Methods SCIE

国际简称：METHODS 参考译名：方法

主要研究方向：生物-生化研究方法非预警期刊审稿周期：一般,3-8周约11.3周

《方法》(Methods)是一本由Academic Press Inc.出版的以生物-生化研究方法为研究特色的国际期刊，发表该领域相关的原创研究文章、评论文章和综述文章，及时报道该领域相关理论、实践和应用学科的最新发现，旨在促进该学科领域科学信息的快速交流。该期刊是一本未开放期刊，近三年没有被列入预警名单。

3区中科院分区
Q1 JCR分区
115 年发文量
4.2 IF影响因子
未开放 是否OA
132 H-index
1990 创刊年份
Monthly 出版周期
English 出版语言

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 ]

投稿咨询加急咨询

Methods期刊信息

ISSN：1046-2023
出版语言：English
是否OA：未开放
E-ISSN：1095-9130
出版地区：UNITED STATES
是否预警：否
出版商：Academic Press Inc.
出版周期：Monthly
创刊时间：1990
开源占比：0.1583
Gold OA文章占比：25.00%
OA被引用占比：0.1608...
出版国人文章占比：0.08
出版撤稿占比：0
研究类文章占比：99.13%

Methods CiteScore评价数据（2024年最新版）

CiteScore

SJR

SNIP

CiteScore 指数

9.8

1.162

0.92

学科类别	分区	排名	百分位
大类：Biochemistry, Genetics and Molecular Biology 小类：General Biochemistry, Genetics and Molecular Biology	Q1	36 / 221	83%
大类：Biochemistry, Genetics and Molecular Biology 小类：Molecular Biology	Q1	79 / 410	80%

名词解释：CiteScore 是衡量期刊所发表文献的平均受引用次数，是在 Scopus 中衡量期刊影响力的另一个指标。当年CiteScore 的计算依据是期刊最近4年（含计算年度）的被引次数除以该期刊近四年发表的文献数。例如，2022年的 CiteScore 计算方法为：2022年的 CiteScore =2019-2022年收到的对2019-2022年发表的文件的引用数量÷2019-2022年发布的文献数量注：文献类型包括：文章、评论、会议论文、书籍章节和数据论文。

Methods中科院评价数据

中科院 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	3区	BIOCHEMICAL RESEARCH METHODS 生化研究方法 BIOCHEMISTRY & MOLECULAR BIOLOGY 生化与分子生物学	3区 3区

中科院 2022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	3区	BIOCHEMICAL RESEARCH METHODS 生化研究方法 BIOCHEMISTRY & MOLECULAR BIOLOGY 生化与分子生物学	3区 4区

中科院 2021年12月旧的升级版

Top期刊	综述期刊	大类学科		小类学科
否	否	生物学	3区	BIOCHEMICAL RESEARCH METHODS 生化研究方法 BIOCHEMISTRY & MOLECULAR BIOLOGY 生化与分子生物学	3区 3区

中科院 2021年12月基础版

Top期刊	综述期刊	大类学科		小类学科
否	否	生物	3区	BIOCHEMICAL RESEARCH METHODS 生化研究方法 BIOCHEMISTRY & MOLECULAR BIOLOGY 生化与分子生物学	2区 3区

中科院 2021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	3区	BIOCHEMICAL RESEARCH METHODS 生化研究方法 BIOCHEMISTRY & MOLECULAR BIOLOGY 生化与分子生物学	3区 3区

中科院 2020年12月旧的升级版

Top期刊	综述期刊	大类学科		小类学科
否	否	生物学	3区	BIOCHEMICAL RESEARCH METHODS 生化研究方法 BIOCHEMISTRY & MOLECULAR BIOLOGY 生化与分子生物学	3区 4区

Methods JCR评价数据（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：BIOCHEMICAL RESEARCH METHODS	SCIE	Q1	13 / 85	85.3%
学科：BIOCHEMISTRY & MOLECULAR BIOLOGY	SCIE	Q2	88 / 313	72%

按JCI指标学科分区	收录子集	分区	排名	百分位
学科：BIOCHEMICAL RESEARCH METHODS	SCIE	Q1	7 / 85	92.35%
学科：BIOCHEMISTRY & MOLECULAR BIOLOGY	SCIE	Q1	44 / 313	86.1%

Methods历年数据统计

影响因子

中科院分区

Methods中国学者发文选摘

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