Plos Computational Biology
人气:10

Plos Computational Biology SCIE

  • ISSN:1553-7358
  • 出版商:Public Library of Science
  • 出版语言:English
  • E-ISSN:1553-7358
  • 出版地区:United States
  • 是否预警:
  • 创刊时间:2005
  • 出版周期:Monthly
  • TOP期刊:
  • 影响因子:3.8
  • 是否OA:开放
  • CiteScore:7.1
  • H-index:138
  • 研究类文章占比:98.90%
  • Gold OA文章占比:99.67%
  • 文章自引率:0.0465...
  • 开源占比:0.9896
  • OA被引用占比:1
  • 出版国人文章占比:0.04
  • 出版修正文章占比:0.0068...
  • 国际标准简称:PLOS COMPUT BIOL
  • 涉及的研究方向:Environmental Science-Ecology
  • 中文名称:Plos 计算生物学
  • 预计审稿周期: 32 Weeks
国内分区信息:

大类学科:生物学  中科院分区  2区

国际分区信息:

JCR学科:BIOCHEMICAL RESEARCH METHODS、MATHEMATICAL & COMPUTATIONAL BIOLOGY  JCR分区  Q1

  • 影响因子:3.8
  • Gold OA文章占比:99.67%
  • OA被引用占比:1
  • CiteScore:7.1
  • 研究类文章占比:98.90%
  • 开源占比:0.9896
  • 文章自引率:0.0465...
  • 出版国人文章占比:0.04

推荐合适期刊 投稿指导 助力快速见刊

Plos Computational Biology 期刊简介

Plos Computational Biology是生物学领域的一本权威期刊。由Public Library of Science出版社出版。该期刊主要发表生物学领域的原创性研究成果。创刊于2005年,是生物学领域中具有代表性的学术刊物。该期刊主要刊载Environmental Science-Ecology及其基础研究的前瞻性、原始性、首创性研究成果、科技成就和进展。该期刊不仅收录了该领域的科技成就和进展,更以其深厚的学术积淀和卓越的审稿标准,确保每篇文章都具备高度的学术价值。此外,该刊同时被SCIE数据库收录,并被划分为中科院SCI2区期刊,它始终坚持创新,不断专注于发布高度有价值的研究成果,不断推动生物学领域的进步。

同时,我们注重来稿文章表述的清晰度,以及其与我们的读者群体和研究领域的相关性。为此,我们期待所有投稿的文章能够保持简洁明了、组织有序、表述清晰。该期刊平均审稿速度为平均 32 Weeks 。若您对于稿件是否适合该期刊存在疑虑,建议您在提交前主动与期刊主编取得联系,或咨询本站的客服老师。我们的客服老师将根据您的研究内容和方向,为您推荐最为合适的期刊,助力您顺利投稿,实现学术成果的顺利发表。

Plos Computational Biology 期刊国内分区信息

中科院分区 2023年12月升级版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
生物学 2区 BIOCHEMICAL RESEARCH METHODS 生化研究方法 MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 2区 2区
中科院分区 2022年12月升级版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
生物学 2区 BIOCHEMICAL RESEARCH METHODS 生化研究方法 MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 2区 2区
中科院分区 2021年12月旧的升级版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
生物学 2区 BIOCHEMICAL RESEARCH METHODS 生化研究方法 MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 2区 2区
中科院分区 2021年12月基础版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
生物 2区 BIOCHEMICAL RESEARCH METHODS 生化研究方法 MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 2区 2区
中科院分区 2021年12月升级版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
生物学 2区 BIOCHEMICAL RESEARCH METHODS 生化研究方法 MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 2区 2区
中科院分区 2020年12月旧的升级版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
计算机科学 2区 MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 BIOCHEMICAL RESEARCH METHODS 生化研究方法 1区 2区

Plos Computational Biology 期刊国际分区信息(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:BIOCHEMICAL RESEARCH METHODS SCIE Q1 15 / 85

82.9%

学科:MATHEMATICAL & COMPUTATIONAL BIOLOGY SCIE Q1 11 / 65

83.8%

按JCI指标学科分区 收录子集 分区 排名 百分位
学科:BIOCHEMICAL RESEARCH METHODS SCIE Q1 15 / 85

82.94%

学科:MATHEMATICAL & COMPUTATIONAL BIOLOGY SCIE Q1 12 / 65

82.31%

CiteScore指数(2024年最新版)

  • CiteScore:7.1
  • SJR:1.652
  • SNIP:1.085
学科类别 分区 排名 百分位
大类:Mathematics 小类:Modeling and Simulation Q1 32 / 324

90%

大类:Mathematics 小类:Ecology, Evolution, Behavior and Systematics Q1 87 / 721

88%

大类:Mathematics 小类:Computational Theory and Mathematics Q1 23 / 176

87%

大类:Mathematics 小类:Ecology Q1 63 / 461

86%

大类:Mathematics 小类:Genetics Q2 97 / 347

72%

大类:Mathematics 小类:Cellular and Molecular Neuroscience Q2 34 / 97

65%

大类:Mathematics 小类:Molecular Biology Q2 163 / 410

60%

期刊评价数据趋势图

中科院分区趋势图
期刊影响因子和自引率趋势图

发文统计

年发文量统计
年份 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
年发文量 548 606 534 534 541 655 737 925 737 637
国家/地区发文量统计
国家/地区 数量
USA 1072
England 323
GERMANY (FED REP GER) 284
France 170
CHINA MAINLAND 125
Canada 123
Switzerland 113
Spain 99
Netherlands 91
Australia 85
机构发文量统计
机构 数量
UNIVERSITY OF CALIFORNIA SYSTEM 181
CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE (CNRS) 108
UNIVERSITY OF LONDON 86
HARVARD UNIVERSITY 82
MAX PLANCK SOCIETY 81
PENNSYLVANIA COMMONWEALTH SYSTEM OF HIGHER EDUCATION (PCSHE) 60
UNIVERSITY OF OXFORD 58
STANFORD UNIVERSITY 54
IMPERIAL COLLEGE LONDON 52
MASSACHUSETTS INSTITUTE OF TECHNOLOGY (MIT) 49

高引用文章

文章名称 引用次数
MUMmer4: A fast and versatile genome alignment system 112
BEAST 2.5: An advanced software platform for Bayesian evolutionary analysis 111
MDHGI: Matrix Decomposition and Heterogeneous Graph Inference for miRNA-disease association prediction 67
A computational approach to distinguish somatic vs. germline origin of genomic alterations from deep sequencing of cancer specimens without a matched normal 42
OpenSim: Simulating musculoskeletal dynamics and neuromuscular control to study human and animal movement 41
New functionalities in the TCGAbiolinks package for the study and integration of cancer data from GDC and GTEx 37
Sequence determinants of protein phase behavior from a coarse-grained model 33
The AmP project: Comparing species on the basis of dynamic energy budget parameters 31
LASSI: A lattice model for simulating phase transitions of multivalent proteins 30
SFPEL-LPI: Sequence-based feature projection ensemble learning for predicting LncRNA-protein interactions 29

免责声明

若用户需要出版服务,请联系出版商:1160 BATTERY STREET, STE 100, SAN FRANCISCO, USA, CA, 94111。

友情链接