當前位置: 首頁 JCRQ1 期刊介紹(非官網(wǎng))
    Biodata Mining

    Biodata MiningSCIE

    國際簡稱:BIODATA MIN  參考譯名:生物數(shù)據(jù)挖掘

    • 中科院分區(qū)

      3區(qū)

    • CiteScore分區(qū)

      Q1

    • JCR分區(qū)

      Q1

    基本信息:
    ISSN:1756-0381
    E-ISSN:1756-0381
    是否OA:開放
    是否預警:否
    TOP期刊:否
    出版信息:
    出版地區(qū):ENGLAND
    出版商:BioMed Central
    出版語言:English
    出版周期:1 issue/year
    出版年份:2008
    研究方向:MATHEMATICAL & COMPUTATIONAL BIOLOGY
    評價信息:
    影響因子:4
    H-index:23
    CiteScore指數(shù):7.9
    SJR指數(shù):0.958
    SNIP指數(shù):1.413
    發(fā)文數(shù)據(jù):
    Gold OA文章占比:100.00%
    研究類文章占比:93.75%
    年發(fā)文量:32
    自引率:0
    開源占比:0.9896
    出版撤稿占比:0
    出版國人文章占比:0.2
    OA被引用占比:1
    英文簡介 期刊介紹 CiteScore數(shù)據(jù) 中科院SCI分區(qū) JCR分區(qū) 發(fā)文數(shù)據(jù) 常見問題

    英文簡介Biodata Mining期刊介紹

    BioData Mining is an open access, open peer-reviewed journal encompassing research on all aspects of data mining applied to high-dimensional biological and biomedical data, focusing on computational aspects of knowledge discovery from large-scale genetic, transcriptomic, genomic, proteomic, and metabolomic data.

    Topical areas include, but are not limited to:

    -Development, evaluation, and application of novel data mining and machine learning algorithms.

    -Adaptation, evaluation, and application of traditional data mining and machine learning algorithms.

    -Open-source software for the application of data mining and machine learning algorithms.

    -Design, development and integration of databases, software and web services for the storage, management, retrieval, and analysis of data from large scale studies.

    -Pre-processing, post-processing, modeling, and interpretation of data mining and machine learning results for biological interpretation and knowledge discovery.

    期刊簡介Biodata Mining期刊介紹

    《Biodata Mining》自2008出版以來,是一本生物學優(yōu)秀雜志。致力于發(fā)表原創(chuàng)科學研究結果,并為生物學各個領域的原創(chuàng)研究提供一個展示平臺,以促進生物學領域的的進步。該刊鼓勵先進的、清晰的闡述,從廣泛的視角提供當前感興趣的研究主題的新見解,或審查多年來某個重要領域的所有重要發(fā)展。該期刊特色在于及時報道生物學領域的最新進展和新發(fā)現(xiàn)新突破等。該刊近一年未被列入預警期刊名單,目前已被權威數(shù)據(jù)庫SCIE收錄,得到了廣泛的認可。

    該期刊投稿重要關注點:

    Cite Score數(shù)據(jù)(2024年最新版)Biodata Mining Cite Score數(shù)據(jù)

    • CiteScore:7.9
    • SJR:0.958
    • SNIP:1.413
    學科類別 分區(qū) 排名 百分位
    大類:Mathematics 小類:Computational Mathematics Q1 11 / 189

    94%

    大類:Mathematics 小類:Computational Theory and Mathematics Q1 17 / 176

    90%

    大類:Mathematics 小類:Computer Science Applications Q1 166 / 817

    79%

    大類:Mathematics 小類:Genetics Q1 76 / 347

    78%

    大類:Mathematics 小類:Biochemistry Q1 104 / 438

    76%

    大類:Mathematics 小類:Molecular Biology Q2 130 / 410

    68%

    CiteScore 是由Elsevier(愛思唯爾)推出的另一種評價期刊影響力的文獻計量指標。反映出一家期刊近期發(fā)表論文的年篇均引用次數(shù)。CiteScore以Scopus數(shù)據(jù)庫中收集的引文為基礎,針對的是前四年發(fā)表的論文的引文。CiteScore的意義在于,它可以為學術界提供一種新的、更全面、更客觀地評價期刊影響力的方法,而不僅僅是通過影響因子(IF)這一單一指標來評價。

    歷年Cite Score趨勢圖

    中科院SCI分區(qū)Biodata Mining 中科院分區(qū)

    中科院 2023年12月升級版 綜述期刊:否 Top期刊:否
    大類學科 分區(qū) 小類學科 分區(qū)
    生物學 3區(qū) MATHEMATICAL & COMPUTATIONAL BIOLOGY 數(shù)學與計算生物學 2區(qū)

    中科院分區(qū)表 是以客觀數(shù)據(jù)為基礎,運用科學計量學方法對國際、國內(nèi)學術期刊依據(jù)影響力進行等級劃分的期刊評價標準。它為我國科研、教育機構的管理人員、科研工作者提供了一份評價國際學術期刊影響力的參考數(shù)據(jù),得到了全國各地高校、科研機構的廣泛認可。

    中科院分區(qū)表 將所有期刊按照一定指標劃分為1區(qū)、2區(qū)、3區(qū)、4區(qū)四個層次,類似于“優(yōu)、良、及格”等。最開始,這個分區(qū)只是為了方便圖書管理及圖書情報領域的研究和期刊評估。之后中科院分區(qū)逐步發(fā)展成為了一種評價學術期刊質量的重要工具。

    歷年中科院分區(qū)趨勢圖

    JCR分區(qū)Biodata Mining JCR分區(qū)

    2023-2024 年最新版
    按JIF指標學科分區(qū) 收錄子集 分區(qū) 排名 百分位
    學科:MATHEMATICAL & COMPUTATIONAL BIOLOGY SCIE Q1 8 / 65

    88.5%

    按JCI指標學科分區(qū) 收錄子集 分區(qū) 排名 百分位
    學科:MATHEMATICAL & COMPUTATIONAL BIOLOGY SCIE Q1 10 / 65

    85.38%

    JCR分區(qū)的優(yōu)勢在于它可以幫助讀者對學術文獻質量進行評估。不同學科的文章引用量可能存在較大的差異,此時單獨依靠影響因子(IF)評價期刊的質量可能是存在一定問題的。因此,JCR將期刊按照學科門類和影響因子分為不同的分區(qū),這樣讀者可以根據(jù)自己的研究領域和需求選擇合適的期刊。

    歷年影響因子趨勢圖

    發(fā)文數(shù)據(jù)

    2023-2024 年國家/地區(qū)發(fā)文量統(tǒng)計
    • 國家/地區(qū)數(shù)量
    • USA33
    • CHINA MAINLAND18
    • Israel5
    • GERMANY (FED REP GER)3
    • Russia3
    • South Korea3
    • Belgium2
    • Brazil2
    • England2
    • Portugal2

    本刊中國學者近年發(fā)表論文

    • 1、Motif mining based on network space compression

      Author: Qiang Zhang, Yuan Xu

      Journal: BioData Mining, 2014, Vol.8, , DOI:10.1186/s13040-014-0029-x

    • 2、An iteration normalization and test method for differential expression analysis of RNA-seq data

      Author: Yan Zhou, Nan Lin, Baoxue Zhang

      Journal: BioData Mining, 2014, Vol.7, , DOI:10.1186/1756-0381-7-15

    • 3、Prediction of protein solvent accessibility using PSO-SVR with multiple sequence-derived features and weighted sliding window scheme

      Author: Jian Zhang, Wenhan Chen, Pingping Sun, Xiaowei Zhao, Zhiqiang Ma

      Journal: BioData Mining, 2015, Vol.8, , DOI:10.1186/s13040-014-0031-3

    • 4、Mining causal relationships among clinical variables for cancer diagnosis based on Bayesian analysis

      Author: LiMin Wang

      Journal: BioData Mining, 2015, Vol.8, , DOI:10.1186/s13040-015-0046-4

    • 5、Predicting linear B-cell epitopes using amino acid anchoring pair composition

      Author: Weike Shen, Yuan Cao, Lei Cha, Xufei Zhang, Xiaomin Ying, Wei Zhang, Kun Ge, Wuju Li, Li Zhong

      Journal: BioData Mining, 2015, Vol.8, , DOI:10.1186/s13040-015-0047-3

    • 6、Accurate prediction of protein relative solvent accessibility using a balanced model

      Author: Wei Wu, Zhiheng Wang, Peisheng Cong, Tonghua Li

      Journal: BioData Mining, 2017, Vol.10, , DOI:10.1186/s13040-016-0121-5

    • 7、A feature selection method based on multiple kernel learning with expression profiles of different types

      Author: Wei Du, Zhongbo Cao, Tianci Song, Ying Li, Yanchun Liang

      Journal: BioData Mining, 2017, Vol.10, , DOI:10.1186/s13040-017-0124-x

    • 8、Elevated transcriptional levels of aldolase A (ALDOA) associates with cell cycle-related genes in patients with NSCLC and several solid tumors

      Author: Fan Zhang, Jie-Diao Lin, Xiao-Yu Zuo, Yi-Xuan Zhuang, Chao-Qun Hong, Guo-Jun Zhang, Xiao-Jiang Cui, Yu-Kun Cui

      Journal: BioData Mining, 2017, Vol.10, , DOI:10.1186/s13040-016-0122-4

    投稿常見問題

    通訊方式:CAMPUS, 4 CRINAN ST, LONDON, ENGLAND, N1 9XW。

    主站蜘蛛池模板: 日本一区二区在线播放| 日韩高清一区二区三区不卡| 日韩高清一区二区三区不卡| 搡老熟女老女人一区二区| 四虎在线观看一区二区| 久久一区二区精品| 国产成人一区二区三区视频免费| 一区二区三区高清视频在线观看| 国产伦精品一区二区三区免费下载 | 久久久精品人妻一区二区三区 | 国模无码一区二区三区不卡| 国产在线观看一区二区三区| 午夜视频一区二区| 国产精品伦子一区二区三区 | 精品乱码一区二区三区四区| 少妇精品久久久一区二区三区| 美女一区二区三区| 久久久无码精品国产一区| 亚洲一区二区三区自拍公司| 亚洲啪啪综合AV一区| 国产一区二区福利| 国产成人精品一区二区三区免费| 精品视频一区二区三区免费| 午夜天堂一区人妻| 精品国产一区二区三区麻豆| 精品一区高潮喷吹在线播放| 亚洲AV无码一区二区三区网址| 亚洲一区二区三区写真| 精品一区二区三人妻视频| 午夜一区二区在线观看| 日本美女一区二区三区 | 亚洲大尺度无码无码专线一区 | 国产吧一区在线视频| 亚洲AV无码一区二区三区性色 | 日韩有码一区二区| 狠狠色成人一区二区三区| 亚洲一区二区电影| 海角国精产品一区一区三区糖心 | 无码人妻精品一区二区三区99仓本 | 欧美亚洲精品一区二区| 美女视频黄a视频全免费网站一区|