IEEE/ACM Transactions on Computational Biology and Bioinformatics

2366

微信好友朋友圈 QQ好友复制链接

查看最新文献

SCI期刊

中科院SCI期刊分区 WOS期刊分区历年影响因子历年发表投稿信息同类期刊

IEEE/ACM Transactions on Computational Biology and Bioinformatics

中文名称：

IEEE-acm 计算生物学和生物信息学汇刊

期刊缩写：

IEEE ACM T COMPUT BI copy

复制

反馈

影响因子：

期刊影响因子(Impact factor，IF) 即某刊平均每篇论文的被引用数，是表征期刊影响大小的一项定量指标，它实际上是某刊在某年被全部源刊物引证该刊前两年发表论文的次数，与该刊前两年所发表的全部源论文数之比。

3.6

反馈

ISSN：

ISSN是由8个数字组成的编码，旨在识别各种报纸、专业杂志、画报、期刊，无论其性质或载体版本（纸版及电子版）。

print: 1545-5963
on-line: 1557-9964

研究领域：

工程技术-计算机：跨学科应用

创刊年份：

2004年

h-index：

h-index是指该期刊有h篇文章至少被引用h次，是一项简单易懂的评估指标，不像平均值会受极端值影响，可呈现出多数文章的被引用表现。Google使用过去5年的h-index数据评价期刊的影响力，“h5指数”比较难以被人为操控，不会因为多了一篇超高被引论文而明显增长，另一方面，刻意减少发文量也不会对提升h5指数有作用。

自引率：

6.70%

Gold OA文章占比：

Gold OA文章占比是指一个总体中金色OA文章数量占总体文章数量的比重。OA期刊的文章主要通过金色通道（Gold road，也称为Gold OA，即期刊官网）和绿色通道（Green road，或Green OA）实现开放获取。金色通道是开放获取期刊通过自己的官网来实现的，而绿色通道是通过把文章自存档于机构知识库(Institutional Repositories，比如哈佛大学学术库DASH）或学科知识库中来实现。

28.01%

原创研究文献占比：

99.71%

SCI收录类型：

Science Citation Index Expanded (SCIE) || Scopus (CiteScore)

期刊官网：

https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=8857 http://www.computer.org/portal/web/tcbb/home

期刊介绍英文：

IEEE/ACM Transactions on Computational Biology and Bioinformatics emphasizes the algorithmic, mathematical, statistical and computational methods that are central in bioinformatics and computational biology; the development and testing of effective computer programs in bioinformatics; the development of biological databases; and important biological results that are obtained from the use of these methods, programs and databases; the emerging field of Systems Biology, where many forms of data are used to create a computer-based model of a complex biological system

CiteScore：

引用分数（英语：CiteScore，CS）是一种用来反映学术期刊最近发表文章“年平均被引用次数”的衡量指标。该指标由Elsevier于 2016 年 12 月推出，以替代常用的JCR影响因子（由Clarivate计算）。 CiteScore是Scopus中系列期刊指标的一部分，包括 SNIP(源文档标准化影响)，SJR (SClmago杂志排名)，引用文档计数以及引用百分比。

CiteScore	SJR	SNIP	CiteScore排名
7.5	0.794	0.982	学科排名百分位大类：Mathematics 小类：Applied Mathematics 38 / 635 94% 大类：Biochemistry, Genetics and Molecular Biology 小类：Genetics 86 / 347 75% 大类：Biochemistry, Genetics and Molecular Biology 小类：Biotechnology 82 / 311 73%

发文信息

中科院SCI期刊分区

中科院分区升级版是在基础版的基础上，消除了对预置学科体系的依赖，例如期刊-学科隶属关系。基于概率统计原理的期刊超越指数，使分区结果更加鲁棒，不易操纵，揭示出更多优秀的基础研究期刊。 2019-2021年，3年过渡期，会同时发布基础版和升级版，便于用户单位过渡、调整。2022年开始，将只发布升级版。

大类	小类	TOP期刊	综述期刊
3区生物学	3区生化研究方法 BIOCHEMICAL RESEARCH METHODS 3区数学跨学科应用 MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 3区统计学与概率论 STATISTICS & PROBABILITY 4区计算机：跨学科应用 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS	否	否

WOS期刊分区

WoS-JCR分区：SCIE、SSCI收录期刊主要按影响因子高低被分为四个区（Quartile），分别是Q1区，Q2区，Q3区，Q4区，各占25%。Q1区是影响因子最靠前25%的期刊，Q4区是靠后的25%的期刊。

学科分类
Q2BIOCHEMICAL RESEARCH METHODS Q2COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS Q1MATHEMATICS, INTERDISCIPLINARY APPLICATIONS Q1STATISTICS & PROBABILITY

历年影响因子

2015年	2016年	2017年	2018年	2019年	2020年	2021年	2022年	2023年
1.6090	1.9550	2.4280	2.8960	3.0150	3.7100	3.7020	4.5000	3.6000

历年发表

年文章数是指每年6月SCI发布的IF数据中所提供的上一年全年发文数量。如2018年7月-2019年6月，显示的是2017年的发文数.对极少数热门期刊，我们会在1月份更新为最新一年的发文数。

2012年	2013年	2014年	2015年	2016年	2017年	2018年	2019年	2020年	2021年	2022年
214	180	152	152	125	166	244	284	275	407	479

投稿信息

出版周期：

Bi-monthly

出版语言：

English

出版国家(地区)：

UNITED STATES

审稿时长：

3 months

投稿网址：

https://mc.manuscriptcentral.com/tcbb-cs

出版商：

Institute of Electrical and Electronics Engineers Inc.

编辑部地址：

IEEE COMPUTER SOC, 10662 LOS VAQUEROS CIRCLE, PO BOX 3014, LOS ALAMITOS, USA, CA, 90720-1314

PubMed链接：

http://www.ncbi.nlm.nih.gov/nlmcatalog?term=1545-5963%5BISSN%5D

IEEE/ACM Transactions on Computational Biology and Bioinformatics - 最新文献

查看全部

iAnOxPep: a machine learning model for the identification of anti-oxidative peptides using ensemble learning.

Pub Date : 2024-11-11 DOI: 10.1109/TCBB.2024.3489614 Mir Tanveerul Hassan, Hilal Tayara, Kil To Chong

Performance Comparison between Deep Neural Network and Machine Learning based Classifiers for Huntington Disease Prediction from Human DNA Sequence.

Pub Date : 2024-11-07 DOI: 10.1109/TCBB.2024.3493203 C Vishnuppriya, G Tamilpavai

DeepLigType: Predicting Ligand Types of Protein-Ligand Binding Sites Using a Deep Learning Model.

Pub Date : 2024-11-07 DOI: 10.1109/TCBB.2024.3493820 Vural Orhun, Jololian Leon, Pan Lurong

免责声明：
本页显示期刊或杂志信息，仅供参考学习，不是任何期刊杂志官网，不涉及出版事务，特此申明。如需出版一切事务需要用户自己向出版商联系核实。若本页展示内容有任何问题，请联系我们，邮箱：info@booksci.cn，我们会认真核实处理。