Plant Physiology（植物生理学）是植物学领域的老牌顶级期刊，文章收录方向为植物生物学的各个方面，在植物生理学杂志中排名前3%，在基因组学杂志中排名前7%。在细分领域中学术影响力较大，专业度和创新性要求都比较高，因此投稿难度较大。
点击关注，订阅更多期刊信息哦！
期刊基本信息
《Plant Physiology》是由American Society of Plant Biologists出版的植物学领域顶级月刊。由1926年创刊，ISSN 0032-0889，ESSN 1532-2548。研究领域涵盖植物生物学的各个方面，包括结构、分子、系统和生态生理学等。
2021年影响因子8.005
总编
Yunde Zhao, Ph.D.
Email：y3zhao@ucsd.edu
机构：加利福尼亚大学圣迭戈分校生物科学院，La Jolla, USA
领域：细胞与发育生物学，植物遗传学，生物化学
副主编
Diane Bassham
Email：bassham@iastate.edu
机构：爱荷华州立大学，Lowa, USA
领域：植物液泡的生物发生和功能，液泡相关的蛋白运输通路，遗传学，分子生物学
副主编
Juan Dong
Email: dong@waksman.rutgers.edu
机构：罗格斯大学Waksman研究所，Piscataway, USA
领域：植物极化蛋白，发育生物学，细胞生物学，分子遗传学
副主编
Andrew Hanson
Email: adha@ufl.edu
机构：佛罗里达大学农业科学院，Gainesville, USA
领域：代谢生物化学，植物维生素代谢与工程，比较基因组学
期刊IF信息
Plant Physiology 2021年的IF为8.005，今年预测IF为7.15，中科院分区生物学大类1区，小类植物科学1区，版面费：非OA2100美元，OA3411美元。总的中国文章占比约17.7%。平均审稿时间约70天，一审周期约60天。自引率4.7%，接收率20%。
在投稿国家和机构TOP5中，投稿数量最高的国家是美国（34%），第二高是中国（31%）；数量最高的机构是欧洲研究型大学联盟（40%），第二高的是中国科学院（18%）。
收稿范围
Plant Physiology期刊宗旨是促进植物生物学的生长和发展，鼓励和发表植物生物学研究。研究领域包括分子生物学、细胞生物学、微生物学、统计生物学等。发文数从1963年（125篇）后迅速上升，年均发文450篇左右。
1926-2023每年发表的期刊数
21-23年发表的所有文章（1535篇）中，论文占比98%（1507篇），综述论文约占5%（76篇），社论文章约5%（211篇）。
发表过的生信文章
01Genome-wide profiling of rice DOUBLE-STRANDED RNA BINDING PROTEIN 1-associated RNAs by targeted RNA editing
通过靶向RNA编辑水稻双链RNA结合蛋白1相关RNA的全基因组分析
发表日期：13 March 2023
RNA结合蛋白(RBPs)在调控基因表达中起重要作用。原生质体实验表明，RBP-ADARdd融合有效地编辑了其结合位点41个核苷酸内的腺苷。开发了生物信息学方法识别RDVs中的A-to-I RNA编辑。共鉴定1798个高置信度RNA编辑(HiCE)位点。这些HiCE位点主要位于重复元件、3´-UTR和内含子中。还在miRNAs和其他sRNAs中鉴定了191个A-to-I RNA编辑，证实OsDRB1参与了sRNA的生物发生或功能。研究为植物RBPs的RNA配体全基因组分析提供了一个有价值的工具，提供了OsDRB1结合RNA的全局视图。
02
Transcriptomic and metabolomic analysis reveals a protein module involved in preharvest apple peel browning
转录组学和代谢组学分析发现参与收获前苹果皮褐变的蛋白质模块
发表日期：01 February 2023
转录组学和代谢组学综合分析显示，收获前苹果皮褐变主要是由于酚类物质和类黄酮的变化。确定了MdLAC7(漆酶7)在收获前苹果皮褐变过程中的作用。瞬间注射、过表达和CRISPR/Cas9敲除MdLAC7基因，发现缬氨酸、花青素、单宁酸、辛酸和儿茶酸是其催化底物。在光照下，光响应转录因子MdHY5与MdWRKY31的启动子结合，抑制了该基因表达，从而间接抑制MdLAC7功能。MdHY5在G-box1/2位点与MdLAC7启动子结合，并直接抑制其在体内的表达。研究揭示了MdLAC7介导的苹果采前果皮褐变调控机制，并证明光在抑制MdLAC7活性并随后减少果皮褐变中的作用。
03
Combining Machine Learning and Homology-Based Approaches to Accurately Predict Subcellular Localization in Arabidopsis
结合机器学习和基于同源的方法准确预测拟南芥亚细胞定位
发表日期：20 July 2010
基于多种蛋白质特征的组合存在，如氨基酸组成、序列顺序效应、末端信息、位置特异性评分矩阵和基于相似搜索的位置特异性迭代基本局部对齐搜索工具信息，创建了一个基于支持向量机的综合定位预测器，称为AtSubP(拟南芥亚细胞定位预测器)。5倍交叉验证预测7个亚细胞区室，实现了91%的总灵敏度和高置信度，Matthews相关系数分别为90.9%和0.89。在两个独立的数据集上对AtSubP进行基准测试，一个来自Swiss-Prot，一个含绿色荧光蛋白和质谱测定蛋白。与同类工具(如TargetP、Plant-PLoc和All-Plant等)相比，AtSubP的预测精度显著提高。AtSubP显著优于目前用于拟南芥蛋白质组注释的所有预测工具。
