生物信息学术职业成功关键因素.pdfVIP

#资讯#超搞笑的生物信息学预测：你能成为PI吗？

今天有人给我推荐了CurrentBiology上的一篇：

vanDijkD,ManorO,CareyLB.Publicationmetricsandsuccessontheacademic

jobmarket.CurrBiol.2014Jun2;24(11):R516-R517.

附带预测工具的是：

这篇不长，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

者道，现在只要有个学术机构的教职，马上成坨的就给你发过来，怎么评价这个人

行啊，还是不行啊？所以要有个定量的依据，比如是看Top5，不是领域的世界前五不

要；咱是数NCS，看影响因子，看你数，然后还有个答辩；就比较简单了，

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

啊，等等。总之各种争议。

这篇里，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，因为这篇的结果表明，只有6.2%的

作者能够成为PI，所以这是个小概率。

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年内第一作者数量，8年内总数，8年内最高影响

因子，8年内影响因子超过6的一作，和4年内的总数。所以很清楚了：你发

表的数量，和的影响因子，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一篇；而没有成为PI的学者，大约每年的数量是0.6

左右。所以这件事情告诉我们，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，比如华大，专

门往NCS上灌，有本事啊！

6.那重要不重要呢？比较重要，但不是那么特别重要。权重在第7、8、9位的特

征，都是相关的。所以作者的解释是，发的好要比引得好更重要。

7.很重要。因为这是权重第6位的特征。研究结果表明更容易成为PI。(，

这是赤果果的啊！)

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，为啥还能做PI呢？这

篇的作者发现，这些PI的特点就是文多，第一作者的数量是其他学者的两倍。

由此可见酬勤，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.大学不重要。这个就很搞笑了，作者居然用的是交大的世界前500大学排

名！这个不赞啊！研究者所在的大学或研究机构的，对能否成为PI贡献很小，特

征权重只排到第16位。所以出身，是、或者华工出来的对你成为PI没有

太大的影响。

10.从第一篇开始到成为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，一般是发在影响因子比较低的期刊，但是比较好的学者。所以好的工作

没有在好的，也别泄气，耐心等等再说，没准儿成为高引的，那成为PI