“数据论文”栏目投稿指南

科微学术

生物工程学报

“数据论文”栏目投稿指南

《生物工程学报》“数据论文”栏目投稿须知及稿件写作要求

“数据论文”是一种新兴的学术成果类型，其核心内容并非传统的研究分析与结论，而是描述某个有价值数据集的本身，包括数据的采集、处理方法、质量控制、存储位置以及潜在的重用价值。

本刊“数据论文”栏目旨在促进生物工程领域高质量科学数据的共享，推动数据驱动的科学发现与创新。诚挚地邀请您投稿，让您的宝贵数据产生更广泛的影响力。我们期待您的高质量数据论文投稿，共同推进生物工程领域的开放科学与数据共享！

数据论文稿件的内容、格式和流程等请参考如下要求：

一、投稿须知

1. 稿件范围
本栏目接收描述生物工程及相关交叉领域原创性数据集的论文，包括但不限于：

· 组学数据：基因组学、转录组学、蛋白质组学、代谢组学、微生物组学等产生的标准化数据。
· 工程生物与合成数据：人工设计构建的基因线路、代谢通路、工程菌/细胞株的标准化表征数据（如生长曲线、代谢物产量、动力学参数等）。
· 生物过程与发酵数据：涉及生物反应器运行、下游工艺、过程放大等产生的系统化过程数据。
· 生物材料数据：生物相容性材料性能数据、生物传感器标定数据等。
· 计算与模型数据：用于模型构建、验证与基准测试的标准化数据集（如用于机器学习训练的生物大分子结构-功能数据集、代谢网络模型模拟所需参数集等）。
· 其他高价值数据：其他符合领域需求、具有长期保存与重用价值的规范性数据集。

2. 投稿要求

· 数据所有权与原创性：投稿数据集必须为作者团队原创或在其合法授权下整理发布，未在其他数据仓储以“数据论文”形式正式发表。数据内容不侵犯任何第三方权益。

· 数据完整性：数据集应相对完整，能够支持其描述的科学目的或潜在的重用场景。

· 数据质量：数据需经过有效的质量控制与验证。投稿时需说明数据采集/生成方法、仪器型号、软件版本、校准流程、质控步骤及数据质量评估结果。

· 数据可访问性：数据必须遵循FAIR原则（可发现、可访问、可互操作、可重用），稿件正式录用前，完整数据集及配套代码（如适用）需提交至科学数据银行（Science Data Bank, ScienceDB）存储，数据使用遵循CC BYNC.ND 4.0。

· 伦理与安全合规：

i. 涉及人类的研究：须提供伦理审查批准文件及受试者知情同意证明。所有个人身份信息须妥善去标识化。

ii. 涉及动物的研究：须遵循国际或国家有关动物福利的指南，并提供伦理审查批准文件。

iii. 数据安全：确保共享的数据不包含涉密信息或敏感个人信息。

3. 投稿流程

1) 在线投稿：通过《生物工程学报》官方网站投稿系统（http://journals.im.ac.cn/cjbcn/home）提交稿件，选择“数据论文”栏目。

2) 评审过程：稿件将经过严格的同行评审，评审重点包括：数据的科学价值、技术质量、元数据完整性、伦理安全合规性等。

3) 数据存储：稿件正式录用前，关联数据需提交至科学数据银行（Science Data Bank, ScienceDB）存储。请收到编辑部关于数据存储的通知后，注册并登录ScienceDB官网（https://www.scidb.cn/），依次进入“数据社区—特色数据社区”搜索“生物工程学报”，进入专区提交数据。

二、稿件写作要求

数据论文应清晰、完整地描述数据集，使其他研究者能够理解、评估和重用数据。具体格式体例请遵循《生物工程学报》数据论文模板（见期刊官网“下载专区”中“《生物工程学报》数据论文写作模板”）。

稿件结构如下：

1. 标题
简明扼要，准确反映数据内容、所属生物工程子领域及数据类型。建议格式：[数据主题]：来自[来源/技术]的[数据类型]数据集。

2. 作者与机构
列出所有对数据创建有实质性贡献的作者及其所属机构。须明确标注通信作者。

3. 摘要

使用结构性摘要，包含：

· 背景：数据产生的科学背景与需求。

· 内容描述：数据集的核心内容、范围、规模。

· 采集/生成方法：关键技术手段、实验设计或计算方法概述。

· 潜在价值：数据集的独特科学价值、潜在应用场景及对领域研究的预期贡献。

4. 关键词
5-8个，包含数据类型、技术方法、生物实体、应用领域等。

5. 正文

· 引言：

阐述本工作的背景和科学意义，提供该研究的前期工作和相关背景资料，简述数据及其潜在的重用价值（说明本数据集相较于已有类似数据的补充性、独特性或优势；明确数据集预期的主要用户群体和潜在重用方向）及其他基本情况，并引用有代表性的参考文献。

· 数据采集与处理方法：

本部分应详细描述获得目标数据过程中涉及的研究设计、实验实施、数据生成及全部处理步骤，并明确说明其中采用的方法、程序、算法与分析手段等。鼓励作者提供图例，展示相关研究和实验设计的概况，并可根据需要划分若干子标题，使结构更清晰。内容描述应详尽充分，利于读者理解和重复试验。原则上不鼓励基于数据集的衍生研究，如新的研究方法等的讨论。

如果是对数据集进行加工，建议列出数据源名称或信息（如在线可获取，需提供链接地址，保证可访问）。

i. 样本/材料来源：详细描述生物样本、菌株、细胞系、基因构件、材料等的来源及培养/制备条件。

ii. 实验/计算设计：详细说明实验设计、采样策略、对照设置、重复次数、计算模拟的框架与假设等。

iii. 数据采集与生成：详细描述仪器设备、软件工具（名称、版本、参数设置）、实验步骤、测量协议、数据采集条件等。

iv. 数据处理与质控：详细描述原始数据的预处理步骤（如过滤、校正、归一化）、质量控制方法（如阈值设定、异常值检测、技术重复一致性分析）、数据验证方法（如与标准品对比、交叉验证）。

v. 技术验证：如有，提供关键数据点的独立验证实验或计算结果。

· 数据描述：

重点描述数据集的元数据组成。具体描述数据结构（比如数据表每个行、列标题的含义）等，帮助读者溯源定位、理解数据集内涵（如果数据集包含多种数据结构的数据，应当对每种数据结构的数据进行举例说明）。

· 数据质量控制与评估

本部分必须提供资料证明数据的可靠性，包括数据质量控制方法和验证过程，列明误差数据和相关精度。另外，对于连续性数据中的数据缺失、断点等情况进行必要说明。

· 数据使用方法与建议

本部分包括数据使用或引用说明，支持数据利用的推荐软件说明，数据的深加工方法与步骤以及数据集成或比较说明等。同时鼓励作者上传与数据相关的、必要的代码、程序、算法、模型或数据处理流程等，以作为支持数据重用的补充资料。此外，对于涉及人类隐私或公众安全等问题的敏感数据，应详细描述相关使用限制。