生物信息学（Bioinformatics）： 是在生命科学的研究中，以计算机为工具对生物信息进行储存、检索和分析的科学。它是当今生命科学和自然科学的重大前沿领域之一，同时也将是21世纪自然科学的核心领域之一。其研究重点主要体现在基因组学(Genomics)和蛋白学(Proteomics)两方面，具体说就是从核酸和蛋白质序列出发，分析序列中表达的结构功能的生物信息。 具体而言，生物信息学作为一门新的学科领域，它是把基因组DNA序列信息分析作为源头，在获得蛋白质编码区的信息后进行蛋白质空间结构模拟和预测，然后依据特定蛋白质的功能进行必要的药物设计。基因组信息学,蛋白质空间结构模拟以及药物设计构成了生物信息学的3个重要组成部分。从生物信息学研究的具体内容上看，生物信息学应包括这3个主要部分：(1)新算法和统计学方法研究；(2)各类数据的分析和解释；(3)研制有效利用和管理数据新工具。 生物信息学是一门利用计算机技术研究生物系统之规律的学科。 目前的生物信息学基本上只是分子生物学与信息技术（尤其是因特网技术）的结合体。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。 生态信息学或者信息生态学(Ecological Informatics)： 是以现代系统理论、方法和现代计算机技术来分析、处理整日趋膨胀的试验和观测的生态学信息，寻求生态学系统整体水平的规律。专家们认为，现今世界科学研究的发展趋势的应该是强调整合和系统的整体论，而强调解析的还原论的结果通常是导致科学家对越来越小局部和的片断的越来越深的了解。对于象生态系统这样的复杂系统而言，仅仅了解系统的内部的局部环节远远不足以解释系统的行为，因为系统各部分（子系统）之间的相互作用在解释系统行为方面同等重要。专家们提出如下信息生态学优先研究领域。 1．生态学数据采集技术的规范化及数据库的系统化 在生态学数据的采集方法、技术、手段、及数据精度等方面，应尽量实现规范化和标准化，尽可能利 用新的数据传感技术（如近红外技 术），使之尽可能符合国际、国家。或者行业的标准，为后续的信息分析和处理打下良好的基础，为信息的交流传播和共享创造条件。鉴于数据生态学数据的形式、时空范围、获取背景等诸多方面的多样化，有必要对现有的生态学数据进 行系统化的整编、改造，使之能够 互相补充，互相印证。同时，有必要就上述问题展开方法和技术方面的研究。 2．生态系统信息分析与模型化以不同方法手段对生态学数据进行分析和处理，从中导出有关生态学规律 发展各种不同类型、不同尺度、不同层次的生态系统模型，通过对系统的模拟分析，从生态学数据中提取有关生态系统的行为和规律方面的信息。主要包括如下方面：①．生物群落的综合信息分析理论。发展包括环境、空间因素、生物要素在内的群落学多元统计分析方法将是信息生态学在群落分析方面的重要的潜在突破曰。②．基于过程的植物个体（包括农作物、森林树木）生长发育动态模拟模型。模拟不同气候、土壤条件下，植物个体各部分的生长。发育以及净第一性生产力、产量。材积形成的过程。③．森林群落结构动态模型。建立适合于我国特殊情况的（灾害频繁、人为活动干扰强度大等）森林群落物种演替动态模拟模型。④．空间耦合动态模拟模型理论、空间模拟软件系统。很有必要建立一个空间异质生态系统模拟的计算机环境，专门用于各种不同的空间异质生态系统的模拟模 型的建立。⑤．空间异质生态系统模拟模型。针对景观尺度和区域尺度的生态学问题，建立生态系统结构和功能耦合、空间格点耦合的双重耦合生态系统模拟模型。⑹．不同尺度生态系统模拟模型的尺度转换。 3．生态系统管理的信息化咨询与决策 结合理论模型和生态系统管理方面的定性的和定量的专家经验性知识，建立生态系统管理咨询与决策系统。关键问题包括：专家经验和知识的规范化和知识库建立。理论模型与专家经验的结合。研究有关的方法和技术，正确客观地处理理论模型结果和专家经验知识之间的矛盾。 尽管处理的科学问题不同、时空尺度不同，但生物信息学和信息生态学所用的信息分析工具却有许多是相同的或相近的。研究和发 展一些通用的信息工具是共同的需要。 生物信息学和信息生态学的研究需要发展有效的能支持大尺度作图与测序需要的软件和数据库以及若干数据库工具，包括互联网络上的远程通讯工具，使之能容易地处理日益增长的物理图、遗传图和序列信息、地理信息。改进现有的理论分析方法，如统计方法，隐含马尔科夫过程方法，非线性动力系统方法，特别是混浊和分维方法，神经网络方法，复杂性分析方法，密码学方法，多序列比较方法等；要研究系统自组织问题、熵或其它信息的测度问题，创建一切适用于基因组信息和信息生态学分析的新方法、新技术，包括引人复杂系统分析技术、信息系统分析技术等，例如，发展离散数学和组合数学相结合的方法；发展统计语言学和代数语言学相结合的方法；发展研究基因组完整信息结构和信 息网络的研究方法等。如近红外光谱技术、计算计视觉技术、图像和图形的识别技术的研究，也是非常重要的。这一切是我国生物信息学和信息生态学研究取得突破的技术保障。
Bio informatics，很多方法类文章都发在上面，但是影响因子一般。如果有实验和数据分析，大多投到生物相关的杂志，比如genome research, nature genetics, nature等，在method里面涉及一些生信的方法，连带把algorithm放出来，供大家使用。所以，不一定非要发到Bio informatics。以前在Adderley学计算机的，研究字符串比较之类的问题，UNIX下的gnu diff就是他的杰作。后来写了blast，blast的重要性就不多说了，在后来在Celerity把string graph 应用到genome assembly，直接把HGP操翻。虽然现在因为2代测序出现D Bruising占了上风，不过随着3代测序的普及，他的string graph based OLC将再一次统治genome assembly界。
意义不明。树状图就是分析的结果，都做出来了还分析什么？
这个要自己想清楚了，本人是10年生物学研究生毕业，感觉工作不是很好找。如果是大学老师的话，一般需要时博士在读或者毕业，而且据我所知待遇也不怎么高，我的导师也就3000多吧，我们是211工程学校，可能学校不同情况也不一样。说实话考研不难考，只要你英语过线，考博比考研还简单，就是传说中的好进不好毕业，毕业需要发表论文，硕士一篇，博士三篇，好的学校对论文的质量还有具体要求。个人认为要是你刚开始当老师的话，还是踏实的干段时间，考研没有你想象的那么有用，特别是生物。当然，这个还是要你自己决定。
编辑部只有合作期刊统计源科技核心《现代生物医学进展》
可以寻找关键词，如数据库类，GEO，TCGA，Oncomine等，还有一些生信本身的关键词，如data mining，slico analysis之类
药物分析1981年更名为《药物分析杂志》，2005年由双月刊改为月刊，是中国自然科学核心期刊和中国中文核心期刊。主要作者、读者为从事科研和应用，以及高等教育的药物分析学科专业技术工作者和科技管理者。 《药物分析杂志主管主办：中国科协 中国药学会快捷分类：医学药学 医药卫生科技出版发行：北京 月刊 A4期刊刊号：0254-1793, 11-2224/R创刊时间：1981 影响因子 723审稿时间：1-3个月期刊级别： CSCD核心期刊 北大核心期刊 统计源期刊
Scientific Reports 是 Natrure 旗下的综合性科学期刊，2012年第一次影响因子为9。文章强调“技术”上的先进，但“无需具有重大科研意义”，所以审稿要求低于Nature的其他刊物，投稿者一般都是投Nature系列刊物被拒稿后转投的，所以文章水平还是比较高的，但是由于是新刊物，且发表文章数量过多，因此造成影响因子偏低。据我所知，该期刊目前在国内物理界还是受到广泛认可的，但是如果唯影响因子论的老板或单位可能就看不上了。根据我的投稿经验，期刊审稿时间在1个月左右，其审稿难度远高于同影响因子的期刊，功利的说，除非单位特别认可，否则不建议投稿。PS:期刊文章全部在线出版，开放免费下载，但版面费挺高的。
分析化学方面：美国的AC（Analytical Chemistry）是该领域最具权威性的了，其他还有色谱A，ABC（Analytical and Bioanalytical Chemistry），Analytica Chimica Acta，电泳（Electrophoresis(），分析家（The Analyst）等杂志。一般看sci影响因子。但就一个学科而言，还是具体看专业方向，不同小方向的具体牛杂志也是有点差异的。
1、首先就是要多看期刊，评估期刊的档次，有些SCI期刊虽然影响因子很高，但是属于灌水的产物，有的所谓TOP期刊，但是命中率相对高，所以对业内期刊有所了解，看看文章质量，再和自己的期刊对比，看看适不适合该影响因子范畴。 2、其次就是要主题对应。一些期刊对主题要求都比较鲜明，如果主题不符只追求高质量期刊很容易悲剧，这是个人经验，很多良心主编据了你的稿件后会推荐一些适合的期刊，但是有的可能直接就据稿了，所以一定要仔细看期刊主页提供的要求，别做无用功，因为很多SCI期刊一审稿就要按月算，千万别去浪费时间，你拖不起。 3、IDEA，现在论文都追求创新，在写论文之前要构建良好的思路，确定自己不是在重复别人的工作，或者在别人的基础上提升了个人的内容，一般越好的期刊对创新的要求就越高