《Methods》雜志的收稿范圍和要求是什么？
來源：優(yōu)發(fā)表網(wǎng)整理 2024-09-18 11:02:29 1489人看過
《Methods》雜志收稿范圍涵蓋生物學(xué)全領(lǐng)域，此刊是該細分領(lǐng)域中屬于非常不錯的SCI期刊，在行業(yè)細分領(lǐng)域中學(xué)術(shù)影響力較大，專業(yè)度認(rèn)可很高，所以對原創(chuàng)文章要求創(chuàng)新性較高，如果您的文章質(zhì)量很高，可以嘗試。
平均審稿速度 一般,3-8周 約11.3周，影響因子指數(shù)4.2。
該期刊近期沒有被列入國際期刊預(yù)警名單，廣大學(xué)者值得一試。
具體收稿要求需聯(lián)系雜志社或者咨詢本站客服，在線客服團隊會及時為您答疑解惑，提供針對性的建議和解決方案。
出版商聯(lián)系方式：ACADEMIC PRESS INC ELSEVIER SCIENCE, 525 B ST, STE 1900, SAN DIEGO, USA, CA, 92101-4495
其他數(shù)據(jù)
| 是否OA開放訪問： | h-index： | 年文章數(shù)： |
| 未開放 | 132 | 115 |
| Gold OA文章占比： | 2021-2022最新影響因子（數(shù)據(jù)來源于搜索引擎）: | 開源占比（OA被引用占比）： |
| 25.00% | 4.2 | 0.15... |
| 研究類文章占比：文章 ÷（文章 + 綜述） | 期刊收錄： | 中科院《國際期刊預(yù)警名單（試行）》名單： |
| 99.13% | SCIE | 否 |
歷年IF值(影響因子)：
歷年引文指標(biāo)和發(fā)文量：
歷年中科院JCR大類分區(qū)數(shù)據(jù)：
歷年自引數(shù)據(jù)：
發(fā)文統(tǒng)計
2023-2024國家/地區(qū)發(fā)文量統(tǒng)計：
| 國家/地區(qū) | 數(shù)量 |
| USA | 285 |
| GERMANY (FED REP GER) | 62 |
| CHINA MAINLAND | 58 |
| England | 52 |
| France | 37 |
| Canada | 27 |
| South Korea | 18 |
| Japan | 16 |
| Australia | 15 |
| Italy | 15 |
2023-2024機構(gòu)發(fā)文量統(tǒng)計：
| 機構(gòu) | 數(shù)量 |
| UNIVERSITY OF CALIFORNIA SYSTEM | 35 |
| CENTRE NATIONAL DE LA RECHERCHE ... | 27 |
| PENNSYLVANIA COMMONWEALTH SYSTEM... | 18 |
| HELMHOLTZ ASSOCIATION | 12 |
| IMPERIAL COLLEGE LONDON | 12 |
| INSTITUT NATIONAL DE LA SANTE ET... | 10 |
| MAX PLANCK SOCIETY | 10 |
| UNIVERSITY OF LONDON | 10 |
| UNIVERSITY OF TEXAS SYSTEM | 10 |
| CHINESE ACADEMY OF SCIENCES | 9 |
近年引用統(tǒng)計：
| 期刊名稱 | 數(shù)量 |
| NUCLEIC ACIDS RES | 568 |
| P NATL ACAD SCI USA | 463 |
| NATURE | 448 |
| SCIENCE | 345 |
| CELL | 317 |
| METHODS | 267 |
| J AM CHEM SOC | 230 |
| NAT METHODS | 230 |
| RNA | 209 |
| NAT BIOTECHNOL | 192 |
近年被引用統(tǒng)計：
| 期刊名稱 | 數(shù)量 |
| SCI REP-UK | 706 |
| MOL MED REP | 616 |
| INT J MOL SCI | 494 |
| ONCOL LETT | 491 |
| EXP THER MED | 408 |
| ONCOL REP | 277 |
| METHODS | 267 |
| PLOS ONE | 259 |
| INT J MOL MED | 238 |
| NAT COMMUN | 236 |
近年文章引用統(tǒng)計：
| 文章名稱 | 數(shù)量 |
| Deep-Resp-Forest: A deep forest ... | 34 |
| Deep learning in bioinformatics:... | 31 |
| Bispecific T-cell engagers: Towa... | 21 |
| Covalent labeling-mass spectrome... | 20 |
| Gut metabolome meets microbiome:... | 18 |
| Contemporary hydrogen deuterium ... | 18 |
| Engineering therapeutic bispecif... | 18 |
| Functional microbiomics: Evaluat... | 17 |
| Lensless digital holographic mic... | 16 |
| Mass spectrometry-enabled struct... | 16 |
聲明：以上內(nèi)容來源于互聯(lián)網(wǎng)公開資料，如有不準(zhǔn)確之處，請聯(lián)系我們進行修改。
