科技文献浩如烟海，如何从海量的文献里面，找到核心文献，是每个 Researcher 都面对的问题。
核心文献，或者参考价值高的文章，不在于作者是什么级别的，不在于文章发表于什么等级的期刊，更不在于杂志的影响因子多高。
最核心的原则只有一个，就是单位时间内，被全球其他学者引用的次数。
那么怎样获得一篇文章的被引用次数？主要的工具有三个，Google scholar ( 免费）、ISI WOS ( 收费）和 Scopus（收费）。
既然 google scholar 是免费的，那么就先说说它。
利用 google 的检索语法（网上可搜索），设置最合理的检索词后，展开结果。例如使用「mucosal vaccine」进行检索，得到 204 000 项结果。每个检索结果下面有「被应用次数 (cited by)」一项。
一般说来，被引用超过 100 次的，当属质量上乘的文献了（当然如果碰见黄禹锡那样的情况就当属意外了）。
免费的当然不错，但是也有不足的地方。第一是不能按照被引次数排序；第二，是不能看出引用的文献来自综述还是来自 Research Paper。被综述文章所引用的意义不大，尤其是被引用于这样的地方「xxxx has been reported（Ref: 77-85,87）」。
为了弥补这个缺陷，需要结合 ISI Web of Science (WOS) 进行分析。在 WOS 里面，可以按照引用次数进行排序，并且可以限定特定时间内，这样就可以看到该文章在单位时间内被引用的次数。
而且，WOS 内还可以设定过滤，把引用文献限定在「Research Paper」，而不是 Review 里面。Scoups 的功能和 WOS 有些重复，在此不再赘述。
那么，一篇文章在 Review 里面被引用，这样的引用是否没有含金量呢？也不绝对。如果某文章被 Bentham 的「Current」系列综述所引用（http://benthamscience.com），当然多数没有多大含金量。
但是如果在 Nature Reviews 系列和 Trends 系列被引用，并且在参考文献里面，被黑体标出，那么这样的文章基本都是 keynote papers，是值得阅读的（这其中的区别不在于两个杂志档次不一样，而在于稿件来源不同）。
除了被引次数外，另外一个可以参考的指标，是 BioMed Central 所出版的新型线上研究辅助工具 Faculty of 1000 Biology 和 Faculty of 1000 Medicine。
Faculty of 1000 是新世纪洞悉海量文献的工具，经由 5 000 多位专家学者的建议，提供目前世界上最重要的生物学论文及研究趋势。特色是收录每篇具有科学价值的文献，而不考虑这些文献在哪里发表；每篇文章都包含专家所给的评论，并评定文章的类別。
它的主要特色：提供科学家不断更新的会员指南，获得特定研究领域中重要的论文信息；重要论文的评价依据是以其科学成就而非在哪些期刊发表；提供研究者超过 5 500 名顶尖科学家的一致推荐；有系统地组织并评价大量的科学论文信息。
在 Pubmed 里面可以设置过滤条件，从而可以看到哪些文章被 F1000 所点评。应该说，被选入加以点评的，多是精品文献。
我个人使用这个服务已经好几年了，初始选入的文章质量以及点评本身，都是可圈可点的。但是近两年感觉质量有下降趋势，「互粉」的点评好像多了起来。即便如此，仍然具有一定的参考价值。
许多朋友过分依赖影响因子挑选文章，这种习惯不是太好。即便是 CNS 这些顶级杂志文章上的结果，也经常发生不能重复的情形（http://blog.sciencenet.cn/blog-265205-523023.htm），所以文章的质量和影响因子没有绝对的关系。
很多学生物的都知道上海生科院的 Cell Research 杂志已经晋身细胞生物学的顶级杂志之一，但是对于许多常年从事细胞生物学的科学家来说，Cell Research 的声望并不及老牌的 Journal of Cell Biology。同样的例子，见于病毒学领域的新贵 Plos Pathogen 和老牌的 Journal of Virology。
闲话少述，这里强调的是，无论哪种等级的杂志，编辑推荐出来加以评论的（比如 Journal of Virology 每期的 Research Highlights)，或者什么本期导读，或者在 Pubmed 里面显示 Comment 的，都是值得一读的文章。比如 Nature 及其子刊里面经常对本刊或者其它刊物上的某篇文章加以点评，这些文章都值得一读。
此外，在社交工具广泛讨论的文献，也多是值得一读的文献。和国内的微信、微博充斥了娱乐、商业推广和鸡汤文不同，Twitter、Facebook 和 Google Plus 上有许多有价值的专业信息。
比如，国外许多知名出版社或者期刊，甚至生物试剂厂家都在 Twitter 和 Facebook 上都有自己的账号，他们经常推荐可读的文章。
此外，某些领域的顶级学者在这些 SNS 工具上也频繁发文，这些都或可回首一览。你可以就自己感兴趣的话题在这些 SNS 内进行搜索，获得感兴趣的文章（他们自己的搜索功能有限，一般我用「site:twitter.com」，在 google 内搜索）。
论坛里 wangqiujv 战友写道：
「我个人比较喜欢用 pubmed，一般都是先用 MeSH 搜索主题词，然后用 Limits 选择 Free Full Text、Animals、Languages、Type of Article 等选项，在 Preview/Index 选项卡中利用检索语法找到 10 篇左右的文献，然后再找这个领域的专家或专业机构，锁定一篇有用的文章后，再使用 related articles 找出相关文献。」
的确，TA 的方法很专业，但是中间关键的信息没有写清楚：如何锁定一篇有用的文章？所以，这个话题，归根到底，需要自己的专业知识的积累，以及对本专业顶级机构和学者的洞悉。
此外，不推荐由公众媒体报道的文章，原因是记者毕竟相对比较外行，他们习惯于挑选大众所熟悉和感兴趣的内容进行报道，而且结论未必准确。
总结一下上述可以锁定核心文献的方法：
第一，文章他引的次数；
第二，在顶级综述杂志里面，被黑体标出的文章；
第三，所在专业顶级期刊的编辑导读；
第四，在 Pubmed 里面被行业内杂志评论的文章；
第五，知名出版社在社交工具上推荐的文章；
第六，被 F1000 推荐的文章。
应该避免的两个误区，一是盲从于 Impact Factor ( 影响因子从来只是国内单位人事处和科研处的量化指标），二是盲从于大众媒体的报道。
这是我个人的浅薄见识，期待大家批评指正，并且提出更多的办法。让我们一起进步！