查文献看似很简单，在搜索引擎中输入想要查找的关键字，点击搜索就完成了~
这样做确实没问题，但是在现在浩如烟海的信息面前，这样查出来的文献需要我们耗费大量的时间来筛选过滤才能找到我们想要的目标，或者就是像题目中所说的，关键词不恰当导致搜不到文献。
这里我们就教大家一些 文献搜索的高级技巧 ，帮助大家在文献搜索第一步就将范围精确缩小，后面我们还会介绍 一个神器， 你只需要输入一篇论文，他就可以帮你将这篇论文引用和相关的论文都给你找出来，再也不怕找不到文献读了~
一、PubMed高级检索技巧
1. 基本检索
①布尔运算
也叫逻辑运算，即“ 与 ”、“ 或 ”及“ 非 ”，对应“ AND ”、“ OR ”及“ NOT ”，注意 必须为大写字母 ，分别对应交集、联集和差集。
如我们需要检索“人参皂苷在治疗冠心病的应用”，这时可提取两个关键词“ 人参皂苷 ”和“ 冠心病 ”，就可以使用[ ginsenosides AND “coronaryheart disease” ]进行检索。
需要注意的是，逻辑算符具有优先顺序，优先级为：NOT>AND>OR。
②括号（）
使用逻辑算符进行检索时，如果需要改变优先顺序，就可以添加括号，类似于数学中的逻辑，括号内的先运算。如使用[ Ginsenosides AND （"Cervical cancer" OR "coronary heart disease"） ]和[ Ginsenosides AND "Cervical cancer" OR "coronary heart disease" ]进行检索的结果数量有明显的差距。
③星号*
截词符号，指在检索词的适当位置截断 。使用截词检索可对关键词的一个局部进行检索，检索结果为凡满足这个词局部中的所有字符（串）的文献，使用截词检索可有效提高查全率。如[ chemotherap* ] 可查到[ chemotherapy ]、[ chemotherapautic ]、[ chemotherapeutical ]等不同的词性拼法。
④引号“”
如果关键词包含多个词，不想分开，可以使用 引号包覆词组 进行检索。如我们直接使用“ coronary heart disease ”进行检索，检索结果会将三个单词分开，检索结果可能并不是我们想要的。
添加引号进行检索，检索结果就精准了许多。
2. 限定检索
使用更细节的检索方法可以更精准地获取文献，如引入作者、期刊名、文章发表时间等。要实现这样的功能，可在检索时引入字段标记。比如我们要查询“ MarchantI ”这个作者的文章，可以使用“ Marchant I[au] ”进行检索，其中“ au ”表示“ author ”，即作者，这样检索结果均为该作者发表的文章了。
再比如我们使用“ STAT3[ti] ”进行检索，表示检索结果中文献的标题必须有关键词“ STAT3 ”，其中“ ti ”表示“ title ”，即标题。
3. 高级检索
在检索框下方点击“ Advanced ”可进入高级检索界面，在高级搜索条件下，我们可以通过添加具体条件和运用逻辑符号更加精确地检索想要的文献。
高级检索界面主要包含三个部分，很容易理解。
✅第一个部分“ Add terms to the query box ”可下拉式选择检索方式，可以很容易的实现组合检索；
✅第二部分“ Query box ”为自主书写检索式进行检索，我们在第一部分设置检索时，这里会自动生成检索式，当然也可自己直接书写检索式；
✅第三部分“ History and Search Details ”记录了检索历史和检索式，我们也可将自己的检索式保存，下次可直接使用。
比如我们需要检索发表在 J Enzyme Inhib Med Chem 期刊上且标题含有“ STAT3 ”的文献，可以如下设置：
4. Mesh主题词检索
主题词检索也是PubMed常用的检索方式，比基本检索更具优势。主题词检索一般包括主题词和副主题词两部分，主题词是将文献研究的主要论点概括成（标引）一个或多个规范化的语词。副主题词是对主题词的某一特定方面的限定，具有专指性。
在PubMed首页可以找到“ MeSH Database ”的入口，点击该链接可进入主题词检索界面。
比如以糖尿病“ Diabetes Mellitus ”进行检索，在检索结果界面找到自己要检索的主题词；
这里我们点击第一条结果“ Diabetes Mellitus ”，在该界面可以查看副主题词和主题词的其他信息。副主题词可以添加多个，也可以不添加。我们这里勾选“ diagnosis（诊断） ”和“ therapy（治疗） ”；
然后在页面右侧的“ PubMed Search Builder ”工具块点击“ Add to search builder ”生成检索式，之后点击“ Search PubMed ”进行检索即可。
如果还需要加入其它检索条件，可以利用历史检索模块，进行逻辑组配再检索。
二、文献探索和信息挖掘的线上可视化工具Connected Papers
下面给大家介绍一款文献探索和信息挖掘的线上可视化工具 Connected Papers
（ https://www.connectedpapers.com/ ），它将相关领域已发表论文进行关联分析。
运用 Connected Papers 检索文献非常方便，目前支持文章标题、DOI号、以及arXiv、Semantic Scholar 和 PubMed多种来源文章的URL检索。
在 Connected Papers 上我们输入一篇典型文章，获取相关领域的论文可视化图表，辅助我们快速了解该领域的热点、趋势和动态。
在某些领域，近期发表的论文由于被引量少较难追踪，但 Connected Papers 可以让我们轻松发现最近的一些重要文章。
图1 Connected Papers首页
来源：网页截图，如无特殊说明
本文图片均源于网页截图
下面介绍一些简单用法
1）输入目标文章标题/DOI/URL（关键词亦可）
以小编最近在看的一篇2009年发表在 Soil biology & biochemistry 文章为例。输入文章标题——“ Arbuscular mycorrhizal fungi contribute to 13C and 15N enrichment ofsoil organic matter in forest soils ”。
图2 文章检索界面
2）点击“Build a graph”来生成可视化图片：
这个过程视相关文章数目而定，数目越多耗时越长，一般情况下1-2分钟足矣。
3）分析结果解读：
如图所示，我们把结果界面划分为3个区块。
图3 相关文献分析可视化结果
①最左侧为相关文献名列表。
第一篇文章即我们输入的original article。默认依据文章与原始文章之间的相似度排序，相似度越大越靠前。如需查看列表文章的详细属性，可以点击“ Expend ”转到列表视图。在此视图下，我们可以根据文章发表年份及被引量等进行重新排序。若想回到图片视图，点击“ Collapse ”即可。
图4 文献分析结果的List视图
②中间为可视化图形。
看不懂图片可以直接点击帮助图标，每一个节点代表一篇文献，节点大小表示文献被引量多寡，节点颜色由浅入深表示年代由远及近，节点之间连线越深暗示两篇文献之间相似度越高，同时相似度高的文献会在图片中聚集在一起。具黑色环带的节点示原始文献，鼠标滑过非原始文献的节点均会产生白色环带予以区分。
图5可视化图形案例
案例展示了相关领域的41篇文章，最早可追溯到
1996年，其中2006年Rilling等发表的文章
“Mycorrhizasand soil structure”被引次数最多
③最右侧为指定文章的详细信息。
包含了标题、作者、发表年份、被引量、参考文献数目及摘要。点击“ Paper details ”链接到“ Semantic Scholar ”学术搜索引擎，可以在线预览图表（这一点可以说是非常nice了），甚至可以直接获取全文。
图6 Semantic Scholar 文献简介界面
有意思的是，点击页面左上角的“ Prior works ”，中间一栏跳转为本文的背景文献，辅助研究者追本溯源。蓝色部分示意直接引用的文献，而白色部分表示虽未被直接引用但内容密切相关的文献。点击“ Prior works ”中的文献名称将在左侧相关文献名列表中高亮所有引用过该文献的文章。而在左侧点击一篇相关文献，“ Prior works ”中将高亮该文章所引用的所有文章。
图7 “Prior works”界面截图
相信大家也都猜到了，点击“ Derivative works ”可以查看引用了以上图谱中文章的文献，便于我们掌握最新动态。玩法和“ Prior works ”类似，不再赘述。
图8 “Derivative works”界面截图
本文介绍了两种文献检索的高阶技巧和工具，应该能够帮助各位刚刚接触科研的小伙伴找到自己想要的文献了~大家快快试用起来吧~