不做实验零成本搞出SCI

今天总结一下零成本搞出SCI的方法，当然，这里的方法是相对于做实验而言的。

meta分析是早些年快速批量零成本生产SCI的最受欢迎的方法，因为不用复杂软件操作，只要一个人一台电脑，有些人一个月就能写出很多篇。

随着时间流逝，meta分析的文章实在是太多了，特别在国内，在学术界认为滥发文章。

于是，有些单位开始限制meta分析类文章的发表，对met分析类文章不进行奖励，不能拿来评职称，也不能拿来毕业，但是还是有单位认同meta分析，特别是贝叶斯网状meta分析。

数据挖掘自2016年以来就特别的火爆，由于有些单位不承认meta分析，迫使很多人来学习数据挖掘，数据挖掘也是零成本搞出SCI的。

数据挖掘主要包括以下这些：

GEO数据库包含各种各样疾病的数据，不单单限于肿瘤的数据，非肿瘤的数据也有很多，比如有mRNA,miRNA,lncRNA...随着研究人员不断上传数据,GEO的数据越来越多，所以数据挖掘就会有很多小高潮出现，按照目前的情况，发个1-3分的文章应该没有什么问题。

数据类型非常丰富，目前基本稳定，不会有太多的数据更新，以后估计难以出现数据挖掘的高潮，这个数据库发文章的分数比较高一点，做得好的话可以发3-5分的文章。

不过这个数据有个很大的局限，它是肿瘤数据库，因此很多研究非肿瘤方向的人无法利用它发文章，此外，这个数据库对编程的要求也比较高。

这个数据库是批量生产SCI的好方法，只要我们找到核心基因，或者一些基因家族，我们就可以用来快速发文章，而且我们还可以联合GEO，或者TCGA进行分析，以提高发文章的分数，做得好的话，发个3-5分也没有什么问题。

不过它是个肿瘤数据库，不适合非肿瘤的研究人员发文章，这也是一个比较大的局限。

这个数据库也是肿瘤数据库，对编程要求高，感觉挖掘的数据不会有太多了，因为很多好的数据都被老外挖掘了。

当然，只要你努力，idea肯定会有的，就像做meta分析一样，在平时的审稿中，依然能看到 "Our study is the first meta-anlysis ..."。

网络药理学也是零成本发文章的方法（前提是不要做实验验证，纯数据挖掘），这两年因为将网络药理学应用到中药而比较热，文章发到1-3分应该也没有什么问题。

这个在国内算比较新的方法，但是发文章也不是很容易，因为能做的似乎老外也帮你做了，特别是大型的数据，而且医院里面的数据有限，全医院这么多医生，而且有些重要的数据只要领导才能拿到。

所以不在医院上班的人，或者拿不到医院里面的数据，就做不了。不过我们可以利用TCGA、SEER的临床数据进行模型预测，这样子也就是回到了TCGA、SEER数据挖掘。