大家读文献时可能会发现，很多论文根本没有实验，整篇文章可能就是下载数据、验证、分析等，就发了SCI了，因此很多研究生可能想问：

“纯数据挖掘，现在还好发SCI吗？”

答案是还能发，但明显已经没有以前那么好发了，尤其现在AI加持下，论文数量增多。如今的问题，已经逐渐从能不能发，转变为你的数据挖掘到底有没有价值。

1 纯数据挖掘为什么不好发了？

公开数据库越来越丰富，这些数据库开放后，研究者不需要自己做实验，也能够开展研究，并且机器学习、AI辅助分析等快速发展，导致纯数据挖掘的论文这几年越来越多。

纯数据研究本身并没有问题，现在很多高水平期刊也会发表完全没有实验验证的数据研究。那现在为啥不好发了呢？

1） 大量同类研究

因为数据库越来越开放的同时，做同类研究的人也越来越多。以前可能做做差异表达分析、生存分析等，就能发一篇SCI，但现在大量类似研究已经发表了。面对类似的纯数据挖掘文章，审稿人经常会问你的研究到底新在哪里？

如果只是发现某个基因和预后有关，很多时候已经很难打动审稿人，甚至即投即拒，连审稿人都见不到。

2） 期刊越来越重视验证

近几年，期刊越来越关注结果是否可靠、是否可重复。

🌰例如，2023年《Nature Computational Science》的一篇编辑评论就直接提出：即使是计算科学研究，很多情况下仍然需要实验验证，或者至少需要充分证明方法的有效性。文章里提到，研究不仅要提出预测，还要证明这些预测是可信的。

这也是为什么很多纯数据文章会被审稿人追问：

● 是否进行了外部验证？

● 是否有独立队列验证？

● 是否有实验支持？

📌外部验证越来越重要。

很多模型在自己的数据库里表现很好，换个数据库就失效。

2023年《Nature Medicine》讨论医学AI模型时指出：仅仅完成模型开发和内部验证是不够的，外部验证已经成为评估模型可靠性的关键步骤。

2026年《Nature Methods》也再次强调：外部验证能够显著提高预测模型的泛化能力、可重复性和可靠性。

也就是说，现在很多审稿人关心的除了你的模型，还有你的模型换个数据集还能用吗？

2 为什么纯数据文章容易被拒？

三种容易被拒的情况：

1） 只有分析，没有创新

🌰例如：下载数据库-筛差异基因-生存分析-发表这类研究已经非常多。如果缺少新的方法、新的问题或者新的发现，竞争会非常激烈。

2） 只有相关性，没有机制

🌰例如：发现A基因和患者预后有关。但为什么有关？通过什么通路？背后机制是什么？如果这些问题都解释不了，论文影响力通常会受限。

3） 缺少验证

这也是目前最容易被指出的问题。

🌰例如：TCGA发现结果-没有GEO验证-没有独立队列验证-直接投稿，很多审稿人会认为证据不足。

📌大量低质量数据论文正在影响整个领域。

近几年，学术界对于低质量数据论文的担忧越来越明显。

《Wall Street Journal》2025年报道指出，大量由论文工厂制造的伪造论文正在涌入学术期刊，其中很多就是模板化的数据分析研究。与此同时，生物信息学领域也不断讨论结果无法复现、数据不可获取、验证不足等问题。

由于这些低质量数据论文太多了，反向导致现在高质量数据研究反而需要提供更多证据来证明自己。

3 什么样的纯数据研究更容易发SCI？

从近几年的趋势来看，以下几类更受欢迎：

1） 多数据库联合验证

例如：TCGA发现-GEO验证-独立队列验证。这样的可信度会明显提高。

2） 有明确临床价值

比如：预后预测-治疗反应预测-风险分层模型。能够解决实际问题。

3） 新算法或新方法

创新点来自方法学。而不是单纯换一个疾病重新分析。

4） 具有机制探索

即使没有湿实验，如果能够结合通路分析、网络分析、多组学分析，通常也会更有说服力。

✨所以，现在不是说没有实验是不是就发不了SCI，而是你的研究能否提供可信的新发现。

如果你的研究具有创新性、外部验证、临床价值、方法学亮点，那么即使完全没有实验，也依然能够发表不错的SCI论文。论文能发表，比拼的不是实验数量，而是你是否真的回答了一个有价值的问题。

如果需要论文润色和投稿指导等服务，欢迎扫描下方二维码，关注公众号【埃米编辑SCI论文润色】-点击个人中心-联系埃米客服了解详情～回复“礼包”，可免费领取100+写作投稿资料包和投稿问题30问~

参考资料：

[1] https://www.nature.com/articles/s43588-023-00462-x

[2] https://www.nature.com/articles/s41591-023-02540-z

[3] https://www.nature.com/articles/s41592-026-03115-9

[4] https://onlinelibrary.wiley.com/doi/10.1002/hcs2.114?msockid=2d46aee7ecde6bbb0046ba8eed9d6a5c

[5] https://link.springer.com/article/10.1186/s13059-024-03343-2