Methods SCIE

國際簡稱：METHODS 參考譯名：方法

主要研究方向：生物-生化研究方法非預(yù)警期刊審稿周期：一般,3-8周約11.3周

《方法》(Methods)是一本由Academic Press Inc.出版的以生物-生化研究方法為研究特色的國際期刊，發(fā)表該領(lǐng)域相關(guān)的原創(chuàng)研究文章、評論文章和綜述文章，及時(shí)報(bào)道該領(lǐng)域相關(guān)理論、實(shí)踐和應(yīng)用學(xué)科的最新發(fā)現(xiàn)，旨在促進(jìn)該學(xué)科領(lǐng)域科學(xué)信息的快速交流。該期刊是一本未開放期刊，近三年沒有被列入預(yù)警名單。

3區(qū) 中科院分區(qū)
Q1 JCR分區(qū)
115 年發(fā)文量
4.2 IF影響因子
未開放 是否OA
132 H-index
1990 創(chuàng)刊年份
Monthly 出版周期
English 出版語言

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.

[ 查看全部 ]

投稿咨詢加急咨詢

Methods期刊信息

ISSN：1046-2023
出版語言：English
是否OA：未開放
E-ISSN：1095-9130
出版地區(qū)：UNITED STATES
是否預(yù)警：否
出版商：Academic Press Inc.
出版周期：Monthly
創(chuàng)刊時(shí)間：1990
開源占比：0.1583
Gold OA文章占比：25.00%
OA被引用占比：0.1608...
出版國人文章占比：0.08
出版撤稿占比：0
研究類文章占比：99.13%

Methods CiteScore評價(jià)數(shù)據(jù)（2024年最新版）

CiteScore

SJR

SNIP

CiteScore 指數(shù)

9.8

1.162

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%

名詞解釋：CiteScore 是衡量期刊所發(fā)表文獻(xiàn)的平均受引用次數(shù)，是在 Scopus 中衡量期刊影響力的另一個(gè)指標(biāo)。當(dāng)年CiteScore 的計(jì)算依據(jù)是期刊最近4年（含計(jì)算年度）的被引次數(shù)除以該期刊近四年發(fā)表的文獻(xiàn)數(shù)。例如，2022年的 CiteScore 計(jì)算方法為：2022年的 CiteScore =2019-2022年收到的對2019-2022年發(fā)表的文件的引用數(shù)量÷2019-2022年發(fā)布的文獻(xiàn)數(shù)量注：文獻(xiàn)類型包括：文章、評論、會議論文、書籍章節(jié)和數(shù)據(jù)論文。

Methods中科院評價(jià)數(shù)據(jù)

中科院 2023年12月升級版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	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 2022年12月升級版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	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) 4區(qū)

中科院 2021年12月舊的升級版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	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 2021年12月基礎(chǔ)版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	生物	3區(qū)	BIOCHEMICAL RESEARCH METHODS 生化研究方法 BIOCHEMISTRY & MOLECULAR BIOLOGY 生化與分子生物學(xué)	2區(qū) 3區(qū)

中科院 2021年12月升級版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	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 2020年12月舊的升級版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	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) 4區(qū)

Methods JCR評價(jià)數(shù)據(jù)（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%

Methods歷年數(shù)據(jù)統(tǒng)計(jì)

影響因子

中科院分區(qū)

Methods中國學(xué)者發(fā)文選摘

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