Plant Physiology（植物生理學）是植物學領域的老牌頂級期刊，文章收錄方向為植物生物學的各個方面，在植物生理學雜志中排名前3%，在基因組學雜志中排名前7%。在細分領域中學術影響力較大，專業度和創新性要求都比較高，是以投稿難度較大。
點選關注，訂閱更多期刊資訊哦！
期刊基本資訊
《Plant Physiology》是由American Society of Plant Biologists出版的植物學領域頂級月刊。由1926年創刊，ISSN 0032-0889，ESSN 1532-2548。研究領域涵蓋植物生物學的各個方面，包括結構、分子、系統和生态生理學等。
2021年影響因子8.005
總編
Yunde Zhao, Ph.D.
Email：[email protected]
機構：加利福尼亞大學聖疊戈分校生物科學院，La Jolla, USA
領域：細胞與發育生物學，植物遺傳學，生物化學
副主編
Diane Bassham
Email：[email protected]
機構：愛荷華州立大學，Lowa, USA
領域：植物液泡的生物發生和功能，液泡相關的蛋白運輸通路，遺傳學，分子生物學
副主編
Juan Dong
Email: [email protected]
機構：羅格斯大學Waksman研究所，Piscataway, USA
領域：植物極化蛋白，發育生物學，細胞生物學，分子遺傳學
副主編
Andrew Hanson
Email: [email protected]
機構：佛羅裡達大學農業科學院，Gainesville, USA
領域：代謝生物化學，植物維生素代謝與工程，比較基因組學
期刊IF資訊
Plant Physiology 2021年的IF為8.005，今年預測IF為7.15，中科院分區生物學大類1區，小類植物科學1區，版面費：非OA2100美元，OA3411美元。總的中國文章占比約17.7%。平均審稿時間約70天，一審周期約60天。自引率4.7%，接收率20%。
在投稿國家和機構TOP5中，投稿數量最高的國家是美國（34%），第二高是中國（31%）；數量最高的機構是歐洲研究型大學聯盟（40%），第二高的是中國科學院（18%）。
收稿範圍
Plant Physiology期刊宗旨是促進植物生物學的生長和發展，鼓勵和發表植物生物學研究。研究領域包括分子生物學、細胞生物學、微生物學、統計生物學等。發文數從1963年（125篇）後迅速上升，年均發文450篇左右。
1926-2023每年發表的期刊數
21-23年發表的所有文章（1535篇）中，論文占比98%（1507篇），綜述論文約占5%（76篇），社論文章約5%（211篇）。
發表過的生信文章
01Genome-wide profiling of rice DOUBLE-STRANDED RNA BINDING PROTEIN 1-associated RNAs by targeted RNA editing
通過靶向RNA編輯水稻雙鍊RNA結合蛋白1相關RNA的全基因組分析
發表日期：13 March 2023
RNA結合蛋白(RBPs)在調控基因表達中起重要作用。原生質體實驗表明，RBP-ADARdd融合有效地編輯了其結合位點41個核苷酸内的腺苷。開發了生物資訊學方法識别RDVs中的A-to-I RNA編輯。共鑒定1798個高置信度RNA編輯(HiCE)位點。這些HiCE位點主要位于重複元件、3´-UTR和内含子中。還在miRNAs和其他sRNAs中鑒定了191個A-to-I RNA編輯，證明OsDRB1參與了sRNA的生物發生或功能。研究為植物RBPs的RNA配體全基因組分析提供了一個有價值的工具，提供了OsDRB1結合RNA的全局視圖。
02
Transcriptomic and metabolomic analysis reveals a protein module involved in preharvest apple peel browning
轉錄組學和代謝組學分析發現參與收獲前蘋果皮褐變的蛋白質子產品
發表日期：01 February 2023
轉錄組學和代謝組學綜合分析顯示，收獲前蘋果皮褐變主要是由于酚類物質和類黃酮的變化。确定了MdLAC7(漆酶7)在收獲前蘋果皮褐變過程中的作用。瞬間注射、過表達和CRISPR/Cas9敲除MdLAC7基因，發現缬氨酸、花青素、單甯酸、辛酸和兒茶酸是其催化底物。在光照下，光響應轉錄因子MdHY5與MdWRKY31的啟動子結合，抑制了該基因表達，進而間接抑制MdLAC7功能。MdHY5在G-box1/2位點與MdLAC7啟動子結合，并直接抑制其在體内的表達。研究揭示了MdLAC7介導的蘋果采前果皮褐變調控機制，并證明光在抑制MdLAC7活性并随後減少果皮褐變中的作用。
03
Combining Machine Learning and Homology-Based Approaches to Accurately Predict Subcellular Localization in Arabidopsis
結合機器學習和基于同源的方法準确預測拟南芥亞細胞定位
發表日期：20 July 2010
基于多種蛋白質特征的組合存在，如氨基酸組成、序列順序效應、末端資訊、位置特異性評分矩陣和基于相似搜尋的位置特異性疊代基本局部對齊搜尋工具資訊，建立了一個基于支援向量機的綜合定位預測器，稱為AtSubP(拟南芥亞細胞定位預測器)。5倍交叉驗證預測7個亞細胞區室，實作了91%的總靈敏度和高置信度，Matthews相關系數分别為90.9%和0.89。在兩個獨立的資料集上對AtSubP進行基準測試，一個來自Swiss-Prot，一個含綠色熒光蛋白和質譜測定蛋白。與同類工具(如TargetP、Plant-PLoc和All-Plant等)相比，AtSubP的預測精度顯著提高。AtSubP顯著優于目前用于拟南芥蛋白質組注釋的所有預測工具。