Question

我最近使用了优秀的rplos package，这使得搜索公共科学图书馆（PLOS）API上的论文非常容易。我遇到了麻烦，因为API本身似乎有一些缺失的信息 - 一个主要的问题是至少有2012年关于API的论文在“期刊”领域没有任何信息。我有每篇论文的DOI，所以对于谷歌这个DOI来说很简单，并且表明这些是在真实期刊上发表的真实论文，通常是PLoS ONE。显然，这样做会很愚蠢。

我想知道是否有人知道如何找到源期刊，如果我有DOI列表？我查看了RISmed package，它显然可以从R中搜索PubMed，但我无法弄清楚如何让它提供有用的信息（只是搜索命中的数量，以及一些可能导致信息的PubMed ID我想要）。

任何人都知道如何将DOI列表转换为源日记帐名称？

编辑：我想到了另一个简单的解决方案。 DOI包含期刊名称的缩写，对于这样的情况，只有少数期刊，可以使用正则表达式来读取DOI并选择它们来自哪个期刊。示例：10.1371 / journal。 pone .0046711来自PLoS ONE。

Answer 1

这是基于托马斯建议尝试rpubmed的答案。它首先列出有问题的DOI，使用RISmed中的EUtilsSummary函数找到匹配的PubMed ID号，然后使用从Github for rpubmed修改的代码获取与这些相关的日志数据，并在下面重现。很抱歉编辑了rpubmed代码，但第44行上的对象似乎没有定义或必不可少所以我把它们拿出来了。

library(RCurl); library(XML); library(RISmed); library(multicore)

# dummy list of 5 DOIs. I actually have 2012, hence all the multicoring below
dois <- c("10.1371/journal.pone.0046711", "10.1371/journal.pone.0046681", "10.1371/journal.pone.0046643", "10.1371/journal.pone.0041465", "10.1371/journal.pone.0044562")

# Get the PubMed IDs
res <- mclapply(1:length(dois), function(x) EUtilsSummary(dois[x]))
ids<-sapply(res,QueryId)


######## rpubmed functions from https://github.com/rOpenHealth/rpubmed/blob/master/R/rpubmed_fetch.R
fetch_in_chunks <- function(ids, chunk_size = 500, delay = 0, ...){
  Sys.sleep(delay * 3600) # Wait for appropriate time for the server.
  chunks <- chunker(ids, chunk_size)
  Reduce(append, lapply(chunks, function(x) pubmed_fetch(x, ...)))
}

pubmed_fetch <- function(ids, file_format = "xml", as_r_object = TRUE, ...){

  args <- c(id = paste(ids, collapse = ","), db = "pubmed", rettype = file_format, ...)

  url_args <- paste(paste(names(args), args, sep="="), collapse = "&")
  base_url <- "http://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?retmode=full"
  url_string <- paste(base_url, url_args, sep = "&")
  records <- getURL(url_string)
  #NCBI limits requests to three per second
  Sys.sleep(0.33)
  if(as_r_object){
    return(xmlToList(xmlTreeParse(records, useInternalNodes = TRUE)))
  } else return(records)
}

chunker <- function(v, chunk_size){
  split(v, ceiling(seq_along(v)/chunk_size))
}
###### End of rpubmed functions

d<-fetch_in_chunks(ids)
j<-character(0)
for(i in 1:2012) j[i]<-as.character(d[[i]][[1]][[5]][[1]][[3]]) # the tortuous path to the journal name

Answer 2

这是rplos的创造者......

查看包plosfields附带的数据集，该数据集为您提供可以搜索的字段，并返回

library(rplos)
head(plosfields)

            field                     description                           note
1              id DOI (Digital Object Identifier) Extended for partial documents
2      everything         All text in the article      Includes Meta information
3           title                   Article Title                        no note
4   title_display                   Article Title      For display purposes only
5 alternate_title               Alternative Title                        no note
6          author                          Author       Can have multiple values

期刊名称的两个感兴趣字段是journal和cross_published_journal_key。例如，

searchplos('science', 'id,publication_date,cross_published_journal_key,journal', limit = 2)

                            id cross_published_journal_key      journal     publication_date
1 10.1371/journal.pbio.0020122                 PLoSBiology PLoS Biology 2004-04-13T00:00:00Z
2 10.1371/journal.pbio.1001166                 PLoSBiology PLoS Biology 2011-10-04T00:00:00Z

这样做你想要的吗？

在从DOI获取更多信息方面rmetadata正在开发中，但可能有用。我们还在为Crossref创建一个包，rcrossref。（https://github.com/ropensci/rcrossref） - 但看起来上面做了你想要的更容易，获得期刊名称。

Answer 3

这是我的解决方案，可用于for循环或其他方法来从DOI中提取标题：

library(RISmed)
data(myeloma)
ArticleId(myeloma)
res <- EUtilsSummary(ArticleId(myeloma)[10])
fetch <- EUtilsGet(res, type = "efetch", db = "pubmed")
fetch@Title

希望有帮助！

如何使用R搜索PubMed或其他数据库

3 个答案: