PLOS Computational Biology投稿系统要选Section，跨领域论文怎么选？

PLOS Computational Biology 投稿系统要求选择 Section，它不是给文章贴一个流行标签，而是帮助期刊把稿件分配给适合的 Section Editor。该刊列出从 Biological Macromolecules、Genomics、Epidemiology 到 Systems Biology 等多个栏目，并说不确定时选择与稿件最接近的一项。稿件同时涉及组学、机器学习和疾病模型时，按核心研究问题与验证场景选Section。

先用一句话写论文最希望读者带走的发现。若主要解释蛋白质结构与相互作用，深度学习只是预测方法，Biological Macromolecules 可能比泛称 Systems Biology 更接近编辑专长。若研究核心是多组学数据融合、寻找基因到蛋白的信息关系，Genomics, Epigenomics, & Proteomics 的范围更贴近。若模型要解释疾病在人群中的传播与干预影响，Epidemiology & Public Health 比按数据类型选择组学栏目更合理。以上是依据官网栏目描述作的编辑判断示例，不代表期刊保证该选择正确。

多个栏目都合适时看证据重心

可以把主稿的关键结果图分成两列：方法性能与生物学应用。哪一列承担核心结论？若方法性能是主张，而生物学案例只是演示，就进一步看该方法意在服务哪个研究群体；栏目不应仅由一幅漂亮应用图决定。例如一篇论文用生态网络模型分析物种共存，虽然模型技术来自计算科学，但关键检验是生态过程，Evolution, Ecology, & Behavior 可能更适合。另一篇将同样的网络工具用于细胞调控，核心发现却是跨尺度细胞行为，则 Cell Biology & Physiology 可能更近。不要为了迎合某栏目的关键词，临时把稿件摘要改成并未充分验证的主题。

Section选择之外，题名、摘要和投稿信仍需一致地讲清主问题。若系统选 Immunology & Microbes，摘要却完全只写模型计算速度而不说明病原体与免疫系统的关系，编辑很难看懂匹配依据。可在投稿信简短说明研究连接了两个方向、为何以某个方向作为主要归属。若仍拿不准，按期刊说明选择最接近的一项即可；栏目是分配编辑的入口，不是对文章结果的正式分类证明。

若团队讨论后仍有两个同样合理的栏目，可看论文最需要哪类审阅知识。例如一项模型同时涉及病毒传播和人群干预，若关键争议是传播参数与干预效果估计，流行病学编辑更容易组织对应评议；若关键争议是病毒与免疫反应的机制建模，微生物与免疫方向可能更近。这里是在两项都符合时比较稿件的证据重心，不是让作者预设审阅者的结论。

提交前请合作者各自只读题名、摘要和关键图，不看系统选项，写出他认为的主研究问题。若得到三个互不相干的答案，问题可能不是栏目难选，而是论文主线尚未写清。先改稿件承诺，再完成系统字段，比反复切换 Section 更能帮助适合的编辑理解论文。