Journal Of Theoretical Biology杂志是一本国际优秀期刊，是一本未开放获取期刊。该杂志近三年影响因子分别为：2023年1.9、2022年2、2021年2.405。该杂志近三年CiteScore评价分区分别为：2023年4.2区、2022年4.9区、2021年5.2区。该刊专门致力于推进BIOLOGY领域的研究，涵盖了BIOLOGY领域的各个方面，汇集所有专家，促进BIOLOGY领域的更好协作和信息共享。该期刊为BIOLOGY领域的科研人员提供了一个高影响力的论坛，使该领域的科研人员、从业人员和学生能够接触到尖端的经验性调查分析、学术对话以及行业科研成果的最新发展。通过收录高质量的原创论文和评论论文，促进BIOLOGY领域的应用与发展。该期刊还将该领域的创新与应用，以提高研究的质量和实用性。近年来在该刊上发文的国家和地区主要有：Zimbabwe（发文量1）、Wales（发文量6）、Vietnam（发文量1）、Venezuela（发文量1）、Uruguay（发文量2）、USA（发文量312）。
Journal Of Theoretical Biology是一本由Academic Press Inc.出版社发行的知名BIOLOGY期刊。该杂志社联系方式ACADEMIC PRESS LTD- ELSEVIER SCIENCE LTD, 24-28 OVAL RD, LONDON, ENGLAND, NW1 7DX。审稿过程是确保期刊质量的关键环节。Journal Of Theoretical Biology杂志的审稿速度平均需要 约3.0个月 约14.2周。这一时间周期既体现了编辑部对稿件质量的严格把关，也反映了审稿专家对学术研究的尊重和支持。在这个过程中，作者们可以充分利用这段时间对自己的研究成果进行完善和优化，以提高论文的质量和影响力。如果您对该期刊感兴趣，并希望了解更多关于投稿流程、投稿要求和技巧的信息，您可以咨询本站的客服老师，我们将帮助您了解期刊的投稿要求、审稿流程以及可能遇到的问题，并根据您的具体情况提供相应的建议和解决方案。
| CiteScore | SJR | SNIP | CiteScore排名 | |||
|---|---|---|---|---|---|---|
| 4.2 | 0.553 | 0.705 | 学科类别 | 分区 | 排名 | 百分位 |
|
大类：大类：Mathematics
小类：小类：StatisticsandProbability
|
Q1 | 43/278 | 84% | |||
|
大类：大类：Mathematics
小类：小类：GeneralMedicine
|
Q1 | 121/636 | 81% | |||
|
大类：大类：Mathematics
小类：小类：AppliedMathematics
|
Q1 | 127/635 | 80% | |||
|
大类：大类：Mathematics
小类：小类：GeneralAgriculturalandBiologicalSciences
|
Q1 | 54/221 | 75% | |||
|
大类：大类：Mathematics
小类：小类：ModelingandSimulation
|
Q2 | 99/324 | 69% | |||
|
大类：大类：Mathematics
小类：小类：GeneralImmunologyandMicrobiology
|
Q2 | 23/61 | 63% | |||
|
大类：大类：Mathematics
小类：小类：GeneralBiochemistry,GeneticsandMolecularBiology
|
Q2 | 90/221 | 59% | |||
| 按JIF指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
|---|---|---|---|---|
| 学科：BIOLOGY | SCIE | Q2 | 52 / 109 | 52.8% |
| 学科：MATHEMATICAL & COMPUTATIONAL BIOLOGY | SCIE | Q3 | 36 / 65 | 45.4% |
| 按JCI指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
|---|---|---|---|---|
| 学科：BIOLOGY | SCIE | Q2 | 48 / 109 | 56.42% |
| 学科：MATHEMATICAL & COMPUTATIONAL BIOLOGY | SCIE | Q3 | 36 / 65 | 45.38% |
文章名称
引用次数
Identification of protein subcellular localization via integrating evolutionary and physicochemical information into Chous general PseAAC
42
Identifying 5-methylcytosine sites in RNA sequence using composite encoding feature into Chous PseKNC
27
SPrenylC-PseAAC: A sequence-based model developed via Chous 5-steps rule and general PseAAC for identifying S-prenylation sites in proteins
26
iMethyl-STTNC: Identification of N-6-methyladenosine sites by extending the idea of SAAC into Chous PseAAC to formulate RNA sequences
24
Self-binding peptides: Binding-upon-folding versus folding-upon-binding
23
iRNA-PseKNC(2methyl): Identify RNA 2 -O-methylation sites by convolution neural network and Chous pseudo components
21
Mathematical modeling of tumor-immune cell interactions
18
Predicting protein submitochondrial locations by incorporating the pseudo-position specific scoring matrix into the general Chous pseudo-amino acid composition
17
DPP-PseAAC: A DNA-binding protein prediction model using Chous general PseAAC
17
iMem-2LSAAC: A two-level model for discrimination of membrane proteins and their types by extending the notion of SAAC into chous pseudo amino acid composition
16
国家/地区
发文量
TUSA
312
TCHINA MAINLAND
159
TEngland
145
TJapan
101
TFrance
82
TCanada
69
TAustralia
67
TGERMANY (FED REP GER)
57
TIndia
56
TItaly
38
