所屬分類： 加入收藏 SCIE 期刊 醫(yī)學(xué) 中科院 4區(qū) JCR Q3
Bmc醫(yī)學(xué)基因組學(xué)
Bmc醫(yī)學(xué)基因組學(xué)雜志簡介
- 出版商：BioMed Central
- 出版語言：English
- TOP期刊：否
- 出版地區(qū)：ENGLAND
- 是否預(yù)警：否
- 是否OA：開放
- 出版周期：Irregular
- 出版年份：2008
- 中文名稱：Bmc醫(yī)學(xué)基因組學(xué)
- 是否OA：開放
Bmc醫(yī)學(xué)基因組學(xué)（國際簡稱BMC MED GENOMICS，英文名稱Bmc Medical Genomics）是一本開放獲取（OA）國際期刊，自2008年創(chuàng)刊以來，始終站在醫(yī)學(xué)研究的前沿。該期刊致力于發(fā)表在醫(yī)學(xué)領(lǐng)域各個方面達到最高科學(xué)標準和具有重要性的研究成果。全面反映該學(xué)科的發(fā)展趨勢，為醫(yī)學(xué)事業(yè)的進步提供了有力的支撐。期刊嚴格遵循職業(yè)道德標準，對于任何形式的抄襲行為，無論是文字還是圖形，一旦查實，均可能導(dǎo)致稿件被拒絕。
近年來，來自USA、CHINA MAINLAND、South Korea、Russia、GERMANY (FED REP GER)、Canada、Australia、Japan、England、France等國家和地區(qū)的研究者在《Bmc Medical Genomics》上發(fā)表了大量的高質(zhì)量文章。該期刊內(nèi)容豐富，包括原創(chuàng)研究、綜述文章、專題觀點、論文預(yù)覽、專家意見等多種類型，旨在為全球該領(lǐng)域研究者提供廣泛的學(xué)術(shù)交流平臺和靈感來源。
在過去幾年中，該期刊保持了穩(wěn)定的發(fā)文量和綜述量，具體數(shù)據(jù)如下：
2014年：發(fā)表文章90篇、2015年：發(fā)表文章91篇、2016年：發(fā)表文章72篇、2017年：發(fā)表文章76篇、2018年：發(fā)表文章123篇、2019年：發(fā)表文章191篇、2020年：發(fā)表文章192篇、2021年：發(fā)表文章295篇、2022年：發(fā)表文章272篇、2023年：發(fā)表文章330篇。這些數(shù)據(jù)反映了期刊在全球醫(yī)學(xué)領(lǐng)域的影響力和活躍度，同時也展示了其作為學(xué)術(shù)界和工業(yè)界研究人員首選資源的地位。《Bmc Medical Genomics》將繼續(xù)致力于推動醫(yī)學(xué)領(lǐng)域的知識傳播和科學(xué)進步，為全球醫(yī)學(xué)問題的解決貢獻力量。
期刊指數(shù)
- 影響因子：2.1
- Gold OA文章占比：100.00%
- CiteScore：3.9
- 年發(fā)文量：330
- 開源占比：0.996
- SJR指數(shù)：0.703
- H-index：53
- SNIP指數(shù)：0.581
- OA被引用占比：1
- 出版國人文章占比：0.21
WOS期刊SCI分區(qū)（2023-2024年最新版）
| 按JIF指標學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：GENETICS & HEREDITY | SCIE | Q3 | 117 / 191 |
39% |
| 按JCI指標學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：GENETICS & HEREDITY | SCIE | Q3 | 97 / 191 |
49.48% |
中科院分區(qū)表
中科院SCI期刊分區(qū) 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 | 醫(yī)學(xué) 4區(qū) |
GENETICS & HEREDITY
遺傳學(xué)
4區(qū)
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||
| 3.9 | 0.703 | 0.581 |
|
學(xué)術(shù)指標分析
影響因子和CiteScore
自引率
影響因子：指某一期刊的文章在特定年份或時期被引用的頻率，是衡量學(xué)術(shù)期刊影響力的一個重要指標。影響因子越高，代表著期刊的影響力越大 。
CiteScore：該值越高，代表該期刊的論文受到更多其他學(xué)者的引用，因此該期刊的影響力也越高。
自引率：是衡量期刊質(zhì)量和影響力的重要指標之一。通過計算期刊被自身引用的次數(shù)與總被引次數(shù)的比例，可以反映期刊對于自身研究內(nèi)容的重視程度以及內(nèi)部引用的情況。
年發(fā)文量：是衡量期刊活躍度和研究產(chǎn)出能力的重要指標，年發(fā)文量較多的期刊可能擁有更廣泛的讀者群體和更高的學(xué)術(shù)聲譽，從而吸引更多的優(yōu)質(zhì)稿件。
期刊互引關(guān)系
| 序號 | 引用他刊情況 | 引用次數(shù) |
| 1 | NATURE | 267 |
| 2 | NUCLEIC ACIDS RES | 267 |
| 3 | PLOS ONE | 252 |
| 4 | BIOINFORMATICS | 248 |
| 5 | NAT GENET | 186 |
| 6 | P NATL ACAD SCI USA | 154 |
| 7 | CELL | 149 |
| 8 | SCIENCE | 127 |
| 9 | AM J HUM GENET | 118 |
| 10 | CANCER RES | 107 |
| 序號 | 被他刊引用情況 | 引用次數(shù) |
| 1 | SCI REP-UK | 94 |
| 2 | FRONT GENET | 87 |
| 3 | BMC MED GENOMICS | 69 |
| 4 | INT J MOL SCI | 63 |
| 5 | CANCERS | 45 |
| 6 | BMC BIOINFORMATICS | 38 |
| 7 | PLOS ONE | 35 |
| 8 | BMC GENOMICS | 29 |
| 9 | BRIEF BIOINFORM | 28 |
| 10 | ONCOL LETT | 27 |
高引用文章
- Predicting drug response of tumors from integrated genomic profiles by deep neural networks引用次數(shù)：19
- Comprehensive genomic diagnosis of non-syndromic and syndromic hereditary hearing loss in Spanish patients引用次數(shù)：18
- Application of Neural Networks for classification of Patau, Edwards, Down, Turner and Klinefelter Syndrome based on first trimester maternal serum screening data, ultrasonographic findings and patient demographics引用次數(shù)：16
- GENT2: an updated gene expression database for normal and tumor tissues引用次數(shù)：15
- HLA and proteasome expression body map引用次數(shù)：15
- Identification of glioblastomagene prognosis modules based on weighted gene co-expression network analysis引用次數(shù)：13
- Performance of in silico prediction tools for the classification of rare BRCA1/2 missense variants in clinical diagnostics引用次數(shù)：13
- Identification of biomarkers for amyotrophic lateral sclerosis by comprehensive analysis of exosomal mRNAs in human cerebrospinal fluid引用次數(shù)：13
- Whole exome sequencing in adult-onset hearing loss reveals a high load of predicted pathogenic variants in known deafness-associated genes and identifies new candidate genes引用次數(shù)：12
- Logistic regression model training based on the approximate homomorphic encryption引用次數(shù)：12
