| نمایه | آخرین بروز رسانی |
|---|---|
| Scopus | فوریه ۲۰۲۲ |
| ISI | آگوست ۲۰۲۳ |
| SCImago | ژانویه ۲۰۲۰ |
| ISI Open Access Journals | می ۲۰۲۵ |
| لیست سیاه وزارت علوم | شهریور ۱۴۰۲ |
| لیست سیاه وزارت بهداشت | شهریور ۱۴۰۲ |
| لیست سیاه دانشگاه آزاد | بهمن ۱۳۹۹ |
| مجلات دارای زمان داوری | ژانویه ۲۰۲۲ |
| مجلات درجه بندی شده از نظر سختی پذیرش | ژانویه ۲۰۲۲ |
| فراخوانهای مقاله | مارس ۲۰۲۵ |
| آمار دانلود مقالات هر مجله | ژانویه ۲۰۲۲ |
| نمایه | آخرین بروز رسانی |
|---|---|
| Scopus | فوریه ۲۰۲۵ |
| ISI | سپتامبر ۲۰۲۵ |
| SCImago | می ۲۰۲۵ |
| ISI Open Access Journals | می ۲۰۲۵ |
| لیست سیاه وزارت علوم | شهریور ۱۴۰۴ |
| لیست سیاه وزارت بهداشت | فروردین ۱۴۰۳ |
| لیست سیاه دانشگاه آزاد | دی ۱۴۰۳ |
| مجلات دارای زمان داوری | می ۲۰۲۵ |
| مجلات درجه بندی شده از نظر سختی پذیرش | می ۲۰۲۵ |
| فراخوانهای مقاله | مارس ۲۰۲۵ |
| آمار دانلود مقالات هر مجله | می ۲۰۲۵ |
Biodata Mining
| انگلستان | کشور |
| ۲٫۵۲۲ | Impact Factor |
| 1756-0381 | ISSN |
| 1756-0381 | e-ISSN |
| 2009 تا کنون | مدت فعالیت |
| Springer Nature | ناشر |
| biodatamining.biomedcentral.com | سایت مجله |
ISI
Scopus این مجله در فهرست مجلات Scopus قرار دارد و با نام BioData Mining ثبت شده است. بر اساس تقسیم بندی این بنیاد مقالات چاپ شده در این مجله در رشته های تخصصی زیر قرار دارند:
SCImago بر اساس دسته بندی این بنیاد این مجله در دسته Q1 قرار دارد
رشته تخصصی و رتبه مجله در آن رشته:
BioData Mining یک مجله با دسترسی باز و با بازبینی باز است که شامل تحقیقات در مورد تمام جنبه های داده کاوی به کار رفته در داده های بیولوژیکی و زیست پزشکی با ابعاد بالا می باشد و بر جنبه های محاسباتی کشف دانش از مقیاس بزرگ ژنتیکی، رونویسی، ژنومی، پروتئومی، و پروتئومی تمرکز دارد. داده های متابولومیک
حوزه های موضوعی شامل، اما محدود به موارد زیر نیست:
-توسعه، ارزیابی و کاربرد الگوریتم های جدید داده کاوی و یادگیری ماشین.
-تطبیق، ارزیابی و کاربرد الگوریتم های سنتی داده کاوی و یادگیری ماشین.
-نرم افزار منبع باز برای کاربرد داده کاوی و الگوریتم های یادگیری ماشین.
-طراحی، توسعه و ادغام پایگاههای اطلاعاتی، نرمافزار و خدمات وب برای ذخیرهسازی، مدیریت، بازیابی و تجزیه و تحلیل دادههای حاصل از مطالعات در مقیاس بزرگ.
-پیش پردازش، پس پردازش، مدل سازی و تفسیر نتایج داده کاوی و یادگیری ماشین برای تفسیر بیولوژیکی و کشف دانش.