當前位置：首頁 SCI期刊 SCIE期刊生物學中科院3區 JCRQ1 期刊介紹(非官網)

Biodata MiningSCIE

國際簡稱：BIODATA MIN 參考譯名：生物數據挖掘

中科院分區
3區
CiteScore分區
Q1
JCR分區
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：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：7.9; SJR指數：0.958; SNIP指數：1.413

發文數據：: Gold OA文章占比：100.00%; 研究類文章占比：93.75%; 年發文量：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

投稿咨詢加急見刊

英文簡介期刊介紹 CiteScore數據中科院SCI分區 JCR分區發文數據常見問題

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，是一本生物學優秀雜志。致力于發表原創科學研究結果，并為生物學各個領域的原創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現新突破等。該刊近一年未被列入預警期刊名單，目前已被權威數據庫SCIE收錄，得到了廣泛的認可。

該期刊投稿重要關注點：

預計審稿時間： 23 Weeks
生物學
MATHEMATICAL & COMPUTATIONAL BIOLOGY
SCIE
中科院3區
非預警

Cite Score數據（2024年最新版）Biodata Mining Cite Score數據

CiteScore：7.9
SJR：0.958
SNIP：1.413

學科類別	分區	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表論文的年篇均引用次數。CiteScore以Scopus數據庫中收集的引文為基礎，針對的是前四年發表的論文的引文。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Biodata Mining 中科院分區

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	小類學科	分區
生物學	3區	MATHEMATICAL & COMPUTATIONAL BIOLOGY 數學與計算生物學	2區

中科院分區表 是以客觀數據為基礎，運用科學計量學方法對國際、國內學術期刊依據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據，得到了全國各地高校、科研機構的廣泛認可。

中科院分區表 將所有期刊按照一定指標劃分為1區、2區、3區、4區四個層次，類似于“優、良、及格”等。最開始，這個分區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。之后中科院分區逐步發展成為了一種評價學術期刊質量的重要工具。

歷年中科院分區趨勢圖

JCR分區Biodata Mining JCR分區

2023-2024 年最新版

按JIF指標學科分區	收錄子集	分區	排名	百分位
學科：MATHEMATICAL & COMPUTATIONAL BIOLOGY	SCIE	Q1	8 / 65	88.5%

按JCI指標學科分區	收錄子集	分區	排名	百分位
學科：MATHEMATICAL & COMPUTATIONAL BIOLOGY	SCIE	Q1	10 / 65	85.38%

JCR分區的優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，這樣讀者可以根據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

發文數據

2023-2024 年國家/地區發文量統計

國家/地區數量
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