Bugün öğrendim ki: Tarihte en çok referans verilen bilimsel makale "Folin Fenol Reaktifi ile Protein Ölçümü" (1951) olup 305.000'den fazla kez alıntılanmıştır. Çözeltideki protein seviyelerini belirlemek için bir laboratuvar yöntemini açıklar.
Yüksek sıcaklık süper iletkenlerinin keşfi, DNA'nın çift sarmal yapısının belirlenmesi, Evrenin genişlemesinin hızlandığına dair ilk gözlemler - tüm bu atılımlar Nobel ödülleri ve uluslararası beğeni kazandı. Yine de bunları duyuran makalelerin hiçbiri, tüm zamanların en çok alıntı yapılan 100 makalesi arasında yer almaya yaklaşmıyor.
Bir makalenin önceki çalışmalara atıfta bulunması olan alıntılar, yazarların yöntemlerinin, fikirlerinin ve bulgularının kaynağını kabul etmesinin standart yoludur ve genellikle bir makalenin öneminin kabaca bir ölçüsü olarak kullanılır. Elli yıl önce, Eugene Garfield, bilimsel literatürdeki alıntılarını izlemek için ilk sistematik çabayı oluşturan Bilimsel Alıntı Endeksi'ni (SCI) yayınladı. Yıldönümünü kutlamak için, Nature, SCI'nin şu anki sahibi olan Thomson Reuters'ı, tüm zamanların en çok alıntı yapılan 100 makalesini listelemesini istedi. (Tam listeye Web of Science Top 100.xls adresinde veya aşağıdaki interaktif grafikte bakabilirsiniz.) Arama, sosyal bilimleri, sanatları ve beşeri bilimleri, konferans bildirilerini ve bazı kitapları da içeren veritabanlarını da kapsayan SCI'nin çevrimiçi bir sürümü olan Thomson Reuters'ın Web of Science'ını kapsadı. 1900'den günümüze kadar yayınlanan makaleleri listeler.
DİNLE
Richard van Noorden, alıntı sayısı listelerinin tepesine neyin çıktığını tartışıyor.
Daha yeni bir tarayıcıya veya Adobe Flash Plugin'in en son sürümünü yüklemeniz gerekebilir.
Alıştırma, en azından ilk 100'e girmek için inanılmaz bir 12.119 alıntıya ihtiyaç duyulması ve dünyanın en ünlü makalelerinin çoğunun kesintiye uğramaması gibi bazı sürprizler ortaya koydu. Karbon nanotüplerin ilk gözlemi1 (36. sırada) gibi birkaç tanesi gerçekten klasik keşiflerdir. Ancak büyük çoğunluğu, kendi alanlarında olmazsa olmaz hale gelmiş deneysel yöntemleri veya yazılımları tanımlar.
Tarihte en çok alıntı yapılan çalışma, örneğin, bir çözeltideki protein miktarını belirlemek için bir test yöntemini tanımlayan 1951 tarihli bir makaledir2. Şu anda 305.000'den fazla alıntı topladı - bu, önde gelen yazarı, merhum ABD biyokimyacısı Oliver Lowry'yi her zaman şaşırtan bir tanımaydı. "Gerçekten harika bir makale olmadığını biliyorum... ama gizlice bu cevaptan keyif alıyorum," diye yazmıştı 1977'de.
Akademik literatürün muazzam boyutu, ilk 100 makalenin aşırı uç değerler olduğu anlamına gelir. Thomson Reuters'ın Web of Science'ı yaklaşık 58 milyon öğe içeriyor. Bu corpus Kilimanjaro Dağı'na ölçeklendirilirse, en çok alıntı yapılan 100 makale, zirvede sadece 1 santimetreyi temsil eder. Sadece 14.499 makale - yaklaşık bir buçuk metre değerinde - 1.000'den fazla alıntıya sahip ('Kağıt Dağı'na bakın). Bu arada, etekler, en fazla bir kez, varsa hiç alıntı yapılmamış eserlerden oluşur - yaklaşık olarak öğelerin yarısını kapsayan bir grup.
Kimse tepesindeki ince dilimi yalnızca çok iyi bilinen makalelerden neyin ayırt ettiğini tam olarak anlamıyor - ancak araştırmacıların gelenekleri bunun bir kısmını açıklıyor. Hollanda, Leiden'deki Bilim ve Teknoloji Çalışmaları Merkezi müdürü Paul Wouters, birçok yöntem makalelerinin "insanın hangi tür çalışmayı yaptığını diğer bilim insanlarına açıkça belirtmek için alıntı yapılan standart bir referans haline geldiğini" söylüyor. Bilimdeki bir başka yaygın uygulama, Einstein'ın özel görelilik kuramı gibi gerçekten temel keşiflerin hak ettiklerinden daha az alıntı almasını sağlar: O kadar önemlidirler ki, hızla ders kitaplarına girerler veya alıntılanmaya gerek duyulmayacak kadar tanıdık kabul edilen terimler olarak makalelerin ana metnine dahil edilirler.
Alıntı sayıları diğer kafa karıştırıcı faktörlerle doludur. Örneğin alıntı hacmi artmıştır - ancak daha eski makaleler daha fazla alıntı biriktirmek için daha fazla zamana sahip olmuştur. Biyologlar, fizikçilerden daha sık birbirlerinin çalışmalarına atıfta bulunma eğilimindedir. Ve tüm alanlar aynı sayıda yayın üretmez. Modern bibliyometri uzmanları bu nedenle, bir makalenin değerini ölçmek istediklerinde, alıntılar saymak kadar ham yöntemlerden kaçınırlar: bunun yerine, benzer yaştaki ve karşılaştırılabilir alanlardaki makaleler için sayıları karşılaştırmayı tercih ederler.
Thomson Reuters listesi mevcut olan tek sıralama sistemi de değildir. Google Scholar, Nature için kendi ilk 100 listesini derledi ('Alternatif bir sıralama'ya bakın). Çok daha fazla alıntıya dayanmaktadır, çünkü arama motoru, çok daha geniş (ancak yetersiz karakterize edilmiş) bir literatür tabanından, çok çeşitli kitaplardan referansları ayıklar. Google Scholar Top 100.xls adresinde bulunan bu listede, ekonomi makalelerinin önemi daha fazladır. Google Scholar'ın listesi ayrıca Thomson Reuters'ın analiz etmediği kitapları da içerir. Ancak bilim makaleleri arasında, aynı başlıkların çoğu ortaya çıkıyor.
Yine de tüm uyarılarla birlikte, eski moda şöhret salonu hala değerlidir. Hiç değilse, bilimsel bilginin doğasına bir hatırlatma görevi görür. Heyecan verici ilerlemeler kaydetmek için, araştırmacılar deneysel yöntemleri, veritabanlarını ve yazılımları tanımlayan nispeten övülmemiş makalelere güvenirler.
Burada Nature, on binlerce alıntının bilimin Kilimanjaro'sunun tepesine kaldırdığı bazı önemli yöntemlere göz atıyor - olmazsa olmaz ama nadiren ilgi odağı olanlar.
Biyolojik teknikler
On yıllar boyunca, ilk 100 listesi protein biyokimyası tarafından domine edildi. Proteini nicelleştirmek için Lowry yöntemini tanımlayan 1951 tarihli makale2, birçok biyokimyacı bunun ve listedeki 3 numaralı makalede açıklanan rekabetçi Bradford testinin3 biraz eski olduğunu söylese bile, 1 numarada neredeyse ulaşılamaz durumda kalıyor. Arada, 2 numarada, farklı bir protein analiz türünde kullanılan Laemmli tamponu4 bulunur. Bu tekniklerin baskınlığı, vazgeçilmez araçlar oldukları hücre ve moleküler biyolojideki yüksek alıntı hacminden kaynaklanmaktadır.
İlk 100 makalede açıklanan biyolojik tekniklerden en az ikisi Nobel ödülüne yol açmıştır. Listedeki 4 numara, merhum Frederick Sanger'a 1980 Kimya Nobel Ödülü'nü kazandıran DNA dizileme yöntemini5 tanımlar. 63 numara, ABD biyokimyacısı Kary Mullis'e 1993'te ödülü kazandıran DNA segmentlerini kopyalamak için bir yöntem olan polimeraz zincir reaksiyonunu (PCR)6 tanımlar. Bilim insanlarının DNA'yı keşfetmesine ve manipüle etmesine yardımcı olarak, her iki yöntem de günümüzde de devam eden genetik araştırmada bir devrimi yönlendirmeye yardımcı oldu.
Diğer yöntemler daha az kamuoyu beğenisi aldı, ancak ödüllerden yoksun değil. 1980'lerde, İtalyan kanser genetikçisi Nicoletta Sacchi, ABD'de Polonyalı moleküler biyolog Piotr Chomczynski ile bir araya gelerek, biyolojik bir örnekten RNA'yı hızlı ve ucuz bir şekilde çıkarmak için bir yöntem yayınladı7. Çok popüler hale geldikçe - şu anda listede 5 numarada - Chomczynski tekniğe yönelik değişiklikleri patentletti ve reaktif satarak bir iş kurdu. Şu anda New York, Buffalo'daki Roswell Park Kanser Enstitüsü'nde bulunan Sacchi, parasal ödüller konusunda çok az şey aldığını ancak çalışmalarına dayalı büyük keşifleri görmekten memnuniyet duyduğunu söylüyor. Örneğin, protein kodlamayan kısa RNA moleküllerinin çalışmasındaki patlayıcı büyümede tekniğin bir rolü oldu. "Bunu bilimsel olarak konuşursak büyük bir ödül olarak değerlendiririm," diyor.
Biyobilgi
Sanger'ın katkısından bu yana genetik dizilemenin hızlı genişlemesi, dizileri analiz etmenin yollarını tanımlayan makalelerin sıralamasını artırmaya yardımcı oldu. Başlıca bir örnek, on yıllardır genlerin ve proteinlerin ne yaptığını anlamak isteyen biyologlar için bir ev adı olan BLAST (Temel Yerel Hizalama Arama Aracı)'dır. Kullanıcıların sadece bir web tarayıcısında programı açıp bir DNA, RNA veya protein dizisi eklemesi gerekir. Birkaç saniye içinde, binlerce organizmadan ilgili diziler - bu dizilerin işlevi ve hatta ilgili literatüre bağlantılar hakkında bilgilerle birlikte - gösterilecektir. BLAST o kadar popüler ki, programın sürümleri8, 9 listede iki kez, 12 ve 14 numaralarda yer alıyor.
Ancak alıntı alışkanlıklarının değişkenliğinden dolayı, BLAST listede, bir seferde birden fazla diziyi hizalamak için tamamlayıcı bir program olan Clustal tarafından aşağıya çekildi. Clustal, araştırmacıların farklı organizmalardan gelen diziler arasındaki evrimsel ilişkileri tanımlamalarına, görünüşte ilgisiz diziler arasında eşleşmeler bulmalarına ve bir gen veya proteindeki belirli bir noktadaki bir değişikliğin işlevini nasıl etkileyebileceğini tahmin etmelerine olanak tanır. Yazılımın kullanıcı dostu bir sürümünü tanımlayan 1994 tarihli bir makale10, şu anda listede 10 numarada yer alıyor. ClustalX adı verilen daha sonraki bir sürümle ilgili 1997 tarihli bir makale11 ise 28 numarada.
Almanya, Heidelberg'deki Avrupa Moleküler Biyoloji Laboratuvarı'nda ClustalW'yi geliştiren ekip, ana bilgisayar yerine kişisel bir bilgisayarda çalışacak şekilde programı oluşturmuştu. Ancak yazılım, özel sektörden bir bilgisayar bilimcisi olan Julie Thompson 1991'de laboratuvara katıldığında dönüştürüldü. "Biyologlar tarafından yazılmış bir programdı; güzel bir şekilde söylemeye çalışıyorum," diyor şu anda Fransa, Strasbourg'daki Genetik ve Moleküler ve Hücre Biyolojisi Enstitüsü'nde bulunan Thompson. Thompson, o zamanlar üretilen genom verilerinin hacmi ve karmaşıklığı için hazırlamakla birlikte, kullanımını da kolaylaştırmak için programı yeniden yazdı.
BLAST ve Clustal'ın arkasındaki ekipler, makalelerinin sıralaması konusunda rekabet halinde. Ancak, University College Dublin'de biyolog ve Clustal ekibinin bir üyesi olan Des Higgins, bunun dostça bir rekabet türü olduğunu söylüyor. "BLAST oyun değiştiriciydi ve aldıkları her alıntıyı hak ettiler."
Filogenetik
Genom dizilemesindeki büyümeden desteklenen bir diğer alan da türler arasındaki evrimsel ilişkilerin incelenmesi olan filogenetiktir.
Listedeki 20 numara, büyük sayıda organizmayı, genetik varyasyon gibi aralarındaki evrimsel mesafe ölçüsüne göre filogenetik bir ağaca yerleştirmenin hızlı ve verimli bir yolu olan "komşu birleştirme" yöntemini tanıtan bir makaledir12. İlgili organizmaları, bir ağaç çözümlenene kadar birer çift halinde birbirine bağlar. Fiziksel antropolog Naruya Saitou, 1980'lerde Teksas Üniversitesi, Houston'daki Masatoshi Nei'nin laboratuvarına katıldığında, bilgilerin artmaya başladığı iki alan olan insan evrimi ve moleküler genetik üzerinde çalışmak için tekniği geliştirmeye yardımcı oldu.
"Biz fiziksel antropologlar o zamanın büyük verileriyle karşı karşıyaydık," diyor şu anda Japonya'nın Mishima'daki Ulusal Genetik Enstitüsü'nde bulunan Saitou. Teknik, bilgisayar kaynaklarını tüketmeden büyük veri kümelerinden ağaçlar oluşturmayı mümkün kıldı. (Ve ilk 100'deki güzel bir çapraz döllenmede, Clustal'ın algoritmaları aynı stratejiyi kullanır.)
Listedeki 41 numara, istatistiklerin filogenilere nasıl uygulanacağının bir açıklamasıdır13. 1984'te, Seattle'daki Washington Üniversitesi'nden evrimsel biyolog Joe Felsenstein, bir evrimsel ağacın farklı bölümlerinin doğruluğunu çıkarmak için önyükleme adı verilen bir istatistiksel aracı uyarladı. Önyükleme, bir kümeden birçok kez veri örneklemeyi ve daha sonra elde edilen tahminlerdeki varyasyonu, bireysel dallar için güven aralığını belirlemek için kullanmayı içerir. Makale alıntılar biriktirmekte yavaş olsa da, moleküler biyologlar tahminlerine böyle aralıklar ekleme ihtiyacını fark ettikçe 1990'larda ve 2000'lerde hızla popülerlik kazandı.
Felsenstein, Kaliforniya, Stanford Üniversitesi'nden bir istatistikçi olan Bradley Efron tarafından 1979'da geliştirilen önyükleme14 kavramının kendi çalışmalarından çok daha temel olduğunu söylüyor. Ancak yöntemi biyolojik bir probleme uygulamak, çok daha büyük bir araştırmacı havuzunca alıntı yapılmasına yol açar. Yüksek alıntı sayısı aynı zamanda o sırada ne kadar meşgul olduğunun da bir sonucudur, diyor: her şeyi bir makaleye sıkıştırdı, konuyla ilgili birden çok makale yayınlamadı, bu da her birinin aldığı alıntı sayısını azaltabilirdi. "Aynı şey üzerine dört makale daha yazıp ayrılamamıştım," diyor. "Bunu yapamayacak kadar meşguldüm, ilkeli değildim."
İstatistikler
İllinois, Chicago Üniversitesi'nden bir istatistikçi ve alanın tarihi konusunda uzman Stephen Stigler, ilk 100 listesinin istatistikler üzerine zengin bir damar içermesine rağmen, "bu makaleler bizim istatistikçiler için en önemli olanlar değil" diyor. Aksine, bunlar uygulamada olan bilim insanlarının çok daha geniş nüfusuna en yararlı olduğunu kanıtlamış olanlardır.
Bu çapraz başarının çoğu, biyomedikal laboratuvarlardan çıkan sürekli genişleyen veri akışından kaynaklanmaktadır. Örneğin, en sık alıntı yapılan istatistik makalesi (11 numara), klinik deneylere katılanlar gibi bir popülasyon için hayatta kalma kalıplarını bulmaya yardımcı olan ABD istatistikçileri Edward Kaplan ve Paul Meier'in 1958 tarihli bir yayınıdır15. Bu, şu anda Kaplan-Meier tahmini olarak bilinen şeyi tanıttı. İkincisi (24 numara), İngiliz istatistikçi David Cox'un 1972 tarihli makalesiydi16, bu da bu hayatta kalma analizlerini cinsiyet ve yaş gibi faktörleri içerecek şekilde genişletti.
Kaplan-Meier makalesi, 1970'lerde bilgisayar gücü patlayıncaya ve yöntemleri uzman olmayanlar için erişilebilir hale getirinceye kadar neredeyse hiç alıntı almadı. Basitlik ve kullanım kolaylığı da bu alandaki makalelerin popülerliğini artırdı. İngiliz istatistikçiler Martin Bland ve Douglas Altman, iki ölçüm yönteminin ne kadar iyi uyumlu olduğunu görselleştirmek için bir teknikle (şu anda Bland-Altman grafiği olarak biliniyor) listeye girdi17 (29 numara). Aynı fikir 14 yıl önce başka bir istatistikçi tarafından ortaya atılmıştı, ancak Bland ve Altman, o zamandan beri alıntılar kazanan erişilebilir bir şekilde sundular.
İstatistik grubundaki en eski ve en yeni makaleler aynı sorunla - verilerin çoklu karşılaştırmaları - ilgileniyor, ancak çok farklı bilimsel ortamlardan. ABD istatistikçisi David Duncan'ın 1955 tarihli makalesi18 (64 numara), birkaç grubun karşılaştırılması gerektiğinde yararlıdır. Ancak 59 numarada, İsrailli istatistikçiler Yoav Benjamini ve Yosef Hochberg'in yanlış keşif oranını kontrol etme üzerine 1995 tarihli makalesi19, karşılaştırmaların yüz binlerce olduğu genomik veya nörobilim görüntüleme gibi alanlardan gelen veriler için idealdir - Duncan'ın hayal bile edemeyeceği bir ölçek. Efron'un belirttiği gibi: "Hikaye, bilgisayarın yavaşça, sonra o kadar yavaş olmadan, istatistiksel teoriye ve uygulamaya etkisini hissettirme hikayesidir."
Alternatif bir sıralama
Web of Science, mevcut tek alıntı endeksi değildir. Google Scholar ayrıca Nature için tüm zamanların 'en çok alıntı yapılan' makalelerinin bir listesini oluşturdu (Google Scholar Top 100.xls). Girişlerin üçte ikisi, Thomson Reuters'ın dahil etmediği kitaplardır. "İnsanlar dergilere odaklanmış, ancak orada kitapların olduğu başka bir dünya var," diyor Kaliforniya, Mountain View'daki Google Scholar ekibine liderlik eden bir yazılım mühendisi olan Anurag Acharya. En çok alıntı yapılan kitap, 4 numarada, moleküler biyoloji laboratuvarlarının olmazsa olmazı olan Moleküler Klonlama kılavuzudur. Ancak liste, araştırma makalelerinin kitaplar kadar etkili olabileceğini gösteriyor, diyor Acharya. Ve hem Google'ın hem de Thomson Reuters'ın sıralamalarının başında aynı üç araştırma makalesi var - farklı bir sırada olsa da.
Yalnızca en çok alıntı yapılan araştırma makalelerini gösteren ayrı bir Google Scholar ilk 100 (Google Scholar Top 100 articles only.xls), Web of Science sıralamasına çok benzer makaleler ortaya koyuyor. Bununla birlikte, listenin üçte birinden biraz fazlası farklı, ekonomi ve psikoloji makaleleri önemli ölçüde ilerleme kaydediyor, belki de diğer alanlara göre kitaplardan daha fazla alıntı kazandıkları için. Örneğin, 21 numara - firmalardaki yönetimsel davranış üzerine 1976 tarihli bir makale (M. C. Jensen ve W. H. Meckling J. Financ. Econ. 3, 305–360; 1976) - Google'ın listesinde 45.119 alıntı aldı, ancak Web of Science'ta sadece 8.372 alıntı aldı. (Google, çoğu belgeye Web of Science'tan daha yüksek sayıda alıntı veriyor, ancak 5 katlık bir fark alışılmadık bir durumdur). Google Scholar'ın yeni katılımcılarının en yüksek puan alanını, listenin 4 numarasında, modern bilgi teorisini ortaya çıkaran Claude Shannon'ın 1948 tarihli makalesi oluşturuyor (C. E. Shannon Bell Syst. Tech. J. 27, 379–423; 1948). Google Scholar buna 69.273 alıntı atfediyor, Web of Science ise 10.239 alıntı veriyor - bu nedenle ilk 100'e giremiyor.
Yoğunluk fonksiyonel teorisi
Teorisyenler bir madde parçasını - ister bir ilaç molekülü isterse bir metal levha olsun - modellemek istediklerinde, genellikle maddenin elektronlarının davranışını hesaplamak için yazılım kullanırlar. Bu bilginin akışından çok sayıda başka özellik anlaşılır: örneğin bir proteinin reaktivitesi veya Dünya'nın sıvı demir dış çekirdeğinin ısıyı ne kadar kolay ilettiği.
Bu yazılımların çoğu, fiziksel bilimlerde en çok alıntı yapılan kavram olan yoğunluk fonksiyonel teorisi (DFT) üzerine kuruludur. İlk 100 listedeki on iki makale bununla ilgilidir, bunların ikisi de ilk 10'da yer almaktadır. DFT'nin özünde, imkansız matematiği kolaylaştıran bir yaklaşım var, diyor İngiltere, Oxford Üniversitesi'nden bir malzeme fizikçisi olan Feliciano Giustino. Bir silikon kristalindeki elektronik davranışı, her elektronun ve her çekirdeğin diğer her elektron ve çekirdekle nasıl etkileşimde olduğunu hesaba katarak incelemek için, bir araştırmacının bir sekstilyon (1021) terabayt veriyi analiz etmesi gerekir, diyor - herhangi bir düşünülebilir bilgisayarın kapasitesinin çok ötesinde. DFT, veri gereksinimini birkaç yüz kilobayta düşürür, bu da standart bir dizüstü bilgisayarın kapasitesinin içindedir.
Teorik fizikçi Walter Kohn, şu anda 34 ve 39 numaralarında yer alan makalelerde50 yıl önce DFT'nin geliştirilmesine öncülük etti20, 21. Kohn, en düşük enerji durumu gibi bir sistemin özelliklerini, her elektronun diğerleriyle bireysel olarak değil, bulanıklaştırılmış bir ortalama olarak tepki verdiğini varsayarak hesaplayabileceğini fark etti. Prensip olarak, matematik basittir: sistem, noktasal olarak değişen bir yoğunluğa sahip sürekli bir sıvı gibi davranır. Bu nedenle teorinin adı.
Ancak araştırmacılar fikri gerçek malzemeler için uygulamanın yollarını bulmadan birkaç on yıl geçti, diyor Giustino. En popüler DFT yöntemleri ve yazılım paketlerinin üzerine kurulu teknik tarifler, ilk 100 makalede iki tanedir22, 23. Bir tanesi (8 numara), Kanada, Halifax'taki Dalhousie Üniversitesi'nden teorik kimyager Axel Becke tarafından yazılmıştır ve diğeri (7 numara) ABD merkezli teorik kimyagerler Chengteh Lee, Weitao Yang ve Robert Parr tarafından yazılmıştır. 1992'de, hesaplama kimyageri John Pople (Kohn ile 1998 Nobel Ödülü'nü paylaşacaktı), popüler Gaussian yazılım paketine DFT'nin bir türünü ekledi.
Yazılım kullanıcıları, teoriyi tam olarak anlamasalar bile, orijinal teorik makalelere atıfta bulunuyor olabilir, diyor Becke. "Teori, matematik ve bilgisayar yazılımı uzmanlaşmıştır ve kuantum fizikçileri ve kimyagerlerinin konusudur," diyor. "Ancak uygulamalar sınırsızdır. Temel düzeyde, DFT kimyanın, biyokimyanın, biyolojinin, nanosistemlerin ve malzemelerin tamamını tanımlamak için kullanılabilir. Yerküredeki her şey elektronların hareketine bağlıdır - bu nedenle DFT kelimenin tam anlamıyla her şeyin altındadır."
Kristalografi
Almanya, Göttingen Üniversitesi'nden bir kimyager olan George Sheldrick, 1970'lerde kristal yapıları çözmeye yardımcı olmak için yazılım yazmaya başladı. O günlerde, diyor ki, "bu tür bir proje için hibe parası alamazdınız. İşim kimya öğretmekti ve programları boş zamanlarımda bir hobi olarak yazdım." Ancak 40 yıldan fazla bir süredir, çalışmaları düzenli olarak güncellenen SHELX bilgisayar programları paketini ortaya çıkardı ve bu da bir kristalden geçen X ışınlarının saçılma kalıplarını analiz etmek için en popüler araçlardan biri haline geldi - böylece atomik yapıyı ortaya çıkardı.
Bu popülerliğin kapsamı, 2008'den sonra, Sheldrick sistemin tarihi hakkında bir inceleme makalesi24 yayınladığında ve SHELX programlarından herhangi biri kullanıldığında genel bir literatür alıntısı olarak hizmet edebileceğini belirttiğinde ortaya çıktı. Okuyucular tavsiyesine uydu. Son 6 yılda, bu inceleme makalesi neredeyse 38.000 alıntı topladı, onu 13. sıraya yükseltti ve onu son yirmi yılda yayınlanan en yüksek sırada yer alan makale yaptı.
İlk 100 listesi, kristalografi ve yapısal biyoloji için olmazsa olmaz diğer araçlarla doludur. Bunlar, X-ışını kırınımı verilerini analiz etmek için HKL paketini25 (23 numara) tanımlayan makaleleri; önerilen bir protein yapısının geometrik olarak normal mi yoksa olağan dışı mı göründüğünü analiz etmek için kullanılan PROCHECK programlarını26 (71 numara); ve moleküler yapıları çizmek için kullanılan iki programı27, 28 (82 ve 95 numaralar) içerir. Bu araçlar, kristal yapıları belirleme için "tuğla ve harçtır," diyor ABD Ulusal Sağlık Enstitüleri'nde veri bilimi yardımcı müdürü olan Philip Bourne.
22 numarada görünen sıra dışı bir giriş, Delaware, Wilmington'daki dev kimya firması DuPont'ta araştırmacı olan Robert Shannon'ın farklı malzemeler serisinde iyon yarıçaplarının kapsamlı bir listesini derlediği 1976 tarihli bir makaledir29. Imperial College London'da malzeme bilimci olan Robin Grimes, fizikçilerin, kimyagerlerin ve teorisyenlerin, genellikle bir maddenin diğer özellikleriyle güzel bir şekilde ilişkili olan iyonik boyut değerlerine baktıklarında hala bu makaleye atıfta bulunduklarını söylüyor. Bu, onu tüm zamanların en yüksek düzeyde resmi olarak alıntı yapılan veritabanı haline getirdi.
"Bu tür makalelere neredeyse düşünmeden atıfta bulunuyoruz," diyor Grimes'ın araştırma meslektaşlarından biri olan Paul Fossati. İlk 100'deki birçok yöntem ve veritabanı için de aynı şey söylenebilir. Liste, araştırmanın hesaplama ve büyük veri kümelerinin analizinden ne kadar güçlü bir şekilde etkilendiğini ortaya koyuyor. Ancak ayrıca, belirli bir yöntem makalesinin veya veritabanının alıntı çizelgelerinin tepesindeki konumunun da şansa ve koşullara bağlı olduğunu hatırlatıyor.
Yine de araştırmacılar için güçlü bir ders var, diyor Connecticut, New Haven'daki Yale Üniversitesi'nden bir kimyager olan Peter Moore. "Eğer istediğiniz şey alıntılarsa," diyor, "insanların istedikleri deneyleri hiç yapmalarını veya daha kolay yapmalarını sağlayan bir yöntem geliştirmek, örneğin Evren'in sırrını keşfetmekten çok daha ileriye götürecektir."