总结500多篇生信SCI教你发文攻略,还能设计基金思路
2019年,显然大家都在忙复习、考试、院内基金初审,当然不乏有一批小伙伴思路都没找到,实验的思路一筹莫展,那么有没有什么技能是可以既能发文又能寻找实验思路呢?那就是bioinformatics。
今天咱们对2018年全年的“不做实验、挖掘二手数据”的SCI进行统计,一起找到“最喜欢生信的期刊”、“发表最快的期刊”。
因为是挖掘别人的二手生信数据,我们根据两大公共疾病数据库“TCGA”“Gene expression omnibus”+bioinformatics为关键词检索了Pubmed中收录的文章,得到以下的结果,逐年SCI文章发表趋势如下。
Pubmed关键词:bioinformatics、TCGA、GEO
(当然这里面肯定有生信+实验的文章)
今年的月平均发表量在60篇,那么我们统计了其中514篇生信SCI,它们分布于1~31分不等(当然这里面高分文章,例如>10分大部分还是需要增加实验验证)。
杂志名称 | 发文数量 | IF因子 |
Mol Med Rep | 33 | 1.922 |
Oncol Lett | 20 | 1.664 |
Bioinformatics | 16 | 5.481 |
Oncol Rep | 13 | 2.976 |
Med Sci Monit | 12 | 1.894 |
Oncotarget | 12 | 已踢 |
Exp Ther Med | 11 | 1.41 |
BMC Bioinformatics | 11 | 2.213 |
J Cell Biochem | 11 | 2.959 |
Sci Rep | 11 | 4 |
Cell Physiol Biochem | 11 | 5.5 |
Cell Rep | 10 | 8.032 |
Pathol Res Pract | 9 | 1.466 |
Onco Targets Ther | 9 | 2.656 |
Int J Cancer | 9 | 7.36 |
Medicine (Baltimore) | 8 | 2.028 |
Biomed Res Int | 8 | 2.583 |
BMC Cancer | 8 | 3.288 |
PLoS One | 7 | 2.766 |
Int J Oncol | 7 | 3.333 |
Nat Commun | 7 | 11 |
Gene | 6 | 2.498 |
PeerJ | 5 | 2.118 |
Cancer Med | 5 | 3.202 |
Cancer Manag Res | 5 | 3.702 |
BMC Genomics | 5 | 3.73 |
J Cell Physiol | 5 | 3.923 |
Cancer Cell Int | 5 | 3.96 |
Genome Med | 5 | 8.898 |
Cancer Cell | 5 | 22.844 |
Int J Mol Med | 4 | 2.784 |
J Cancer | 4 | 3.249 |
Oncogene | 4 | 6.854 |
Clin Cancer Res | 4 | 10.199 |
Biomed Rep | 4 | 已踢 |
Cell | 4 | 31.398 |
首先是大家最喜欢、性价比最高的1~5分生信类期刊的年度总结介绍:
杂志 | 发文数量 | IF因子 |
Mol Med Rep | 33 | 1.9 |
Oncol Lett | 20 | 1.7 |
Oncol Rep | 13 | 3.0 |
Med Sci Monit | 12 | 1.9 |
Sci Rep | 11 | 4.0 |
J Cell Biochem | 11 | 3.0 |
BMC Bioinformatics | 11 | 2.2 |
Exp Ther Med | 11 | 1.4 |
Onco Targets Ther | 9 | 2.7 |
Pathol Res Pract | 9 | 1.5 |
BMC Cancer | 8 | 3.3 |
Biomed Res Int | 8 | 2.6 |
Medicine (Baltimore) | 8 | 2.0 |
Int J Oncol | 7 | 3.3 |
PLoS One | 7 | 2.8 |
Gene | 6 | 2.5 |
Cancer Cell Int | 5 | 4.0 |
J Cell Physiol | 5 | 3.9 |
BMC Genomics | 5 | 3.7 |
Cancer Manag Res | 5 | 3.7 |
Cancer Med | 5 | 3.2 |
PeerJ | 5 | 2.1 |
J Cancer | 4 | 3.2 |
Int J Mol Med | 4 | 2.8 |
FEBS Open Bio | 4 | 1.8 |
Int J Mol Sci | 3 | 3.7 |
Biomed Pharmacother | 3 | 3.5 |
Am J Transl Res | 3 | 3.1 |
Biosci Rep | 3 | 2.9 |
Biochem Biophys Res Commun(BBRC) | 3 | 2.4 |
Eur Rev Med Pharmacol Sci | 3 | 2.4 |
Pathol Oncol Res | 3 | 1.9 |
World J Surg Oncol | 3 | 1.8 |
这里面有多个杂志已被很多国内单位列入“期刊黑名单”,请自己对照一下自己单位的“期刊黑名单”(当然也不要传谣),杂志敢不敢投毕竟还是要结合自己实际情况以及单位明文规定,不听谣不信谣。
1~5分文章的大部分套路都如下:
基本上都是我们以前讲过的套路了,和以上分析过程大部分都比较雷同。
然后,我们把5分以上的97篇章归纳到了各个期刊,发文数量如下:
杂志 | 发文数量 | IF因子 |
Cell | 4 | 31.4 |
Cancer Cell | 5 | 22.8 |
J Clin Invest | 2 | 13.3 |
Nat Commun | 7 | 11.0 |
Nucleic Acids Res | 3 | 11.0 |
Clin Cancer Res | 4 | 10.2 |
Proc Natl Acad Sci U S A | 2 | 9.0 |
Cell Syst | 3 | 9.0 |
Genome Med | 5 | 8.9 |
Cell Rep | 10 | 8.0 |
Cell Death Differ | 1 | 8.0 |
Int J Cancer | 9 | 7.4 |
Oncogene | 4 | 6.9 |
Genomics Proteomics Bioinformatics | 2 | 6.6 |
Cancer Lett | 1 | 6.5 |
EBioMedicine | 3 | 6.2 |
Cell Physiol Biochem | 11 | 5.5 |
Bioinformatics | 16 | 5.5 |
Mol Oncol | 3 | 5.3 |
Hum Reprod | 1 | 5.0 |
Epigenomics | 1 | 5.0 |
5分~11分范围较容易发生信SCI的期刊有:Bioinformatics、Cell Physiol Biochem、Int J Cancer、Cell Rep、Nat Commun。
神级期刊(>20分):Cell,4篇;Cancer Cell 5篇,中国学者占据一半左右,但是通讯单位都在国外。没钱的请绕道,玩不起。
文章标题 | 作者 | 杂志 |
A Pan-Cancer Analysis of Enhancer Expression in Nearly 9000 Patient Samples.多肿瘤 | Chen H, et al | Cell |
Cell-of-Origin Patterns Dominate the Molecular Classification of 10,000 Tumors from 33 Types of Cancer.多肿瘤 | Hoadley KA, et al. | Cell |
Oncogenic Signaling Pathways in The Cancer Genome Atlas.多肿瘤 | Sanchez-Vega F, et al. | Cell |
Perspective on Oncogenic Processes at the End of the Beginning of Cancer Genomics. | Ding L, et al. | Cell |
A Comprehensive Pan-Cancer Molecular Study of Gynecologic and Breast Cancers.多肿瘤 | Berger AC, et al. | Cancer Cell |
A-to-I RNA Editing Contributes to Proteomic Diversity in Cancer.一种RNA编辑技术 | Peng X, et al | Cancer Cell |
lncRNA Epigenetic Landscape Analysis Identifies EPIC1 as an Oncogenic lncRNA that Interacts with MYC and Promotes Cell-Cycle Progression in Cancer.多肿瘤 | Wang Z, et al | Cancer Cell |
Systematic Functional Annotation of Somatic Mutations in Cancer.多肿瘤 | Ng PK, Li J, et al. | Cancer Cell |
The Integrated Genomic Landscape of Thymic Epithelial Tumors.局部多肿瘤 | Radovich M, et al. | Cancer Cell |
和咱们医学相关的高分的生信SCI分为3类:
1.纯生信分析:一般为多肿瘤组学分析(例如聚焦于所有肿瘤、或者局部器官肿瘤);
2.生信+实验:预后相关分子,验证功能和找到分子机制机制;
3.数据库类:处理公共数据库的数据,提供可以查询差异基因、功能解析、网络互作的功能(你可以1.0、2.0、3.0地去升级,多刷几篇文章);
多肿瘤类的文章无非就是在肿瘤类型、样本类型上、分子维度上叠加即可,以此类推,分数和工作量是成正比的。以上单细胞测序数据挖掘、分子机制类的纯生信分析,我们团队都可以很好滴去实现。
文章的最后我们强烈推荐“单细胞测序数据挖掘”这个套路,2019年将是“单细胞测序”走向辉煌,走向普及的一年,因为GEO中已经有大量的单细胞测序的数据,我们拭目以待。
单细胞测序结合样本测序,将大有作为
你有临床样本
我有生信博士
你+我=高质量分析数据
扫码备注:生信分析
相关阅读:
长按二维码识别关注“小张聊科研”
关注后获取《科研修炼手册》1、2、3、4、5、6、7,8