何子偉，張 琦，徐延浩，張文英

(1.主要糧食作物產(chǎn)業(yè)化湖北省協(xié)同創(chuàng)新中心/長(zhǎng)江大學(xué)農(nóng)學(xué)院，湖北荊州 434025；2.長(zhǎng)江大學(xué)圖書(shū)館，湖北荊州 434025)

小麥?zhǔn)侵饕Z食作物，其大多數(shù)重要農(nóng)藝性狀和經(jīng)濟(jì)學(xué)性狀屬于數(shù)量遺傳性狀，受多基因控制且易受環(huán)境影響。解析這些性狀基因座(quantitative trait locus，QTL)的數(shù)目、位置及其遺傳效應(yīng)，開(kāi)發(fā)與目標(biāo)基因緊密連鎖的分子標(biāo)記，可為闡釋遺傳基礎(chǔ)[1-4]、挖掘優(yōu)異基因[5-8]及分子標(biāo)記輔助選擇[9-10]奠定堅(jiān)實(shí)基礎(chǔ)。

文獻(xiàn)計(jì)量學(xué)是一種統(tǒng)計(jì)分析文獻(xiàn)的方法，能夠從多維度客觀定量地梳理學(xué)科研究的整體布局、學(xué)科優(yōu)勢(shì)、研究中心、優(yōu)勢(shì)團(tuán)隊(duì)，挖掘研究熱點(diǎn)[11-13]，已被廣泛應(yīng)用于作物科學(xué)研究領(lǐng)域。其中，有代表性的報(bào)道包括超級(jí)稻研究發(fā)展態(tài)勢(shì)的定量分析[14-15]、作物分子標(biāo)記輔助育種的國(guó)際發(fā)展態(tài)勢(shì)分析[16]、中國(guó)科研機(jī)構(gòu)在作物科學(xué)研究領(lǐng)域的競(jìng)爭(zhēng)力分析[17]、轉(zhuǎn)Bt基因抗蟲(chóng)水稻研究的發(fā)展動(dòng)態(tài)分析[18]、小麥總體研究態(tài)勢(shì)的計(jì)量分析[19]、分子標(biāo)記在植物研究應(yīng)用的趨勢(shì)分析[20]等。近年來(lái)，越來(lái)越多的小麥相關(guān)性狀QTLs被定位，尚未見(jiàn)有關(guān)此方面研究的計(jì)量文獻(xiàn)報(bào)道。

本文利用Web of Science核心合集數(shù)據(jù)庫(kù)，對(duì)2008-2017年發(fā)表的小麥Q(jìng)TL定位的文獻(xiàn)進(jìn)行計(jì)量統(tǒng)計(jì)，從刊文數(shù)量、期刊分布、發(fā)文國(guó)家、研究機(jī)構(gòu)、論文影響力和研究方法等方面分析小麥Q(jìng)TL定位研究的現(xiàn)狀和發(fā)展趨勢(shì)，有助于了解全球小麥研究的發(fā)展?fàn)顩r，明確未來(lái)研究方向，以期為我國(guó)該領(lǐng)域進(jìn)一步發(fā)展提供科學(xué)參考。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)源為Web of Science核心合集數(shù)據(jù)庫(kù)，檢索期限為2008-2017年。

1.2 研究方法

在Web of Science核心合集數(shù)據(jù)庫(kù)中，采用高級(jí)檢索模式，以“TS=(wheat and QTL mapping)”作為檢索詞，限定語(yǔ)言為“English”，論文類型為“Article”，時(shí)間跨度為“2008-2017”。對(duì)檢索結(jié)果利用Web of Science自帶的引文報(bào)告分析和文獻(xiàn)計(jì)量在線分析網(wǎng)站(http://bibliometric.com/results.html)對(duì)數(shù)據(jù)進(jìn)行處理，采用Microsoft Excel 2013、Cite Space、VOSviewer和Sigma Plot 12.5等軟件制作圖表。

2 結(jié)果與分析

2.1 刊文數(shù)量及引用頻次分析

在Web of Science核心合集數(shù)據(jù)庫(kù)中，共檢索到2008年至2017年10年間收錄的小麥Q(jìng)TL定位論文1 292篇。統(tǒng)計(jì)分析可知，全球每年刊發(fā)小麥Q(jìng)TL定位的文獻(xiàn)數(shù)量和被引用頻次整體上呈上升趨勢(shì)(圖1)。自2011年開(kāi)始，全球年刊發(fā)小麥Q(jìng)TL定位的論文數(shù)量保持在100篇以上，總引用頻次在1 000次以上，且對(duì)小麥Q(jìng)TL 定位研究的熱度和關(guān)注度在近四年呈穩(wěn)步上升態(tài)勢(shì)。

圖1 2008-2017年小麥Q(jìng)TL 定位文獻(xiàn)刊文數(shù)量及引用頻次年度走勢(shì)

2.2 刊文數(shù)量排名前十的國(guó)家、機(jī)構(gòu)、出版刊物和學(xué)科領(lǐng)域

2008-2017年全球刊發(fā)小麥Q(jìng)TL定位論文數(shù)量排名前10位國(guó)家、機(jī)構(gòu)、出版物和研究方向列于表1。按照國(guó)家排序，中國(guó)發(fā)文數(shù)量最多，為390篇，占總數(shù)的30.19%；美國(guó)居第二，為358篇，占總數(shù)的27.71%。按照機(jī)構(gòu)分類，美國(guó)農(nóng)業(yè)部農(nóng)業(yè)研究局發(fā)文最多，為108篇，占所有記錄的8.13%；排名第二位是中國(guó)農(nóng)業(yè)科學(xué)院，為102篇，占7.90%。刊文期刊中以《Theoretical and Applied Genetics》、《Euphytica》和《Molecular Breeding》三種期刊發(fā)文數(shù)量最多，分別占記錄總數(shù)的18.36%、10.80%和9.57%。小麥Q(jìng)TL定位研究的學(xué)科領(lǐng)域主要集中在Plant sciences、Agriculture和Genetics heredity，分別占記錄總數(shù)的63.31%、57.82%和42.80%。

表1 2008-2017年全球刊發(fā)小麥Q(jìng)TL定位論文數(shù)量前十的國(guó)家、機(jī)構(gòu)、出版物和學(xué)科領(lǐng)域Table 1 Top ten countries, institutions, publications and research directions with the most publications on the QTL mapping in wheat from 2008 to 2017

2.3 小麥Q(jìng)TL定位研究論文被引用頻次分析

在2008-2017年，從小麥Q(jìng)TL 定位研究被引用頻次最多的10篇文獻(xiàn)(表2)看，被引用頻次最高的一篇論文出自日本，其引用頻次為409次。在這10篇論文中，來(lái)自中國(guó)的有3篇，但中國(guó)引用頻次最高的一篇論文僅排名在第5位，為104次。由此可以看出，中國(guó)在小麥Q(jìng)TL定位研究領(lǐng)域具有很大的提升空間，與世界上其他國(guó)家的頂尖科研水準(zhǔn)相比還存在較大差距。

2.4 小麥Q(jìng)TL定位研究領(lǐng)域論文刊發(fā)期刊分析

2008-2017年刊發(fā)小麥Q(jìng)TL定位論文位居前十的期刊均來(lái)自歐美發(fā)達(dá)國(guó)家(表3)。這些國(guó)家近現(xiàn)代以來(lái)科技起步較早，在科學(xué)研究上一直處于國(guó)際前沿，是全球分子生物學(xué)、基因組研究的發(fā)源地，底蘊(yùn)深厚。這些上榜期刊在學(xué)術(shù)界享譽(yù)度較高，辦刊水平較高。

2.5 小麥Q(jìng)TL定位領(lǐng)域論文作者引用情況

通過(guò)利用文獻(xiàn)計(jì)量在線分析網(wǎng)站(http://bibliometric.com/results.html)對(duì)Web of Science檢索結(jié)果的分析，發(fā)現(xiàn)在被引用論文較多的前十位作者中，有四位來(lái)自中國(guó)，其中三位作者發(fā)表論文總被引用次數(shù)名列前茅，來(lái)自中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所的陳新民研究員以論文總被引頻次271次居第一位(表4)，說(shuō)明中國(guó)在小麥Q(jìng)TL研究領(lǐng)域的研究成果已得到同行關(guān)注和認(rèn)同。但與此同時(shí)，也可以看到中國(guó)作者論文的平均被引用頻次普遍較低，結(jié)合表2中中國(guó)論文單篇引用頻次低的結(jié)果表明，中國(guó)仍然缺乏高影響力研究成果。另外，中國(guó)學(xué)者以通訊作者發(fā)表論文的被引頻次明顯低于美國(guó)的學(xué)者，說(shuō)明中國(guó)在小麥數(shù)量性狀基因定位領(lǐng)域的競(jìng)爭(zhēng)力有待進(jìn)一步提升。

2.6 作圖群體、分析軟件、統(tǒng)計(jì)模型和分子標(biāo)記統(tǒng)計(jì)

統(tǒng)計(jì)結(jié)果(圖2)表明，RIL(recombinant inbred lines)和DH(doubled haploid)這兩種作圖群體在近些年采用最多。在被使用的所有QTL定位統(tǒng)計(jì)分析軟件中，MapChart、WinQTLCart、JoinMap、MapMaker、MapQTL的使用較與其他軟件頻繁，MapChart和JoinMap的使用次數(shù)呈逐年遞增趨勢(shì)。SIM(single-index model)、MQM(multiple-QTL model)、IM(interval mapping)、CIM(composite interval mapping)、ICIM(inclusive composite interval mapping)和MIM(multiple interval mapping)是常用統(tǒng)計(jì)分析模型，其中MQM、CIM以及ICIM使用次數(shù)呈逐年遞增趨勢(shì)。在分子標(biāo)記方面，STS(sequence tagged sites)、SSCP(single-strand conformation polymorphism)、RFLP(restriction fragment length polymorphism)、SNP(single nucleotide polymorphism)是近三年使用頻率最高的分子標(biāo)記類型。

表2 2008-2017年被引頻次前十的文獻(xiàn)Table 2 Top ten cited papers from 2008 to 2017

表3 SCIE數(shù)據(jù)庫(kù)中刊發(fā)小麥Q(jìng)TL定位論文期刊(前十)Table 3 Periodicals of the QTL mapping in wheat since 2008 to 2017(top 10)

表4 2008-2017全球刊發(fā)小麥Q(jìng)TL定位論文作者引用情況(前十)Table 4 Authors in the literature of the QTL mapping in wheat since 2008 to 2017(top 10)

圖2 小麥Q(jìng)TL定位研究作圖群體、分析軟件、統(tǒng)計(jì)模型及分子標(biāo)記統(tǒng)計(jì)

2.7 國(guó)家間合作關(guān)系、關(guān)鍵詞和引用關(guān)聯(lián)分析

根據(jù)VOSviewer分析圖(圖3)，resistance、yield、height、length、field等詞匯處于聯(lián)系中心的位置，在熱點(diǎn)分布圖中這幾個(gè)詞顏色最深，表明抗性、產(chǎn)量和形態(tài)相關(guān)性狀是小麥Q(jìng)TL定位研究熱點(diǎn)，這些性狀與小麥的生產(chǎn)實(shí)踐息息相關(guān)。

從利用CiteSpace軟件以出版年為標(biāo)準(zhǔn)分類制作的引用關(guān)系圖(圖4)可以看出，從2008到2017年(色彩由藍(lán)至紅)論文之間的引用越來(lái)越密切，表明研究者越來(lái)越關(guān)注同行的研究成果。

圖3 小麥Q(jìng)TL定位研究熱點(diǎn)分布圖

圖4 論文引用關(guān)系圖

在利用文獻(xiàn)計(jì)量在線分析網(wǎng)站(http://bibliometric.com/results.html)制作的國(guó)家間合作關(guān)系圖(圖5)中，存在合作關(guān)系的兩個(gè)國(guó)家間以彩色線條連接，一個(gè)國(guó)家的彩色陰影面積越大說(shuō)明與其合作存在和關(guān)系的國(guó)家數(shù)目越多。目前，在小麥Q(jìng)TL定位研究領(lǐng)域全世界的國(guó)家/地區(qū)間的合作關(guān)系十分緊密，其中以美國(guó)、中國(guó)、加拿大、澳大利亞、印度和德國(guó)與其他國(guó)家聯(lián)系最為密切，這幾個(gè)國(guó)家近年的刊文數(shù)量均居于全球前列，這也與這些國(guó)家的刊文數(shù)量較多相一致。

根據(jù)CiteSpace軟件分析(圖6)的結(jié)果，全球2008-2017年間刊發(fā)的小麥Q(jìng)TL定位論文都存在學(xué)科交融，即針對(duì)同一問(wèn)題利用不同學(xué)科的知識(shí)與技術(shù)手段共同研究。結(jié)合表2可知，在小麥Q(jìng)TL定位研究領(lǐng)域，分子生物學(xué)、植物生理學(xué)、生物化學(xué)、遺傳學(xué)、栽培學(xué)、育種學(xué)等聯(lián)系十分密切。另外，由于QTL定位需要使用到數(shù)量遺傳模型，因此數(shù)學(xué)與計(jì)算機(jī)編程也是常用知識(shí)之一。

圖5 國(guó)家間合作關(guān)系圖

3 討 論

從2005年開(kāi)始國(guó)際小麥基因組測(cè)序聯(lián)盟(international wheat genome sequencing consortium, IWGSC)啟動(dòng)小麥基因組測(cè)序計(jì)劃，到2017年底美國(guó)約翰霍普金斯大學(xué)Steven L Salzberg課題組二代(Illunina)和三代測(cè)序(PacBio)技術(shù)的應(yīng)用[21]，麥類基因組測(cè)序發(fā)展十分迅速。受此影響，2008-2017年全世界小麥Q(jìng)TL定位研究的論文成果在整體數(shù)量上呈現(xiàn)逐年增長(zhǎng)趨勢(shì)，雖然2013年的論文數(shù)量比2012年有所減少，但2013年后增長(zhǎng)趨勢(shì)更加迅猛。2008年以來(lái)，中國(guó)實(shí)施海外高層次人才引進(jìn)計(jì)劃、青年千人計(jì)劃和國(guó)家高層次人才特殊支持計(jì)劃等優(yōu)秀人才吸引計(jì)劃，各科研院校，工作單位也大量吸收優(yōu)秀海外留學(xué)人員，提高了行業(yè)的整體技術(shù)水平。2009年至2017年，中國(guó)發(fā)表的小麥Q(jìng)TL定位論文數(shù)量不斷增加，在2014年論文數(shù)量首次超越美國(guó)成為全球第一，2008-2017年小麥Q(jìng)TL定位研究領(lǐng)域影響力前十名的研究機(jī)構(gòu)和作者中，來(lái)自中國(guó)的科研單位、作者占據(jù)了記錄總數(shù)的30%左右，在數(shù)量上與美國(guó)并駕齊驅(qū)。然而，中國(guó)的發(fā)表論文的數(shù)量但存在“大文章少，小文章多”的現(xiàn)象，論文總體學(xué)術(shù)影響力與世界頂尖水平相比仍存在較大差距[22]。

圖6 小麥Q(jìng)TL定位領(lǐng)域?qū)W科交叉關(guān)系圖

本研究針對(duì)文獻(xiàn)中涉及的作圖群體、軟件、分子標(biāo)記和統(tǒng)計(jì)分析模型種類進(jìn)行了分析，結(jié)果顯示，近年來(lái)用于研究的分子標(biāo)記種類越來(lái)越多，如SSR、STS、SNP等。同時(shí)，由于QTL定位研究是一種遺傳概率的統(tǒng)計(jì)分析，不同的遺傳模型、不同的算法公式往往適用于不同的研究對(duì)象，不適當(dāng)?shù)乃惴?、模型?huì)導(dǎo)致遺傳概率計(jì)算錯(cuò)誤或者假陽(yáng)性現(xiàn)象，所以科研人員在利用特定統(tǒng)計(jì)分析模型時(shí)會(huì)傾向性采用某些軟件進(jìn)行數(shù)據(jù)分析，利于精確計(jì)算和降低假陽(yáng)性，例MQM模型與MapChart、WinQTLCart、JoinMap、JMP、MapMaker、MapQTL這幾種軟件的配套使用，這與蘇成付等[23]研究結(jié)果基本一致。

從圖3可以看出，目前小麥Q(jìng)TL定位的研究熱點(diǎn)依然與小麥生產(chǎn)實(shí)踐緊密聯(lián)系，側(cè)重于產(chǎn)量、逆境、生產(chǎn)環(huán)境、基因定位等方面。這與近年來(lái)分子標(biāo)記輔助育種[16]、水稻熱點(diǎn)研究指標(biāo)[24]、棉花高頻引用論文[25]的研究趨勢(shì)相符合。與此同時(shí)，近年來(lái)中國(guó)在水稻[14-15]、果樹(shù)[26]、蛋白[27]、昆蟲(chóng)[28]等領(lǐng)域刊發(fā)的論文均出現(xiàn)數(shù)量占優(yōu)、質(zhì)量不高的現(xiàn)象，缺乏高影響力、高質(zhì)量的論文。這與目前國(guó)內(nèi)的科研評(píng)價(jià)體系及科研人員對(duì)科研成果數(shù)量的片面追求有關(guān)?！按笪恼隆背诵枰茖W(xué)研究的長(zhǎng)期積淀與積累外，還需要合作。已發(fā)表的“大文章”絕大多數(shù)由多名成員、多家研究機(jī)構(gòu)合作完成，跨領(lǐng)域、跨國(guó)別組建科研團(tuán)隊(duì)聯(lián)合攻關(guān)是大勢(shì)所趨[29]。因此，我國(guó)在小麥Q(jìng)TL定位領(lǐng)域需要進(jìn)一步加大與其他國(guó)家的交流與合作，我國(guó)各學(xué)科之間也需要加強(qiáng)交叉與交流。