如何优雅的用十分钟对Pubmed文本挖掘掌握研究现状？

Posted 2021-04-16 小张聊科研

转眼2018年即将结束啦，白介素2同学年度最后一稿，实用有效上干货。

生命医学领域鼎鼎有名的Pubmed,当然大家是很熟啦，无论是开题，还是申请基金，当然是少不了文献查阅的。Pubmed虽好，却多有不便。比如像小编这样查阅下某个分子，某个领域的研究现状：

一看结果6000多篇，这时Pubmed本身提供对文献进行适当的精简，比如按时间，按文章类型，于是小编设置了物种human，时间5years。

一看结果，还有900多篇，可咋办，总不能一页页在pubmed上点击吧，也不能随时排除不需要的，也不好全导入到endnote去吧，况且就算要导入也每次只能导入200。那白介素2同学就想，有没有办法一次性的，检索到的Title一次性的导入到excel，然后再愉快的阅读标题嘞，经过一翻检索，调试之后，当然是找到啦，特地分享给大家！

 

本身是有网页版的可供点击操作的（网址：https://aarongowins.shinyapps.io/PubMedSearch/），很无奈小编同学截止写稿仍然是服务器无响应，那没办法，小编同学只好用作者提供的R包来完成啦，小编同学就随便检索了关键词 “lncRNA”,然后导出几个感兴趣的，发表时间，杂志，文章标题，见下图：

 

当然除此以外，如需要还可获取很多其它信息，比如作者，接收日期，摘要内容，机构信息，杂志，那这些信息有好处嘞？

随便举个例子，你可以看下感兴趣的领域一般发表在什么杂志呀，最牛的是哪些文章呀，哪些机构呀？ 这样一来是不是心中有数啦，Pubmed上翻网页的日子将一去不返，翻完又忘了（绝望）。如果还感兴趣还可以做一些可视化看下，词云等等等看下研究的热点是啥？

比如，这是白介素同学做的柱状图图，看了下2015-2018年，关于lncRNA发表的文章数目，很显然啦，lncRNA的文章自然是越来越多，逐年递增。

另白介素2同学附上R代码（含注释），如有基础者可愉快的使用啦！（没有R基础的小伙伴们，wuwuwu对不住啦，我尽力了）

##Pubmed 文本挖掘

library(RISmed)

##限定下检索主题

search_topic <- c('lncRNA') 

search_query <- EUtilsSummary(search_topic,db="pubmed", retmax=10000,datetype='pdat', mindate=2013, maxdate=2018)

##查查看下检索内容

summary(search_query)

##看下这些文献的Id

QueryId(search_query)

##获取检索结果

records<- EUtilsGet(search_query)

class(records)

str(records)

##提取检索结果

pubmed_data <- data.frame('Title'=ArticleTitle(records),

                           'Year'=YearAccepted(records),

                          'journal'=ISOAbbreviation(records))

head(pubmed_data,1)

pubmed_data[1:3,1]

write.csv(pubmed_data,file='lncRNA.csv')

##分析lncRNA文章情况

y <- YearPubmed(EUtilsGet(search_query))

##可视化一下

library(ggplot2)

date()

count<-table(y)

count<-as.data.frame(count)

names(count)<-c("Year", "Counts")

p<-ggplot(data=count, aes(x=Year, y=Counts,fill=Year)) +

  geom_bar(stat="identity", width=0.5)+

  labs(y = "Number of articles",title="PubMed articles containing lncRNA"

       )+

  scale_fill_brewer(palette="Dark2")

p

长按二维码识别关注“小张聊科研”

关注后获取《科研修炼手册》1、2、3、4、5、6、7，8。