金桔
金币
威望
贡献
回帖0
精华
在线时间 小时
|
说一下科研中经常遇到的生物信息学相关期刊。
1,生物信息学严格来说是数理统计计算机等领域的方法学。所以CNS正刊几乎不接受,毕竟这些是需要宝贵的生物数据维持影响因子的, 所以基本没有生信文章,但也会经常看最近的生化技术和能用的数据。
2.1, 与生物信息相关的亲儿子刊,包括Nature Genetics, Nature biotech, Nature Methods,Nat Machine Intelligence,Nature Computational Science。其中NG主要被统计学相关的序列分析找SNP啥的文章霸占;NBT主要是各种突破性的稍微低于主刊的硬核生化方法,生信方法学很少;NM与此类似,但定位稍微低一些,有一些生信文章。总的来说,这三个子刊都特别注重解决生物学问题,方法本身的数理计算机水平不高也问题不大,editor也都是生化背景。Nat Machine Intelligence,感觉主要是跟ai相关的各种应用场景,有些看起来蛮奇怪,并且之前有机器学习的人抵制,暂不评价了。Nature Computational Science属于新的子刊,看过一些paper,感觉editor品味还可以,后面应该会吸引不少以计算为主的好paper~
2.2, Nature Commu, PNAS, Genome Research, Genome biology. 亲儿子子刊里面没有专门的信息类子刊,所以个人认为这几个期刊上面的生信文章与子刊没有差距,只是侧重点不同,这几个相当部分的文章更加注重计算方法学本身,与生物故事离得比较远【现在出了Nature Computational Science,不知道这个论断再过几年还是否成立】。Nat Commu的话,其中的信息类文章水平比较高,也比较偏重生物学本身,但其中的生物学文章比子刊差一个档次。PNAS就非常有意思了,里面有较多的数理统计计算机机器学习等硬核文章,当然也有不少contribute的paper。
Molecular systems biology 水平也很高,就是一年paper数目太少了。Cell systems 似乎比这几个低半个档次。
~~~~~~~~~~~~~~以上算是大牛刊。计算类的发一两篇就可以找到非常不错的教职。
3, NAR, Plos CB, Bioinformatics,BiB(?)。这属于生物信息学的中坚期刊,算是登堂入室水平,一般发一篇表明已经受到主流学术圈的认可,之后博士毕业就比较稳了。NAR影响因子虽高,但据说是因为是数据库的原因。就我个人来看,其中的生信文章跟bioinformatics基本一个档次,可能稍微偏一些生物问题。BiB影响因子也比较高,但跟NAR差不多的原因,靠review带起来的。
4, 接下来就是BMC Bioinformatics, BMC Genomics 这种了,属于多发几篇也可以博士毕业的水平。
5 Plos one, scientific reports这种基本没有错误就可以发表,属于靠后一些的选择。但确实也有一些有意思的paper。 |
|