价系统了解论文的关注度分享情况 利用Altmetric评价系统了解论文的关注度分享情况 1. 论文写作 毕业论文的各种写法 论文中的图表制作方法和技巧 SCI论文并没有想像中的难写，浅谈发表SCI论文的一些小技巧 SCI论文各部分撰写方法及注意事项 视频: 如何撰写科技论文-How to write a great research paper 如何选择和阅读科技论文 2.英文写作 SCI论文写作时的英文表达技巧 英文论文中经常用到的「例如」的正确用法 英文论文写作随感 SCI论文常用经典句型系列1 SCI论文常用经典句型系列2 That在英语中的正确用法 提高英文写作的3个技巧 英文写作最常见的10个错误 撰写英语论文中国作者的常出现的一些错误 3. 论文投稿 如何发送和回复邮件 如何回复同行评审的评审意见 论文投稿前后及投稿过程常用的英文邮件模板 SCI杂志的一般审稿过程 创新不多的文章发表于SCI杂志的投稿策略 一稿多发，重复发表，自我抄袭之间的区别和联系 审稿结果和作者校样的处理 如何修改SCI投稿和退修的文章 4. 科研写作相关资源 EXCEL自动卡方检验及Fisher检验 易改：国产免费的英文写作辅助软件 WhiteSmoke：高质量的英文写作辅助工具 在临床试验设计中设对照组的重要性 如何准备在『新英格兰医学杂志』上发表论文 JCR期刊分区及其检索方法 CSSCI来源期刊和收录集刊（2014-2015）目录 PMID和PMCID的区别 MEDLINE，EMBASE，PubMed，PMC，OVID的区别和联系 APA,MLA,AMA,Chicago引文格式简介 世界著名出版商简介 常见文献检索平台或学术搜索引擎简介 微软学术搜索Microsoft Academic Search SCI论文撰写不用愁，推荐两本SCI撰写的参考书籍 写博士论文不用愁，推荐一本很好的电子书 申请美国博士研究生面试时有关问题及回答注意事项 推荐25个搜索下载电子书籍的好地方 推荐几个论文写作教程网和资源网 5. 研究僧 硕士从...

cBio Cancer Genomics Portal 提供了研究分析癌症基因数据的可视化工具， cBioPortal 可以帮助癌症组织和细胞学研究得到的分子学数据认识和理解遗传、表观遗传、基因表达和蛋白质组学。通过自定义数据的交互界面要以主研究人员探求研究基因改变和临床之间的联系。 cBioPortal 提供了图形化的结果，使复杂的癌症基因组学资料更易理解和接受，而不需要特殊的生物信息学知识。 cBio Cancer Genomics Portal简介 大样本癌症基因组计划，如如癌症基因图谱(Cancer  Genome  Atlas, TCGA, http://cancergenome.nih.gov/ )和国际癌症基因组联盟(The International Cancer Genome Consortium, ICGC)，得到了大量的有关癌症基因组的资料，但是这些资料对于研究人员来说，如何整合、探索和分析，是一个比较困难的事情，尤其是对于那些电脑水平欠佳的人来说，更是一件头疼的事情。cBio Cancer Genomics Portal( http://cbioportal.org/ )的出现就是为了减少这种难度的。 cBioPortal方便了研究人员探求多维癌症基因组数据，它要以可视化分析基因、样本和数据类型。我们可以对癌症研究中的样本的基因改变进行可视化，比较基因改变频率，或者综合分析单一样本中基因组改变。cBioPortal还可以研究生物学途径，生存率等等。 cBioPortal 整合的基因数据类型包括体细胞突变，DNA拷贝数改变，mRNA和microRNA表达，DNA甲基化，蛋白丰度以及磷蛋白丰度。迄今为止，cBioPortal包含了10已发表的肿瘤研究结果和20多个TCGA的结果。每个肿瘤样本和数据可以从网站上下载。cBioPortal把这些复杂的数据从基因水平上进行了整合和简化，每个样本可以查询特定的生物学特性，如基因突变，纯合子缺失，基因扩增，mRNA和miRNA的增加或减少，蛋白质的增加或减少等。这让研究人员可以查询每个基因和样本的基因改变，验证一些假设。 cBioPortal的数据来源和分析选项来源于多个网站，如TCGA data portal ( https://tcga-data.nci.nih.gov/tcga/) , the IC...

cBio Cancer Genomics Portal 是一个多维癌症基因组学的开放平台，迄今提供20项肿瘤研究的5000余种肿瘤样本的免费数据。 cBio Cancer Genomics Portal 明显减少了复杂的基因组数据和肿瘤研究者希望快速、直观和高质量的大型肿瘤基因研究中得到研究分子特性和临床特征之间的距离，并且授权研究人员把这些丰富的数据研究出生物学的特点和应用于临床。 cBio Cancer Genomics Portal简介 随着基因测序成本的降低，以及一些国家和国际组织的努力，如癌症基因图谱(Cancer  Genome  Atlas, TCGA, http://cancergenome.nih.gov/ )和国际癌症基因组联盟(The International Cancer Genome Consortium, ICGC)，肿瘤基因组学的研究取得突飞猛进的发展。但是现在的癌症研究结果并不能直接的应用于癌症预防和治疗，阻碍了把基因组学得到的数据应用于肿瘤生物学领域、临床实验、药物开发等等。cBio Cancer Genomics Portal( http://cbioportal.org/ )由纪念斯隆-凯特琳癌症中心(Memorial  Sloan-Kettering Cancer  Center, MSKCC)资助，主要用于解决大样本肿瘤基因组学研究所得到的大量数据问题，以利于大样本肿瘤基因组研究结果更容易和更直接的应用于肿瘤研究（图A）。 图处来源于The cBio Cancer Genomics Portal: An Open Platform for exploring Multidimensional Cancer Genomics Data cBio Cancer Genomics Portal迄今包含5个发表的肿瘤数据，15个TCGA提供的数据。TCGA提供的数据根据TCGA的研究进展每月都会更新，并且如果TCGA增加了新的肿瘤，cBio也会随之添加。发表论文的肿瘤数据包括含有基因突变数据，但是TCGA提供的数据并不包含这些。TCGA的每个肿瘤类型一但确定，并且验证了体细胞突变，TCGA会提供突变数据， cBio 也会随之添加突变数据。除了突变数据，cBio还有一些拷贝数变化、基于微陈列和RNA测序的mRNA表达改变，DNA...