當(dāng)前位置：首頁 SCI期刊 SCIE期刊生物學(xué) 中科院3區(qū) JCRQ1 期刊介紹(非官網(wǎng))

MethodsSCIE

國際簡稱：METHODS 參考譯名：方法

中科院分區(qū)
3區(qū)
CiteScore分區(qū)
Q1
JCR分區(qū)
Q1

基本信息：: ISSN：1046-2023; E-ISSN：1095-9130; 是否OA：未開放; 是否預(yù)警：否; TOP期刊：否

出版信息：: 出版地區(qū)：UNITED STATES; 出版商：Academic Press Inc.; 出版語言：English; 出版周期：Monthly; 出版年份：1990; 研究方向：生物-生化研究方法

評價信息：: 影響因子：4.2; H-index：132; CiteScore指數(shù)：9.8; SJR指數(shù)：1.162; SNIP指數(shù)：0.92

發(fā)文數(shù)據(jù)：: Gold OA文章占比：25.00%; 研究類文章占比：99.13%; 年發(fā)文量：115; 自引率：0.0208...; 開源占比：0.1583; 出版撤稿占比：0; 出版國人文章占比：0.08; OA被引用占比：0.1608...

投稿咨詢加急見刊

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Methods期刊介紹

Methods focuses on rapidly developing techniques in the experimental biological and medical sciences.

Each topical issue, organized by a guest editor who is an expert in the area covered, consists solely of invited quality articles by specialist authors, many of them reviews. Issues are devoted to specific technical approaches with emphasis on clear detailed descriptions of protocols that allow them to be reproduced easily. The background information provided enables researchers to understand the principles underlying the methods; other helpful sections include comparisons of alternative methods giving the advantages and disadvantages of particular methods, guidance on avoiding potential pitfalls, and suggestions for troubleshooting.

期刊簡介Methods期刊介紹

《Methods》自1990出版以來，是一本生物學(xué)優(yōu)秀雜志。致力于發(fā)表原創(chuàng)科學(xué)研究結(jié)果，并為生物學(xué)各個領(lǐng)域的原創(chuàng)研究提供一個展示平臺，以促進(jìn)生物學(xué)領(lǐng)域的的進(jìn)步。該刊鼓勵先進(jìn)的、清晰的闡述，從廣泛的視角提供當(dāng)前感興趣的研究主題的新見解，或?qū)彶槎嗄陙砟硞€重要領(lǐng)域的所有重要發(fā)展。該期刊特色在于及時報道生物學(xué)領(lǐng)域的最新進(jìn)展和新發(fā)現(xiàn)新突破等。該刊近一年未被列入預(yù)警期刊名單，目前已被權(quán)威數(shù)據(jù)庫SCIE收錄，得到了廣泛的認(rèn)可。

該期刊投稿重要關(guān)注點：

預(yù)計審稿時間：一般,3-8周約11.3周
生物學(xué)
BIOCHEMICAL RESEARCH METHODS
SCIE
中科院3區(qū)
非預(yù)警

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

CiteScore：9.8
SJR：1.162
SNIP：0.92

學(xué)科類別	分區(qū)	排名	百分位
大類：Biochemistry, Genetics and Molecular Biology 小類：General Biochemistry, Genetics and Molecular Biology	Q1	36 / 221	83%
大類：Biochemistry, Genetics and Molecular Biology 小類：Molecular Biology	Q1	79 / 410	80%

CiteScore 是由Elsevier(愛思唯爾)推出的另一種評價期刊影響力的文獻(xiàn)計量指標(biāo)。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(chǔ)，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(xué)術(shù)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(biāo)來評價。

歷年Cite Score趨勢圖

中科院SCI分區(qū)Methods 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(xué)科	分區(qū)	小類學(xué)科	分區(qū)
生物學(xué)	3區(qū)	BIOCHEMICAL RESEARCH METHODS 生化研究方法 BIOCHEMISTRY & MOLECULAR BIOLOGY 生化與分子生物學(xué)	3區(qū) 3區(qū)

中科院分區(qū)表 是以客觀數(shù)據(jù)為基礎(chǔ)，運用科學(xué)計量學(xué)方法對國際、國內(nèi)學(xué)術(shù)期刊依據(jù)影響力進(jìn)行等級劃分的期刊評價標(biāo)準(zhǔn)。它為我國科研、教育機(jī)構(gòu)的管理人員、科研工作者提供了一份評價國際學(xué)術(shù)期刊影響力的參考數(shù)據(jù)，得到了全國各地高校、科研機(jī)構(gòu)的廣泛認(rèn)可。

中科院分區(qū)表 將所有期刊按照一定指標(biāo)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(lǐng)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(xué)術(shù)期刊質(zhì)量的重要工具。

歷年中科院分區(qū)趨勢圖

JCR分區(qū)Methods JCR分區(qū)

2023-2024 年最新版

按JIF指標(biāo)學(xué)科分區(qū)	收錄子集	分區(qū)	排名	百分位
學(xué)科：BIOCHEMICAL RESEARCH METHODS	SCIE	Q1	13 / 85	85.3%
學(xué)科：BIOCHEMISTRY & MOLECULAR BIOLOGY	SCIE	Q2	88 / 313	72%

按JCI指標(biāo)學(xué)科分區(qū)	收錄子集	分區(qū)	排名	百分位
學(xué)科：BIOCHEMICAL RESEARCH METHODS	SCIE	Q1	7 / 85	92.35%
學(xué)科：BIOCHEMISTRY & MOLECULAR BIOLOGY	SCIE	Q1	44 / 313	86.1%

JCR分區(qū)的優(yōu)勢在于它可以幫助讀者對學(xué)術(shù)文獻(xiàn)質(zhì)量進(jìn)行評估。不同學(xué)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(zhì)量可能是存在一定問題的。因此，JCR將期刊按照學(xué)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(lǐng)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
USA285
GERMANY (FED REP GER)62
CHINA MAINLAND58
England52
France37
Canada27
South Korea18
Japan16
Australia15
Italy15

本刊中國學(xué)者近年發(fā)表論文

1、A lightweight network for COVID-19 detection in X-ray images
Author: Shi, Yong; Tang, Anda; Xiao, Yang; Niu, Lingfeng

Journal: METHODS. 2023; Vol. 209, Issue , pp. 29-37. DOI: 10.1016/j.ymeth.2022.11.004
2、Identification of adaptor proteins by incorporating deep learning and PSSM profiles
Author: Gao, Wentao; Xu, Dali; Li, Hongfei; Du, Junping; Wang, Guohua; Li, Dan

Journal: METHODS. 2023; Vol. 209, Issue , pp. 10-17. DOI: 10.1016/j.ymeth.2022.11.001
3、DNN-PNN: A parallel deep neural network model to improve anticancer drug sensitivity
Author: Chen, Siqi; Yang, Yang; Zhou, Haoran; Sun, Qisong; Su, Ran

Journal: METHODS. 2023; Vol. 209, Issue , pp. 1-9. DOI: 10.1016/j.ymeth.2022.11.002
4、Fluorescent molecular probes for imaging and detection of oxidases and peroxidases in biological samples
Author: Zhou, Jiaying; Geng, Yujie; Wang, Zhuo

Journal: METHODS. 2023; Vol. 210, Issue , pp. 20-35. DOI: 10.1016/j.ymeth.2023.01.002
5、Explore drug-like space with deep generative models
Author: Wang, Jianmin; Mao, Jiashun; Wang, Meng; Le, Xiangyang; Wang, Yunyun

Journal: METHODS. 2023; Vol. 210, Issue , pp. 52-59. DOI: 10.1016/j.ymeth.2023.01.004
6、Predicting latent lncRNA and cancer metastatic event associations via variational graph auto-encoder
Author: Zhu, Yuan; Zhang, Feng; Zhang, Shihua; Yi, Ming

Journal: METHODS. 2023; Vol. 211, Issue , pp. 1-9. DOI: 10.1016/j.ymeth.2023.01.006
7、DNMG: Deep molecular generative model by fusion of 3D information for de novo drug design
Author: Song, Tao; Ren, Yongqi; Wang, Shuang; Han, Peifu; Wang, Lulu; Li, Xue; Rodriguez-Paton, Alfonso

Journal: METHODS. 2023; Vol. 211, Issue , pp. 10-22. DOI: 10.1016/j.ymeth.2023.02.001
8、A deep learning based two-layer predictor to identify enhancers and their strength
Author: Zhu, Di; Yang, Wen; Xu, Dali; Li, Hongfei; Zhao, Yuming; Li, Dan

Journal: METHODS. 2023; Vol. 211, Issue , pp. 23-30. DOI: 10.1016/j.ymeth.2023.01.007