师从施一公、4 年 8 篇 CNS，西湖大学白蕊再引热议，网友酸了：我要有这平台我也行

最近，白蕊又一次在学术圈引起了讨论。

博士四年，5 篇 Science，3 篇 Cell。把这几个数字放在一起，确实足够震撼。

对于绝大多数博士生来说，博士期间能够完成一项相对完整的研究、发表几篇不错的论文，已经十分不容易。如果能以第一作者发表一篇领域顶级期刊论文，便足以成为一份相当亮眼的博士履历。

所以，当「4 年 8 篇 CNS」这样的履历摆在面前时，很多人的第一反应难免是：这是真的吗？一个博士生怎么可能完成这么多工作？

被质疑的夸张履历

一篇 CNS 意味着什么，不同学科的人感受可能并不一样。

在很多实验学科，一项研究从提出问题，到实验设计、数据获取、反复验证、论文写作，再到投稿和修改，往往需要几年时间。很多博士生整个博士阶段可能都围绕一个核心课题展开。

因此，当普通博士生看到「4 年 8 篇 CNS」，很容易下意识地产生疑问：

一年两篇 CNS？平均半年一篇？一个博士生怎么可能同时完成这么多世界级工作？

图片来源：网页截图

事实上，白蕊博士阶段的这些论文具有一个非常重要的特征：它们并不是八个毫无关系的课题，而是高度集中在同一个大型科学问题——剪接体的结构与 RNA 剪接机制。

她参与的研究连续解析了剪接体在不同功能状态下的高分辨率结构。2016 年的Science工作解析酵母活化剪接体结构，2017 年的Science和Cell论文继续推进不同催化阶段及剪接后状态的结构研究，2018 年的Science又进一步解析完全组装、激活前的剪接体。

换句话说，这更像是一支处于国际竞争前沿的团队，在几年时间内围绕一个重大科学问题连续攻克多个关键状态，并形成系列成果。

这解释了为什么白蕊的论文能够如此密集地产出，也提醒我们不能把「8 篇论文」简单想象成「一个博士生独立做了 8 个 CNS 项目」。但反过来，这同样不能成为否定白蕊个人贡献的理由。

白蕊本科就读于武汉大学生命科学学院生物学基地班。清华大学公开资料显示，她以专业排名第一的成绩获得推免资格，2015 年进入清华生命学院直博。博士阶段研究方向是结构生物学，核心问题是 RNA 剪接体的结构与机制。

图片来源：清华大学

如果我们仔细去看看这些 CNS 论文的署名和作者贡献，就不难发现，白蕊并不是偶然出现在一个超级课题组的论文作者名单里，而是这个系列研究持续多年的核心参与者之一。

这一点还可以通过她博士毕业之后的轨迹进行验证。

2019 年博士毕业后，她进入西湖大学继续从事博士后研究，之后晋升为副研究员，目前已经是西湖大学生命科学学院独立 PI、助理教授，建立 RNA 功能与调控实验室。西湖大学目前的官方主页显示，她已经以第一作者或共同第一作者身份发表 10 篇Science和Cell论文。

图片来源：西湖大学

也就是说，她的科研产出并没有随着博士毕业、离开「博士生身份」而停止。这其实是判断一个年轻科研人员能力时非常重要的证据。

为什么白蕊能够在博士阶段发这么多顶刊？

如果一定要总结，以下四个因素，缺一不可。

第一，是个人能力。这一点没必要因为反对「造神」而回避。

从公开资料来看，她很早就进入了高强度科研训练，对实验细节、效率和研究问题都有很高要求。更重要的是，她能够长期参与一个技术难度极高、国际竞争非常激烈的研究方向。

图片来源：清华大学

顶尖平台可以给一个人机会，但无法保证一个人在多年时间里持续成为核心作者。

第二，是极强的团队。这是讨论这类「超级博士生」时最容易被忽略的部分。

白蕊博士期间所在的是施一公课题组。当时这个团队正在系统攻克剪接体结构这一国际前沿问题。

这些论文的作者名单也高度重叠。白蕊、万蕊雪、闫创业、雷建林、施一公等研究人员在多篇论文中持续合作。清华大学在介绍相关研究时明确提到，冷冻电镜数据采集得到了清华大学冷冻电镜平台支持，计算工作则得到高性能计算平台和国家蛋白质设施等支持。

第三，是一个处在突破窗口期的研究方向。这其实是理解「为什么顶刊会连续出现」的关键。

剪接不是一个小问题。它是真核生物基因表达的基本过程，而剪接体又是一个巨大、动态、高度复杂的分子机器。

当时一个核心瓶颈，就是不同功能状态下剪接体的高分辨率结构长期没有得到系统解析。而冷冻电镜技术的发展恰好让解析这些大型分子复合物成为可能。

一旦一个团队突破了样品制备、复合物捕获、结构解析等关键技术瓶颈，就可能从一个状态推进到另一个状态，从而在几年内形成连续的重大成果。

第四，是时机。科研从来不是一个只由「努力程度」决定的系统。

个人能力、导师、团队、技术平台、研究方向、国际竞争格局，以及一个领域当时恰好处于什么发展阶段，都会影响最终产出。

白蕊当然足够优秀。但如果把她的履历简化成一句「因为她比别人努力，所以博士四年 8 篇 CNS」，反而是对科研规律最大的误解。

对此，普通博士生应该焦虑吗？

不得不说，多数人都特别容易犯一个错误：拿别人的极端值，作为自己的平均线。

一个生态学博士看到「4 年 8 篇 CNS」，一个化学博士看到「博士期间 20 篇 SCI」，一个计算机博士看到「博士三年十几篇顶会」，很容易开始怀疑：

我是不是太差了？

但科研产出从来不是一个可以跨学科直接比较的指标。甚至在同一个学科里，不同课题之间也不能简单比较。

博士培养不是比赛，并不是毕业时把所有人的论文放在一起排序，第一名才叫「成功」。

对于绝大多数博士生来说，博士阶段真正重要的，是能不能逐渐完成从「执行一个课题」到「提出一个问题」的转变。

你能不能判断一个问题为什么值得研究？能不能设计方法回答它？数据出现异常时能不能判断问题在哪里？同行提出质疑时能不能回应？离开导师以后，还能不能继续提出自己的科学问题？

这些能力最终决定一个人能不能成为独立研究者。而这些东西，恰恰不能被简单压缩成一个论文数字。

如果我们把博士培养的终点定义成「发表多少篇顶刊」，那么就很容易本末倒置，原本论文应该是解决科学问题之后产生的结果，最后却变成了科研训练本身的目标。

评价博士生也是一样。

一个人在博士期间发表 8 篇 CNS，当然值得认可。但一个博士生用了五年时间，只发表两三篇论文，却独立建立了一套方法、积累了一套长期数据，或者真正回答了一个重要科学问题，同样可能接受了非常成功的博士训练。

面对「白蕊博士四年 8 篇 CNS」这样的故事，最没有必要的其实是走向两个极端。

一个极端是造神。把所有成果归结为「天赋」、「努力」、「自律」，然后制造一个普通博士生根本无法复制的成功模板。

另一个极端则是反向质疑。因为一个人的成果多得超出了我们的经验范围，就默认其中一定存在问题；看到共同第一作者，就认为个人贡献不足；看到强导师和大平台，就觉得成果主要来自平台。

这两种思维，本质上其实是一样的：

都试图用一个非常简单的故事，解释一件本来非常复杂的事情。

或许这件事情真正值得普通博士生思考的，并不是「为什么她能发 8 篇 CNS，而我不能」，而是另外几个问题：

我正在研究的问题真的重要吗？

我有没有逐渐形成自己判断科学问题的能力？

博士毕业以后，离开现在的导师和平台，我还能不能继续做研究？

如果答案正在慢慢变成「可以」，那么你的博士阶段就没有失败。

科研需要明星，但科研更需要大量认真解决问题的人。

题图来源：图虫创意