投稿咨询
期刊

教育 医学 经济 金融 管理 科技 工业 机械 农业 电力 水利 文学 艺术 文化 建筑 图书 档案 交通 体育 更多

首页 SCI杂志导航 中科院3区 JCR分区Q1 Biodata Mining(非官网)
Biodata Mining

期刊导航:

国内期刊 国际期刊 科普杂志

Biodata Mining

SCIE（科学引文索引扩展版）

Biodata Mining是一份国际专业期刊，致力于汇集全球范围内最优秀的生物学-MATHEMATICAL & COMPUTATIONAL BIOLOGY研究者，为他们提供一个展示最新研究成果、交流学术思想的平台。该期刊中文名称：生物数据挖掘，国际简称：BIODATA MIN，在中科院分区表2023年12月升级版中大类学科位于3区。本刊是一本OA开放访问期刊，该刊预计审稿周期： 23 Weeks 。

基础信息
  • 大类学科：生物学
  • 小类学科：MATHEMATICAL & COMPUTATIONAL BIOLOGY
  • 是否预警：否
  • 影响因子：4
  • ISSN：1756-0381
  • E-ISSN：1756-0381
  • CiteScore：7.9
  • H-index：23
  • 出版语言：English
  • 出版商：BioMed Central
  • 出版地区：ENGLAND
  • 出版周期：1 issue/year
投稿咨询 加急服务
期刊简介 中科院分区 JCR分区 CiteScore 期刊指数 论文选摘
  • 是否预警：否
  • 创刊时间：2008
  • 是否OA：开放
  • 出版地区：ENGLAND
  • 影响因子：4
  • 年发文量：32
  • 出版周期：1 issue/year
  • CiteScore：7.9
  • H-index：23
  • 研究类文章占比：93.75%
  • Gold OA文章占比：100.00%
  • 开源占比：0.9896
  • OA被引用占比：1
  • 出版国人文章占比：0.2

期刊简介

Biodata Mining杂志是一本开放获取期刊，由BioMed Central出版，1 issue/year发行一次。该杂志是生物学领域方面发表综合文章的国际论坛。此外，该期刊还有助于促进这些研究领域的科学家之间的交流，从而开发新的研究机会，通过新发现推动该领域的发展，并接触到各个层次的科学家。该刊入选的论文应具有广泛意义的数据、综合研究或概念。

Biodata Mining已被国际权威数据库SCIE收录。该刊欢迎来自所有生物学及其相关领域的投稿，编辑们致力于迅速评估和发表提交的论文，同时坚持高标准，该期刊发表多种类型的内容，包括原创研究论文、综述、信件、通讯和评论，这些内容详细阐述了该领域的重大进展并涵盖热门话题。近年在Biodata Mining期刊上发表文章的机构主要的有：UNIVERSITY OF PENNSYLVANIA、BEN GURION UNIVERSITY、GUANGZHOU UNIVERSITY OF CHINESE MEDICINE、CASE WESTERN RESERVE UNIVERSITY、ICAHN SCHOOL OF MEDICINE AT MOUNT SINAI；在该期刊上发表文章的主要国家和地区有：USA、CHINA MAINLAND、Israel、GERMANY (FED REP GER)、Russia。

中科院SCI分区表

中科院分区 2023年12月升级版
大类学科 小类学科 Top期刊 综述期刊
生物学 3区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学
2区
否 否
中科院分区 2022年12月升级版
大类学科 小类学科 Top期刊 综述期刊
生物学 3区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学
3区
否 否
中科院分区 2021年12月旧的升级版
大类学科 小类学科 Top期刊 综述期刊
生物学 4区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学
3区
否 否
中科院分区 2021年12月基础版
大类学科 小类学科 Top期刊 综述期刊
生物 3区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学
3区
否 否
中科院分区 2021年12月升级版
大类学科 小类学科 Top期刊 综述期刊
生物学 4区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学
3区
否 否
中科院分区 2020年12月旧的升级版
大类学科 小类学科 Top期刊 综述期刊
计算机科学 4区
MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学
4区
否 否

中科院分区表被广泛应用于国际科研评价体系中。许多国际学术机构、研究基金以及大学都采用这种分区方式来评估研究者的学术贡献和水平，这使得中科院SCI期刊分区在国际上得到了广泛的认可和应用。中科院SCI期刊分区的计算方式主要基于期刊的三年平均影响因子， 这一计算方式更准确地反映期刊在一段时间内的学术影响力和水平。

JCR分区（2023-2024年最新版）

按JIF指标学科分区 收录子集 分区 排名 百分位
学科：MATHEMATICAL & COMPUTATIONAL BIOLOGY SCIE Q1 8 / 65

88.5%
按JCI指标学科分区 收录子集 分区 排名 百分位
学科：MATHEMATICAL & COMPUTATIONAL BIOLOGY SCIE Q1 10 / 65

85.38%

Cite Score（2024年最新版）

  • CiteScore：7.9
  • SJR：0.958
  • SNIP：1.413
学科类别 分区 排名 百分位
大类：Mathematics 小类：Computational Mathematics Q1 11 / 189

94%
大类：Mathematics 小类：Computational Theory and Mathematics Q1 17 / 176

90%
大类：Mathematics 小类：Computer Science Applications Q1 166 / 817

79%
大类：Mathematics 小类：Genetics Q1 76 / 347

78%
大类：Mathematics 小类：Biochemistry Q1 104 / 438

76%
大类：Mathematics 小类：Molecular Biology Q2 130 / 410

68%

CiteScore分区标准主要是基于学科领域期刊的引用次数排名进行划分的。具体来说，这个标准将期刊分为四个区域：Q1、Q2、Q3和Q4。Q1区包含的是引用次数排名最前的前25%的期刊，这些期刊在学科领域内具有最高的影响力。接下来的Q2区包含引用次数排名次高的25%的期刊，以此类推，Q3和Q4区分别包含引用次数排名中等的和后25%的期刊。

期刊指数

影响因子和CiteScore统计图

影响因子和CiteScore都是重要的学术评价指标，能够帮助研究者和学者了解期刊的学术影响力。影响因子（Impact Factor）和CiteScore在计算方式和覆盖范围上有所不同。影响因子主要关注期刊过去两年内发表的论文被引用的次数，而CiteScore则考虑了过去三年的数据。此外，影响因子是基于Web of Science数据库计算的，而CiteScore则是基于Scopus数据库。这使得两种指标在评估学术期刊时具有不同的侧重点和覆盖范围。

中科院分区表统计图
被他刊引用次数统计
引用他刊次数统计

期刊被他刊引用次数反映了期刊上发表的论文被其他研究者和学者引用的频率。被引指数越高，说明该期刊的论文在学术界受到的关注越广泛，影响力也越大。

期刊引用他刊次数指标通常指的是该期刊所发表的论文中引用其他期刊文献的次数。这个指标可以反映期刊在学术交流和知识传播中的活跃程度，以及期刊对外部研究成果的引用和整合能力。

该期刊中国学者近期发表论文选摘

  • Motif mining based on network space compression Journal: BioData Mining, 2014, Vol.8, , DOI:10.1186/s13040-014-0029-x
  • An iteration normalization and test method for differential expression analysis of RNA-seq data Journal: BioData Mining, 2014, Vol.7, , DOI:10.1186/1756-0381-7-15
  • Prediction of protein solvent accessibility using PSO-SVR with multiple sequence-derived features and weighted sliding window scheme Journal: BioData Mining, 2015, Vol.8, , DOI:10.1186/s13040-014-0031-3
  • Mining causal relationships among clinical variables for cancer diagnosis based on Bayesian analysis Journal: BioData Mining, 2015, Vol.8, , DOI:10.1186/s13040-015-0046-4
  • Predicting linear B-cell epitopes using amino acid anchoring pair composition Journal: BioData Mining, 2015, Vol.8, , DOI:10.1186/s13040-015-0047-3
  • Accurate prediction of protein relative solvent accessibility using a balanced model Journal: BioData Mining, 2017, Vol.10, , DOI:10.1186/s13040-016-0121-5
  • A feature selection method based on multiple kernel learning with expression profiles of different types Journal: BioData Mining, 2017, Vol.10, , DOI:10.1186/s13040-017-0124-x
  • Elevated transcriptional levels of aldolase A (ALDOA) associates with cell cycle-related genes in patients with NSCLC and several solid tumors Journal: BioData Mining, 2017, Vol.10, , DOI:10.1186/s13040-016-0122-4
  • An automated pipeline for bouton, spine, and synapse detection of in vivo two-photon images Journal: BioData Mining, 2017, Vol.10, , DOI:10.1186/s13040-017-0161-5
  • epiACO - a method for identifying epistasis based on ant Colony optimization algorithm Journal: BioData Mining, 2017, Vol.10, , DOI:10.1186/s13040-017-0143-7

上一本 Atmosphere

下一本 Biomaterials Science

SCI杂志列表 返回首页
免责声明

若用户需要出版服务，请联系出版商：CAMPUS, 4 CRINAN ST, LONDON, ENGLAND, N1 9XW。

相关期刊