薛宇：生物信息学预测——你能成为PI吗？
【字体： 大 中 小 】 时间：2014年06月05日 来源：科学网
编辑推荐：
这篇论文里，作者根据PubMed里25,604个学者的信息，利用机器学习的算法设计了一个预测工具，除一法的检验性能是AUC=0.83，能够准确的预测研究人员是否有机会成为PI。算法不讲了，无非就是个特征选择加线性拟合，对搞生信的来说属于入门级的算法。
吃完晚饭回办公室来忙事，看见QQ上学生留言，推荐了最新一期Current Biology杂志上的一篇论文：
van Dijk D, Manor O, Carey LB. Publication metrics and success on the academic job market. Curr Biol. 2014 Jun 2;24(11):R516-R517.
附带预测工具的网站是：http://www.pipredictor.com/
论文讲的啥咱过会儿再讨论，按惯例先扯点儿不着边儿的东西。首先给各位讲个笑话，话说诺基亚的手机以前还挺好，现在越做越垃圾，最奇葩的是电池的电力如果耗尽，要么是电池报废，要么是系统崩溃。前者是去年的事情，换了块电池继续用，系统崩溃是前天的事情，当时没什么反应。修手机的师傅说，这手机要重刷系统，我说，哦，刷吧。等刷完今天拿来一看，我靠，毛都不剩了。赶紧问说这通讯录还能恢复吗？师傅摇摇头：不知道。回来在办公室里坐着，等下班的时候才反应过来了：兄弟我这回算是失联了。
上述这个笑话讲完，咱接着再讲个更搞笑的。话说晚上加班完回家正郁闷通讯录没了，以后怎么跟兄弟们联系呢。豆儿他妈围过来，说大豆儿（这是有来历的，咱家的称呼以小豆子为中心，所以我是大豆，我爸就是老豆，我妈自然就是豆奶了）你又在那里装啥深沉呢？我说手机通讯录没了，郁闷呢。豆妈拿我手机摆弄了两下，通讯录又给恢复了。我...我说这是啥技术？豆妈说你难道不知道手机有实时同步的功能？我摇头：不知道，我搞生信的又不是修手机的。话音刚落豆儿妈上来就一顿暴打。所以这件事情说明，搞生信跟修手机没有关系。
好，废话讲完，咱讲正事儿。这篇论文不长，总共就两页，图也就一个，讲的啥这么有意思呢？且听我慢慢道来。作者忽悠道，现在只要有个学术机构的教职，马上成坨的简历就给你发过来，怎么评价这个人行啊，还是不行啊？所以要有个定量的依据，比如哈佛是看Top 5，不是领域的世界前五不要；咱是数NCS，看影响因子，看你论文数，然后还有个答辩；台湾就比较简单了，发表论文的影响因子总和。这样大家总都有争议，比如不应该数NCS啊，不要只看IF啊，要看引用啊，等等。总之各种争议。
这篇论文里，作者根据PubMed里25,604个学者的信息，利用机器学习的算法设计了一个预测工具，除一法的检验性能是AUC=0.83 （这块儿别纠结，兄弟我很专业的告诉你，准确性不错了），能够准确的预测研究人员是否有机会成为PI。算法不讲了，无非就是个特征选择加线性拟合，对搞生信的来说属于入门级的算法。主要的结论有：
1. 这个预测分析是针对生物、医学及相关领域开展的，PubMed检索不到文献的不在该预测的考虑之中。
2. 如果你现在已经成为一名PI，那么恭喜你，因为这篇论文的结果表明，只有6.2%的论文作者能够成为PI，所以这是个小概率事件。
3. 什么因素是决定你能否成为PI的关键条件呢？作者的特征选择结果里，职业开始前的五个最重要的因素依次是：8年内第一作者论文数量，8年内论文总数，8年内最高影响因子，8年内影响因子超过6的一作论文，和4年内的论文总数。所以答案很清楚了：你发表的论文数量，和论文的影响因子，是成为PI最最重要的因素。
4. 每年发多少文章才有机会成为PI？作者的结果显示，成为PI的学者，在职业生涯开始前大约平均每年要发表一篇论文；而没有成为PI的学者，大约每年发表论文的数量是0.6左右。所以这件事情告诉我们，论文的数量很重要，灌水是必须的。
5. 那么影响因子多高叫高呢？作者的结果显示，PI们在职业生涯开始前的平均IF，大约接近6，而没有成为PI的学者们，大约是5。所以IF仅有1的差距，就已经很明显了。这表明第一，学者们要灌水；第二，还得想办法把水灌到IF高的杂志，比如华大基因，专门往NCS上灌，有本事啊！
6. 那引用重要不重要呢？比较重要，但不是那么特别重要。权重在第7、8、9位的特征，都是引用相关的。所以作者的解释是，发的好要比引得好更重要。
7. 性别很重要。因为这是权重第6位的特征。研究结果表明男性更容易成为PI。(我靠，这是赤果果的性别歧视啊！)
8. 有很多PI在职业生涯开始前从来没有发过高影响因子的论文，为啥还能做PI呢？这篇论文的作者发现，这些PI的特点就是发论文多，第一作者论文的数量是其他学者的两倍。由此可见天道酬勤，发不上NCS使劲灌水好像也可以，只不过平均6分的期刊，灌起来还是挺需要技术含量的。
9. 大学排名不重要。这个就很搞笑了，作者居然用的是上海交大的世界前500大学排名！这个不得不赞啊！研究者所在的大学或研究机构的排名，对能否成为PI贡献很小，特征权重只排到第16位。所以英雄不问出身，是哈佛、科大或者华工出来的对你成为PI没有太大的影响。
10. 从第一篇论文开始到成为PI的时间，这个平均值大约是7年。经过7年以上才拿到PI的，一般是论文发在影响因子比较低的期刊，但是引用比较好的学者。所以好的工作没有发表在好的杂志，也别泄气，耐心等等再说，没准儿成为高引的论文，那成为PI的概率就大大增加了。
讲完论文之后咱做个总结吧：
第一，这篇论文的作者是搞生信的，算是大同行。作者能有精力折腾这个，说明咱搞生信的学者真是想象力丰富和时间充裕到蛋疼。算法不稀奇，咱这边生信专业的本科生大二也就能玩儿了，关键是需要收集和整理数据，还要用到文献处理的技术，总之就是数据处理很麻烦，计算分析很简单。
第二，作者在论文的结尾部分，强调的是这个工作只是发现关联，并不强调因果。
第三，作者考虑的文献从1990-2014，但仅考虑了1996-2000间发表第一篇论文的研究者，这样超过13年才成为PI的研究者，大约有0.1%会被忽略掉。
第四，这个预测还挺有意思的，我04-06年发表了10篇PubMed可检索的论文，都是共同第一作者的；我的学生读博士期间共发表了13篇论文，有第一、共同第一和参与作者的论文，预测的结果表明我俩成为PI的概率都是96%！我还有个做的挺好的学生，但成为PI的概率只有46%。
第五，以后实验室每年底的年度总结就好办了，每位学生的总结报告首页一定要附上未来成为PI概率的计算预测结果，这比天天催学生们发论文的效果要好的多。哈！
