基因组学
基因组学杂志简介
- 出版商：Academic Press Inc.
- 出版语言：English
- TOP期刊：是
- 出版地区：UNITED STATES
- 是否预警：否
- 是否OA：未开放
- 出版周期：Monthly
- 出版年份：1987
- 中文名称：基因组学
- 是否OA：未开放
基因组学（国际简称GENOMICS，英文名称Genomics）是一本未开放获取（OA）国际期刊，自1987年创刊以来，始终站在生物学研究的前沿。该期刊致力于发表在生物学领域各个方面达到最高科学标准和具有重要性的研究成果。全面反映该学科的发展趋势，为生物学事业的进步提供了有力的支撑。期刊严格遵循职业道德标准，对于任何形式的抄袭行为，无论是文字还是图形，一旦查实，均可能导致稿件被拒绝。
近年来，来自CHINA MAINLAND、India、USA、Iran、Pakistan、Australia、Brazil、Spain、Turkey、Canada等国家和地区的研究者在《Genomics》上发表了大量的高质量文章。该期刊内容丰富，包括原创研究、综述文章、专题观点、论文预览、专家意见等多种类型，旨在为全球该领域研究者提供广泛的学术交流平台和灵感来源。
在过去几年中，该期刊保持了稳定的发文量和综述量，具体数据如下：
2014年：发表文章116篇、2015年：发表文章90篇、2016年：发表文章65篇、2017年：发表文章60篇、2018年：发表文章57篇、2019年：发表文章220篇、2020年：发表文章558篇、2021年：发表文章492篇、2022年：发表文章247篇、2023年：发表文章176篇。这些数据反映了期刊在全球生物学领域的影响力和活跃度，同时也展示了其作为学术界和工业界研究人员首选资源的地位。《Genomics》将继续致力于推动生物学领域的知识传播和科学进步，为全球生物学问题的解决贡献力量。
期刊指数
- 影响因子：3.4
- 文章自引率：0.0227...
- Gold OA文章占比：97.93%
- CiteScore：9.6
- 年发文量：176
- 开源占比：0.3207
- SJR指数：0.85
- H-index：135
- SNIP指数：0.901
- OA被引用占比：0.0478...
- 出版国人文章占比：0.34
WOS期刊SCI分区（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：BIOTECHNOLOGY & APPLIED MICROBIOLOGY | SCIE | Q2 | 69 / 174 |
60.6% |
| 学科：GENETICS & HEREDITY | SCIE | Q2 | 62 / 191 |
67.8% |
| 按JCI指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
| 学科：BIOTECHNOLOGY & APPLIED MICROBIOLOGY | SCIE | Q1 | 36 / 174 |
79.6% |
| 学科：GENETICS & HEREDITY | SCIE | Q1 | 43 / 191 |
77.75% |
中科院分区表
中科院SCI期刊分区 2023年12月升级版
| Top期刊 | 综述期刊 | 大类学科 | 小类学科 |
| 否 | 否 | 生物学 2区 |
BIOTECHNOLOGY & APPLIED MICROBIOLOGY
生物工程与应用微生物
GENETICS & HEREDITY
遗传学
2区
2区
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||
| 9.6 | 0.85 | 0.901 |
|
学术指标分析
影响因子和CiteScore
自引率
影响因子：指某一期刊的文章在特定年份或时期被引用的频率，是衡量学术期刊影响力的一个重要指标。影响因子越高，代表着期刊的影响力越大 。
CiteScore：该值越高，代表该期刊的论文受到更多其他学者的引用，因此该期刊的影响力也越高。
自引率：是衡量期刊质量和影响力的重要指标之一。通过计算期刊被自身引用的次数与总被引次数的比例，可以反映期刊对于自身研究内容的重视程度以及内部引用的情况。
年发文量：是衡量期刊活跃度和研究产出能力的重要指标，年发文量较多的期刊可能拥有更广泛的读者群体和更高的学术声誉，从而吸引更多的优质稿件。
期刊互引关系
| 序号 | 引用他刊情况 | 引用次数 |
| 1 | NUCLEIC ACIDS RES | 618 |
| 2 | BIOINFORMATICS | 490 |
| 3 | PLOS ONE | 443 |
| 4 | BMC GENOMICS | 240 |
| 5 | P NATL ACAD SCI USA | 226 |
| 6 | NATURE | 212 |
| 7 | J THEOR BIOL | 194 |
| 8 | SCI REP-UK | 171 |
| 9 | BMC BIOINFORMATICS | 147 |
| 10 | GENOME RES | 145 |
| 序号 | 被他刊引用情况 | 引用次数 |
| 1 | SCI REP-UK | 285 |
| 2 | INT J MOL SCI | 225 |
| 3 | PLOS ONE | 149 |
| 4 | FRONT GENET | 135 |
| 5 | GENES-BASEL | 124 |
| 6 | BMC GENOMICS | 109 |
| 7 | GENOMICS | 107 |
| 8 | J THEOR BIOL | 93 |
| 9 | GENE | 87 |
| 10 | NAT COMMUN | 75 |
高引用文章
- iDNA6mA-PseKNC: Identifying DNA N-6-methyladenosine sites by incorporating nucleotide physicochemical properties into PseKNC引用次数：53
- HomBlocks: A multiple-alignment construction pipeline for organelle phylogenomics based on locally collinear block searching引用次数：39
- pLoc-mEuk: Predict subcellular localization of multi-label eukaryotic proteins by extracting the key GO information into general PseAAC引用次数：28
- iKcr-PseEns: Identify lysine crotonylation sites in histone proteins with pseudo components and ensemble classifier引用次数：27
- Effects of polymethylmethacrylate nanoplastics on Dicentrarchus labrax引用次数：22
- pLoc_bal-mGpos: Predict subcellular localization of Gram-positive bacterial proteins by quasi-balancing training dataset and PseAAC引用次数：20
- pLoc-mGneg: Predict subcellular localization of Gram-negative bacterial proteins by deep gene ontology learning via general PseAAC引用次数：20
- Predicting drug-target interactions using Lasso with random forest based on evolutionary information and chemical structure引用次数：16
- Changes in circular RNA expression patterns during human foetal brain development引用次数：15
- The p53-signaling pathway and colorectal cancer: Interactions between downstream p53 target genes and miRNAs引用次数：15
