Biodata Mining
SCISCIE国际简称：BIODATA MIN 参考译名：生物数据挖掘
- 基本信息：
- ISSN：1756-0381
- E-ISSN：1756-0381
- 是否OA：开放
- 是否预警：否
- TOP期刊：否
- 出版信息：
- 出版地区：ENGLAND
- 出版商：BioMed Central
- 出版语言：English
- 出版周期：1 issue/year
- 出版年份：2008
- 研究方向：MATHEMATICAL & COMPUTATIONAL BIOLOGY
- 评价信息：
- 影响因子：7.9
- H-index：23
- CiteScore指数：7.2
- SJR指数：1.245
- SNIP指数：1.557
- 发文数据：
- Gold OA文章占比：100.00%
- 研究类文章占比：92.31%
- 年发文量：91
- 自引率：0
- 开源占比：0.9896
- 出版撤稿占比：0
- 出版国人文章占比：0.2
- OA被引用占比：1
英文简介Biodata Mining期刊介绍
BioData Mining is an open access, open peer-reviewed journal encompassing research on all aspects of data mining applied to high-dimensional biological and biomedical data, focusing on computational aspects of knowledge discovery from large-scale genetic, transcriptomic, genomic, proteomic, and metabolomic data.
Topical areas include, but are not limited to:
-Development, evaluation, and application of novel data mining and machine learning algorithms.
-Adaptation, evaluation, and application of traditional data mining and machine learning algorithms.
-Open-source software for the application of data mining and machine learning algorithms.
-Design, development and integration of databases, software and web services for the storage, management, retrieval, and analysis of data from large scale studies.
-Pre-processing, post-processing, modeling, and interpretation of data mining and machine learning results for biological interpretation and knowledge discovery.
期刊简介Biodata Mining期刊介绍
《Biodata Mining》自2008出版以来，是一本生物优秀杂志。致力于发表原创科学研究结果，并为生物各个领域的原创研究提供一个展示平台，以促进生物领域的的进步。该刊鼓励先进的、清晰的阐述，从广泛的视角提供当前感兴趣的研究主题的新见解，或审查多年来某个重要领域的所有重要发展。该期刊特色在于及时报道生物领域的最新进展和新发现新突破等。该刊近一年未被列入预警期刊名单，目前已被权威数据库SCI、SCIE收录，得到了广泛的认可。
该期刊投稿重要关注点：
Cite Score数据（2026年6月最新版）Biodata Mining Cite Score数据
- CiteScore：7.2
- SJR：1.245
- SNIP：1.557
| 学科类别 | 分区 | 排名 | 百分位 |
| 大类：Mathematics 小类：Computational Mathematics | Q1 | 19 / 212 |
91% |
| 大类：Mathematics 小类：Computational Theory and Mathematics | Q1 | 29 / 203 |
85% |
| 大类：Mathematics 小类：Computer Science Applications | Q1 | 236 / 1022 |
76% |
| 大类：Mathematics 小类：Genetics | Q1 | 84 / 357 |
76% |
| 大类：Mathematics 小类：Biochemistry | Q2 | 118 / 448 |
73% |
| 大类：Mathematics 小类：Molecular Biology | Q2 | 133 / 414 |
67% |
CiteScore 是由Elsevier(爱思唯尔)推出的另一种评价期刊影响力的文献计量指标。反映出一家期刊近期发表论文的年篇均引用次数。CiteScore以Scopus数据库中收集的引文为基础，针对的是前四年发表的论文的引文。CiteScore的意义在于，它可以为学术界提供一种新的、更全面、更客观地评价期刊影响力的方法，而不仅仅是通过影响因子(IF)这一单一指标来评价。
中科院SCI分区Biodata Mining 中科院分区
| 大类学科 | 分区 | 小类学科 | 分区 |
| 生物学 | 3区 | MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 | 2区 |
| 大类学科 | 分区 | 小类学科 | 分区 |
| 生物学 | 3区 | MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 | 3区 |
| 大类学科 | 分区 | 小类学科 | 分区 |
| 生物学 | 3区 | MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 | 2区 |
| 大类学科 | 分区 | 小类学科 | 分区 |
| 生物学 | 3区 | MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 | 3区 |
| 大类学科 | 分区 | 小类学科 | 分区 |
| 生物学 | 4区 | MATHEMATICAL & COMPUTATIONAL BIOLOGY 数学与计算生物学 | 3区 |
中科院分区表 是以客观数据为基础，运用科学计量学方法对国际、国内学术期刊依据影响力进行等级划分的期刊评价标准。它为我国科研、教育机构的管理人员、科研工作者提供了一份评价国际学术期刊影响力的参考数据，得到了全国各地高校、科研机构的广泛认可。
中科院分区表 将所有期刊按照一定指标划分为1区、2区、3区、4区四个层次，类似于“优、良、及格”等。最开始，这个分区只是为了方便图书管理及图书情报领域的研究和期刊评估。之后中科院分区逐步发展成为了一种评价学术期刊质量的重要工具。
JCR分区Biodata Mining JCR分区
| 按JCI指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
| 学科：MATHEMATICAL & COMPUTATIONAL BIOLOGY | SCIE | Q1 | 4 / 67 |
94.8 |
| 学科：MATHEMATICAL & COMPUTATIONAL BIOLOGY | SCIE | Q1 | 6 / 67 |
91.79 |
| 按JCI指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
| 学科：MATHEMATICAL & COMPUTATIONAL BIOLOGY | SCIE | Q1 | 8 / 65 |
88.5 |
| 学科：MATHEMATICAL & COMPUTATIONAL BIOLOGY | SCIE | Q1 | 10 / 65 |
85.38 |
JCR分区的优势在于它可以帮助读者对学术文献质量进行评估。不同学科的文章引用量可能存在较大的差异，此时单独依靠影响因子(IF)评价期刊的质量可能是存在一定问题的。因此，JCR将期刊按照学科门类和影响因子分为不同的分区，这样读者可以根据自己的研究领域和需求选择合适的期刊。
发文数据
- 国家/地区数量
- USA33
- CHINA MAINLAND18
- Israel5
- GERMANY (FED REP GER)3
- Russia3
- South Korea3
- Belgium2
- Brazil2
- England2
- Portugal2
本刊中国学者近年发表论文
-
1、BPX-Net: biomarker-preserved explainable networks for disease diagnosis and prognosi
Author: Wang, Jun; Chen, Songchang; Wen, Ru; Ying, Haochao; Xu, Wenqiu; Yin, Lin; Deng, Xiaojuan; Han, Can; Zhu, Qun; Zhang, Bin; Tong, Hongyan; Liu, Chen; Chen, Wei; Jin, Jie; Jin, Kai; Xu, Chenming; Huang, Hefeng; Wang, Huafeng; Qian, Dahong
Journal: BIODATA MINING. 2026; Vol. 19, Issue 1, pp. -. DOI: 10.1186/s13040-026-00537-1
-
2、Multimodal deep learning for survival prediction and biomarker discovery in non-small cell lung cance
Author: Wang, Yiqing; Xia, Pinghui; Xu, Yang; Xu, Jianxin; Xu, Wenzhen; Lv, Wang; Yan, Junrong; Ou, Qiuxiang; Bao, Hua; Wang, Luming; Hu, Jian
Journal: BIODATA MINING. 2026; Vol. 19, Issue 1, pp. -. DOI: 10.1186/s13040-026-00522-8
-
3、Early differentiation between paroxysmal and persistent atrial fibrillation based on interpretable machine learning: a multicenter retrospective stud
Author: Li, Sijin; Zhang, Yuqi; Wu, Weijie; Li, Guang; Huang, Tucheng; Zeng, Kuan; Tong, Chao; Li, Heng; Huang, Hui
Journal: BIODATA MINING. 2026; Vol. 19, Issue 1, pp. -. DOI: 10.1186/s13040-026-00525-5
-
4、An online non-radiographic osteoporosis prediction calculator constructed using interpretable machine learnin
Author: Zhang, Yuqi; Li, Sijin; Mai, Peibiao; Su, Qiang; Gao, Minnan; Zeng, Kuan; Tong, Chao; Zhang, Kun; Huang, Hui
Journal: BIODATA MINING. 2026; Vol. 19, Issue 1, pp. -. DOI: 10.1186/s13040-026-00520-w
-
5、Construction of an interpretable machine learning model for predicting gestational diabetes mellitus based on 45 dietary nutrient
Author: Xiong, Zhihui; Yuan, Yi; Yun, Zhouhui; Li, Lijie; Chen, Yunmeng
Journal: BIODATA MINING. 2026; Vol. 19, Issue 1, pp. -. DOI: 10.1186/s13040-025-00515-z
-
6、Recent advances in deep learning for protein-protein interaction: a revie
Author: Cui, Jiafu; Yang, Siqi; Yi, Litai; Xi, Qilemuge; Yang, Dezhi; Zuo, Yongchun
Journal: BIODATA MINING. 2025; Vol. 18, Issue 1, pp. -. DOI: 10.1186/s13040-025-00457-6
-
7、Enhancing hepatopathy clinical trial efficiency: a secure, large language model-powered pre-screening pipelin
Author: Gui, Xiongbin; Lv, Hanlin; Wang, Xiao; Lv, Longting; Xiao, Yi; Wang, Lei
Journal: BIODATA MINING. 2025; Vol. 18, Issue 1, pp. -. DOI: 10.1186/s13040-025-00458-5
-
8、Inter-organ correlation based multi-task deep learning model for dynamically predicting functional deterioration in multiple organ systems of ICU patient
Author: Zeng, Zhixuan; Liu, Yang; Yao, Shuo; Lin, Minjie; Cai, Xu; Nan, Wenbin; Xie, Yiyang; Gong, Xun
Journal: BIODATA MINING. 2025; Vol. 18, Issue 1, pp. -. DOI: 10.1186/s13040-025-00445-w
投稿常见问题
-
请问这本期刊属于什么级别呢？可用于职称评定吗？
一般刊物只分省级、部级、核心，期刊本身是没有几类划分的，具体是几类或者几级，您可以对照单位的分类文件确认一下。Biodata Mining杂志是由BioMed Central出版的一本SCI、SCIE，可用于职称评定。
-
你们能够提供哪些核心期刊的咨询服务？
大多数核心期刊我们都是可以提供咨询服务的。目前核心期刊主要分为以下几类：1.国内核心：按照权威度排序，社科类：南大核心>南大扩展>北大核心>科技核心 按照权威度排序。工科类：CSCD C库>CSCD E库（相当于CSCD扩展）>北大核心>科技核心。2.国外核心（全英文）：按照权威度排序为：SSCI=SCI>EI>ISTP=CPCI。
-
想快速发表，可以加急吗？
为了确保您的职称评定顺利进行，我们建议提前半年到一年开始准备，这样能够保证有充足的时间来处理所有相关事宜。如果客户需要加急服务，我们会与杂志社进行沟通，以确定是否可以提供加急服务。请注意，如果确认可以加急，可能会收取一定的加急费用。
-
你们提供的服务可以确保稿件被发表吗？
期刊编辑会综合考虑多个因素，如发表范围、学术价值和原创性等，对稿件进行综合评估。尽管任何机构均无法保证每篇稿件都会被发表，但我们可以用专业知识和丰富经验，协助您理解并遵循期刊的发表要求，从而提高您的稿件被发表的机率。
-
请问期刊发表的费用如何？
期刊发表的费用因期刊不同而异。根据您的需求，我们会为您推荐性价比最高的期刊，并提供专业的期刊供您选择。一般来说，只要符合职称要求，大多数作者都会选择性价比最高的期刊作为意向期刊进行重点咨询。我们会为您提供详细的期刊信息和费用说明，以确保您能够做出明智的选择。
-
如果稿件被拒，未能成功发表，费用是否可以退还？
一般来说，我们推荐的期刊和您的专业方向、文章情况都是匹配的，极少出现稿件被拒的情况。如果稿件被拒，期刊编辑会提供详细的拒稿信和建议，以帮助您了解拒稿原因并改进您的稿件。关于退款政策，具体情况可能因期刊不同而异，请您咨询我们的工作人员以获取详细信息。
相关期刊推荐
-
Geographia Polonica
中科院 4区 JCR Q3
大类：社会学
-
Journal Of Failure Analysis And Prevention
中科院 4区 JCR Q2
大类：工程技术
-
Sophia-coleccion De Filosofia De La Educacion
中科院 3区 JCR Q3
大类：教育学
-
Journal Of Feminist Scholarship
中科院 3区 JCR Q4
大类：社会学
-
Nepalese Journal Of Ophthalmology
中科院 4区 JCR Q4
大类：医学
-
Geojournal
中科院 3区 JCR Q2
大类：社会学
热门期刊推荐
-
Acs Chemical Biology
中科院 2区 JCR Q2
-
Communications Biology
中科院 1区 JCR Q1
-
Computational And Structural Biotechnology Journal
中科院 2区 JCR Q2
-
Briefings In Bioinformatics
中科院 2区 JCR Q1
-
Microbiological Research
中科院 1区 JCR Q1
-
Faseb Journal
中科院 2区 JCR Q1
-
International Journal Of Biological Macromolecules
中科院 2区 JCR Q1
-
Peerj
中科院 3区 JCR Q2