随着时间的推移和现代科研工具的更新，科技数据和科技文献量近些年成爆发性增长，让无论是科研老手还是青椒都显得有些跟不上、老鼠盘西瓜-无从下手的感觉。在海量文献面前，特别是这些文献又不尽一致时，如何选一个新颖，至少不是完全跟风的研究题目，能在前人的研究基础上更深入一步地研究和探索（跟进研究），就成为一个棘手的问题。Meta分析， 这个“闻起来臭”“吃起来香”的“臭豆腐”分析工具，也许可以帮你解决这个问题。

meta分析，中文有译成“荟萃分析”的。它是对具备在特定条件的同类所有相关研究结果（文献）进行分析的一种统计学方法。通过客观分析和概括，得出量化的平均效果。归纳和总结已发表研究成果：如所有相关研究的共性结果是什么，某些处理是否有效果。分析和解释已发表研究结果之间的异质性和生物学的意义。在这些研究中，有哪些问题已形成共性结论，那些问题尚未解决，这就为下一步研究提供了新的研究课题。这些新课题是基于数据事实得出的，不带主观偏见。

根据维基百科，meta分析最早源于1920年Fisher提出的“合并P值”的概念。1976年由Glass进一步发展为“合并统计量”，称之为Meta分析。1979年英国Archie Cochrane将这种方法称为对文献的系统评价（Systematic Review）。虽然meta分析从1980开始应用，到1980代中期已广泛应用于医学，后来扩展到其他领域。但我一直没有关注过它。直到约3年前，我的同事，Robert Auge 教授从我们系的系主任位置上退下来，开始做学术休假。我问他在做什么，他说，在学meta分析方法。后来还专门开了一门课。因为我们都是做植物科学的，对这个广泛应用于医学领域的分析方法，不太关注。我让他给我做了半小时的科普和他在做的题目。我就隐隐约约觉得它对我们生物技术领域很有用途。

不太了解meta分析的人会简单认为“不就是一个系统文献综述嘛”。所以通常这样的文章是以综述形式的文章发表的，不是原创性论文。最近被国外期刊撤销的国内论文中相当一部分都是和meta分析相关。因为meta分析不需要做wet lab的实验，只要分析文献，容易代写。其实，那些被撤销的meta分析论文，并不是因为用了meta分析方法，而是其他学术不断行为，但却玷污了meta的名声。所以meta给人的感觉是个“闻起来臭”的“南京臭豆腐”。就好像是在青楼喝的酒也是被“piao”过的。用好meta分析，还是可以发好的原创性文章的，最关键的是可以为下一步的研究提供非偏见的、以数据为基础的思路。最典型的一个例子就是2014年6月发在Nature上的二氧化碳的飙升威胁人类营养和2015年1月15号发表在Nature上的关于农作物免耕和非免耕的meta分析文章。关键是会不会“煎”，煎得好，这个“闻起来臭”的“臭豆腐”也是“吃起来香”的。所以我给她取个名叫“么她”（直接打字就出现的第一个选择）。最近我们第一次“么”了“她”一下，一篇论文，以原创性论文形式被PlantBiotechnology Journal（IF6.09，俗气吧？！）杂志接受。

分子生物学进展到今天，各种基因被克隆，被转化到动植物中，但具有应用价值的转基因植物还是极少数的。为什么在做功能验证时，很多都觉得很有价值的基因（功能-如抗旱-很明显），但就是形不成产品？不同的人用不同的基因来源，转到不同物种的受体，实验的处理和指标评价又有很大差别。对这么大的文献数据，多的有几百篇文献，除非用统计的方法，否则几乎不可能得出非偏见的客观结论。而没有这个结论，又怎么能设计不带偏见的，不跟风的研究题目？用meta分析，应该可以解决这个问题。从海量的文献数据中，可以找到潜藏的，有价值的信息。这也是大数据文献时代应该采用的科研方法。我觉得应该归为大数据分析的一种。

我实验室的一个研究课题就是如何培育超耐盐的园艺植物，可以在江苏省东部沿海滩涂上生长。但那儿围垦的滩涂含盐量会在0.3-2.0%,而正常的土壤的含盐量在0.1-0.25%。我们想用研究最详细的、最重要的“抗盐”基因，cation/proton antiporter 1（CAP1）基因家族，但文献很多，结果很不一致，所以到底有没有抗盐功能不好定论。所以我们以CPA1基因的过量表达效果为题，系统分析了已发表的文献，试图弄清为什么这么多年来，有那么多过量表达的转基因文章，但至今没有成功的抗盐植物的产品。那么到底转这些基因有没有效果？“大效果”没有，“小效果”有没有？效果在哪儿？造成这些结果的系统原因是什么？下一步应该怎样设计实验？我们得出一些有意思的发现，为我们设计下一步研究提供了很好的思路。

做好一篇好的meta分析文章，其实也是不容易的。也是要从头学起的。我2014年秋天派了我的博士生马媛春去田纳西大学跟着Robert Auge教授上课并学习meta分析，同时在她的研究方向内做一个实例分析。也是要经过选题、提出假设，做实验、分析数据、写文章、投稿、修改，到最终发表的艰苦过程。做“实验”，花了三个多月时间。但写这种文章其实也很不好写，特别是要发一篇有一定影响的好文章，而写手又是新手时。其后我们折腾了一年半（中间有半年没管它），十易其稿，投稿两次，第一次被拒稿。重投后大修一次，小修两次。最近才最终被接受，在线发表。

做完这篇文章后，我们对meta类文章进行了历史统计分析，见下图。绝大多数文章是在医学领域，而且还在迅猛扩大。国内是这5、6年才开始的，但势头如山洪暴发。在医学界恐怕有些“泛滥成灾”了，成了“过街老鼠”了—是说文章数已经很多了。但从全世界的角度看，meta分析在农业领域还是刚刚开始，国内四所主要农业大学（中国农大、南京农大、华中农大和西北农林大）至2016年6月底总共才发了26篇使用meta分析的文章。在生物技术领域此类文章也极少。我们细查了一下，我们的这篇文章似乎还是植物生物技术方面的第一篇meta分析文章。虽然不是撼动地球（earth-shaking）的文章，我们还是很开心的。最主要的是通过非主观分析，以数据为依据，为我们下一步的研究提供了新的思路。

相信“么她”分析会在未来文献大数据时代有更多的应用。特别是研究生开题前都应该用这个方法做文献系统分析，然后再做开题报告和实验设计。这样的研究和文章都会在“巨人”的肩膀上攀上一步。属于“跟进”，而不是“跟风”（金拓语）。

这篇博文早就写得差不多了，一直没有时间做最后修改。看到孙学军老师的博文 （《自然》：中国的荟萃分析文章太多了！）（http://blog.sciencenet.cn/blog-41174-1004329.html），“趁势”  发了吧。 总之一个好的研究方法，应该用对，用得得当。不能滥用。Nature这么一发，meta这个臭豆腐就变得更臭了。

程宗明 2016年7月8日星期日 初稿于南京，9月22修改于Knoxville,TN