生物信息學(xué)期刊論文評價及預(yù)測

〔摘 要〕采用H指數(shù)作為核心論文集的評價指標(biāo)，對藥物基因組學(xué)國內(nèi)論文進(jìn)行研究和分析，建立了藥物基因組學(xué)核心論文集，同時通過灰色建模，建立了生物信息學(xué)國內(nèi)期刊論文數(shù)量預(yù)測模型，從論文質(zhì)量及數(shù)量的定量層面上揭示生物信息學(xué)在國內(nèi)的發(fā)展趨勢。

〔關(guān)鍵詞〕藥物基因組學(xué)；生物信息學(xué)；H指數(shù)；Hirsch核心集；灰色理論

〔中圖分類號〕G255.51；Q811.4 〔文獻(xiàn)標(biāo)識碼〕A 〔文章編號〕1008-0821(2009)03-0159-03

伴隨生命科學(xué)“后基因組(post-genome)”時代的到來，一門新興、充滿活力的交叉學(xué)科——生物信息學(xué)應(yīng)運而生。生物信息學(xué)是指開發(fā)和應(yīng)用數(shù)據(jù)分析、數(shù)據(jù)理論的方法、數(shù)學(xué)建模和計算機仿真技術(shù)，用于生物學(xué)、行為學(xué)和社會群體系統(tǒng)研究的一門學(xué)科。生物信息學(xué)已經(jīng)成為現(xiàn)代生物學(xué)研究的核心方法之一。根據(jù)美國國立衛(wèi)生研究院的定義，生物信息學(xué)是“研究、開發(fā)或者應(yīng)用計算工具和方法來擴展對生物學(xué)、醫(yī)學(xué)、行為科學(xué)和衛(wèi)生數(shù)據(jù)的使用，包括獲取、存儲、組織、分析和可視化這些數(shù)據(jù)”。生物信息學(xué)的定義包含了雙重的意 義:一是管理好這些數(shù)據(jù)，即對海量數(shù)據(jù)的收集、整理與檢索；二是使用好這些數(shù)據(jù)，即從 中發(fā)現(xiàn)新的規(guī)律。本研究主要對生物信息學(xué)的國內(nèi)論文進(jìn)行評價研究和發(fā)展預(yù)測。從論文質(zhì) 量及數(shù)量的定量層面上揭示生物信息學(xué)在國內(nèi)的發(fā)展趨勢。

1 生物信息學(xué)核心論文評價

1.1 H指數(shù)相關(guān)定義

2005年美國加州大學(xué)圣迭哥分校的物理學(xué)家J.E.Hirsch教授[1]提出了一項旨在評價科學(xué)家個人績效的指標(biāo)——H指數(shù)。由于這項指標(biāo)測量的結(jié)果在一定程度上能夠解決傳統(tǒng)的文獻(xiàn)計量學(xué)指標(biāo)在科學(xué)家個人績效評價中的局限性[2]，因此，該指標(biāo)一問世 ，立即引起人們的廣泛關(guān)注。

一位科學(xué)家的H指數(shù)為h的含義為該科學(xué)家的Np篇論文至少被引用了h次，其余的Np-h篇論文的被引頻次不超過h[3]。

從幾何的角度出發(fā)，可以定義為:C(p)為第p篇論文的被引頻次，其分段內(nèi)插函數(shù)為C(x)，也就是說，當(dāng)p=1，2，…時，函數(shù)的連接點為(p，C(p))。因而h指數(shù)就可以被定義為直線y=x和內(nèi)插函數(shù)y=C(x)的交點。原始的H指數(shù)都是整數(shù)，但是經(jīng)過整合以后的指數(shù)hp，則是一個真實的數(shù)據(jù)。值得注意的是hp是一個從觀察值中衍生而來的指數(shù)[4]。

隨著近兩年來研究的深入，學(xué)者Ronald Rousseau提出了“Hirsch核心集”的概念[6]，即由排序在前h篇的論文組成的論文集合，稱為“Hirsch核心集”。同時提出在被引頻次相同時使用時間倒序排列方法，使得最近發(fā)表的論文比發(fā)表較早的論文成為“Hirsch核心集”的幾率更高。如表1中的H指數(shù)為8，因而前八篇論文為Hirsch核心論文，其中第六~ 八篇與第九篇的被引頻次相同，但是前者進(jìn)入了核心集，而后者就在核心集之外。由于在相 同的被引頻次之下，將論文倒時序排列，所以加大了最近發(fā)表的論文比發(fā)較早的論文成為“ Hirsch核心集”的幾率。此外，需要注意的是，如果論文列表最后一篇論文的序列號是R， 且其引文數(shù)C>R，則該科學(xué)家的H指數(shù)為R。

1.2 藥物基因組學(xué)核心論文集

本文以H指數(shù)進(jìn)行核心論文的確定，確定的核心論文稱之為“Hirsch核心集”。本研究以“藥物基因組”為主題詞，搜集了1995-2005年間的中國大陸期刊論文275篇，碩士論文11篇，博士論文10篇，會議論文11篇，電子預(yù)印件1篇，共計308篇。經(jīng)檢索、去重，198篇論文被錄用，部分?jǐn)?shù)據(jù)見表2。

2 生物信息學(xué)期刊論文數(shù)量預(yù)測

由圖1可見，H指數(shù)為10，因而在藥物基因組學(xué)領(lǐng)域，被引頻次排列于前十位的論文為核心論文(見表3)。

自上個世紀(jì)90年代以來我國生物信息學(xué)發(fā)展迅速，期刊論文量從1995年的6篇增長到2005年的1 498篇，11年增長了近324倍。要想使該學(xué)科保持長期、健康、快速的發(fā)展，就要對其發(fā)展?fàn)顩r和趨勢開展研究，找出發(fā)展的客觀規(guī)律并對其發(fā)展做出科學(xué)預(yù)測。灰色預(yù)測方法是經(jīng)濟預(yù)測中一種非常有效的方法，它的主要特點是建立預(yù)測模型所需要的原始數(shù)據(jù)不多，容易采集，這種預(yù)測方法簡便并具有較高的準(zhǔn)確性。

2.1 灰色預(yù)測模型

灰色理論認(rèn)為一切隨機量都是在一定范圍內(nèi)、一定時間段上變化的灰色量及灰色過程。數(shù)據(jù)處理不去尋找其統(tǒng)計規(guī)律和概率分布，而是對原始數(shù)據(jù)作一定處理后，使其成為有規(guī)律的時間序列數(shù)據(jù)，在此基礎(chǔ)上建立數(shù)學(xué)模型。本研究采用基于累加生成數(shù)列的GM(1，1)模型。建模步驟如下[7]:

根據(jù)式(10)~式(14)，計算得到:

C=0.343571498，P=0.9，預(yù)測模型精度介于一級(好)和二級(合格)之間。故此上述模型可以用于預(yù)測。

通過將t=11，12，13，14，15代入上述模型可以預(yù)測生物信息學(xué)未來5年內(nèi)期刊論文量(表4)。

由此可見，到2009年生物信息學(xué)的期刊論文將達(dá)到1萬篇。

參考文獻(xiàn)

[1]Hirsch J E.An index to quantify an individuals scientific research output[J].P Natl Acad Sci，2005，102(46):16569-16572.

[2]Meho L I，Spurgin K M.Ranking the research productivity of library and information science faculty and schools:an evaluation of data sources and research methods[J].J Am Soc Inform Sci Technol，2005，56(12):1314-1331.

[3]Ball P.Index aims for fair ranking of scientists h-index sums up publication record[J].Nature，2005，436(7053):900.

[4]Rousseau R.New developments related to the Hirsch index[EB/OL].http:∥eprints.rclis.org/archive/00006376/01/Hirschnewdevelopments.pdf，2006-12-08.

[5]Miller C W.Superiority of the h-index over the Impact Factor for Physics[EB/OL].2006-08-17.http:∥arxiv.org/PScache/physics/pdf/0608/0608183v1.pdf2006-11-29.

[6]Rousseau R.Hirseh指數(shù)研究的新進(jìn)展[J].科學(xué)探索，2006，1(4):23-25.

[7]鄧聚龍.灰理論基礎(chǔ)[M].武漢:華中科技大學(xué)出版社，2002.