深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1	2025-12-15	MediFlora-Net: Quantum-enhanced deep learning for precision medicinal plant identification 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108674 PMID:40974619	研究论文	本研究提出了一种名为MediFlora-Net的新型深度学习模型，用于精确识别药用植物	结合了多模态深度学习、量子辅助特征提取和混合集成方法，并引入了量子启发的特征提取技术，利用量子概率特征映射和基于纠缠的表征来提取高阶植物学特征	NA	提高药用植物识别的准确性和灵活性，以支持生物多样性保护、民族植物学研究和药理学应用	药用植物	计算机视觉	NA	多模态深度学习，量子辅助特征提取	CNN, GAN, Transformer	图像（RGB，高光谱植物图像）	NA	NA	Vision Transformer (ViT), Convolutional Neural Networks (CNNs), Med-Plant-Generative Adversarial Networks (GANs)	NA	NA
2	2025-12-15	EnsembleRegNet: Interpretable deep learning for transcriptional network inference from single-cell RNA-seq 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108702 PMID:41043336	研究论文	本文提出了一种名为EnsembleRegNet的深度学习框架，用于从单细胞RNA测序数据中推断基因调控网络	结合了集成编码器-解码器和多层感知机架构，并引入了Hodges-Lehmann估计器二值化、案例删除分析、RcisTarget基序富集和AUCell调控子活性评分，以增强鲁棒性和生物学可解释性	未明确提及	从高维单细胞RNA测序数据中准确推断基因调控网络结构	转录因子与靶基因关系	机器学习	NA	单细胞RNA测序	集成编码器-解码器, 多层感知机	单细胞RNA测序数据	模拟和真实单细胞RNA测序数据集	NA	EnsembleRegNet	聚类性能, 调控准确性	NA
3	2025-12-15	Microbiome-transcriptome-histology triad enhances survival risk stratification in multiple cancers 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108703 PMID:41043335	研究论文	本研究提出了一个名为HMTsurv的多模态生存预测框架，通过整合数字组织病理学、宿主转录组学和肿瘤相关微生物组特征，以增强多种癌症的生存风险分层能力	首次将组织病理学、转录组学和微生物组特征整合到一个统一的多模态框架中，用于癌症生存预测，并识别了跨癌种的生存生物标志物	研究基于回顾性多组学数据集，临床实用性仍需前瞻性验证；模型在四种癌症中表现良好，但泛化到其他癌种的能力有待进一步评估	开发一个可泛化的多模态架构，用于癌症预后预测，并阐明生存的病理学、分子和生态学决定因素之间的复杂相互作用	结直肠癌、胃癌、肝细胞癌和乳腺癌患者的多组学数据	数字病理学	多种癌症	数字组织病理学、转录组学、微生物组分析	深度学习	图像、转录组数据、微生物组数据	来自四种主要恶性肿瘤的多组学数据集	NA	HMTsurv	c-index, log-rank p值	NA
4	2025-12-15	TK-DDI: Accurate and efficient drug-drug interaction prediction via token encoding 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108734 PMID:41161125	研究论文	本文提出了一种基于分子标记化的深度学习框架TK-DDI，用于准确预测药物相互作用	通过分子标记化统一表示2D结构和3D构象信息，并采用两阶段注意力策略（分子内和分子间）来突出关键亚结构并融合药物对表示	未在摘要中明确说明	准确预测药物相互作用，以预防不良药物事件并确保患者安全	药物分子	机器学习	NA	分子标记化	Transformer	分子序列（2D结构和3D构象信息）	基准数据集（未指定具体数量）	NA	Transformer编码器	NA	NA
5	2025-12-15	Survey on phylogenetic tree construction using machine learning 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108751 PMID:41172604	综述	本文综述了利用机器学习进行系统发育树构建的经典与机器学习方法，涵盖多序列比对和系统发育推断的算法、工具及评估指标	提供了系统发育分析流程的全面视觉总结，并整合了机器学习驱动的技术，特别关注了通过嵌入或端到端学习绕过传统比对的新方法	NA	综述机器学习在系统发育树构建中的应用，理解当前趋势并评估新兴技术如何重塑系统发育推断	系统发育分析中的多序列比对和系统发育推断方法	机器学习	NA	NA	NA	序列数据	NA	NA	NA	评估指标	NA
6	2025-12-15	Deep ensemble model with blockchain technology for lung cancer detection with secured data sharing 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108729 PMID:41177067	研究论文	本文提出了一种结合区块链技术的深度集成模型，用于肺癌检测并实现安全的数据共享	提出了一种新型混合集成深度学习模型HCNN-ALSTM，结合了Autoencoder和LSTM进行特征提取，并采用改进的磷虾群算法MKHA进行参数优化，同时利用区块链智能合约确保数据共享的安全性和隐私性	未明确说明模型在跨机构数据异构性、计算资源需求或临床部署可行性方面的具体限制	开发一个安全高效的肺癌早期检测框架，提升诊断准确性并实现隐私保护的数据共享	CT扫描图像	计算机视觉	肺癌	CT扫描	CNN, Autoencoder, LSTM	图像	来自多个基准数据集的CT扫描数据（具体数量未明确）	未明确指定	HCNN-ALSTM（混合卷积神经网络结合自编码器和长短期记忆网络）	准确率, 特异性, 马修斯相关系数, Fowlkes-Mallows指数, Bookmaker Informedness, Markedness	未明确说明
7	2025-12-15	Discovery of Mangifera indica-based natural inhibitors against TEM-1 β-lactamase from Escherichia coli using machine learning approaches 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108797 PMID:41297205	研究论文	本研究应用深度学习引导的流程，从芒果植物化学物中筛选出潜在的TEM-1 β-内酰胺酶抑制剂	首次将深度学习与分子对接、分子动力学模拟及密度泛函理论相结合，系统性地从芒果植物化学物中识别出新型β-内酰胺酶抑制剂，其结合性能优于现有临床抑制剂他唑巴坦和克拉维酸	研究主要基于计算模拟和体外数据，缺乏体内实验验证；筛选的化合物库仅限于芒果来源的植物化学物，可能遗漏其他天然来源的有效抑制剂	发现新型天然来源的β-内酰胺酶抑制剂以应对抗生素耐药性	大肠杆菌中的TEM-1 β-内酰胺酶及芒果植物化学物	机器学习	NA	深度学习, 分子对接, 分子动力学模拟, 密度泛函理论	神经网络	化学化合物数据	220个化合物用于训练神经网络，并从芒果植物化学物中筛选出25个顶级化合物	NA	NA	ROC-AUC, PR-AUC, Matthews相关系数, 富集因子	NA
8	2025-12-15	A systematic review on deep learning based brain tumor segmentation and detection using MRI: Past insights, present techniques and future trends 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108696 PMID:41046785	综述	本文系统回顾了基于深度学习的MRI脑肿瘤分割与检测技术，涵盖历史洞察、当前方法和未来趋势	提供了深度学习模型在脑肿瘤分析中的详细时序分析，并强调了现有技术的优势、局限及研究空白	作为综述文章，未提出新的实验模型或数据，主要依赖现有文献的总结与分析	概述脑肿瘤分割与检测技术，分析深度学习模型在处理MRI数据中的应用与进展	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI	深度学习模型	图像	NA	NA	NA	NA	NA
9	2025-12-15	GAN-based novel feature selection approach with hybrid deep learning for heartbeat classification from ECG signal 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108704 PMID:41046784	研究论文	本文提出了一种基于GAN和混合深度学习的ECG信号心跳分类新方法	结合GAN进行特征选择，并采用SExpHGS优化的DBN-VGG混合模型进行心跳分类	NA	开发一种最优的深度学习技术用于心跳分类	心电图信号中的心跳	机器学习	心血管疾病	ECG信号处理	GAN, DBN, VGG	信号	NA	NA	DBN-VGG	准确率, 灵敏度, 特异性	NA
10	2025-12-15	GDT-Net: Multi-level feature extraction network for precise diagnosis of atrial and ventricular fibrillation 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108715 PMID:41086643	研究论文	提出了一种名为GDT-Net的神经网络，用于在复合噪声条件下对心房颤动和心室颤动进行稳健的心电图分类	设计了一种结合分组卷积、密集连接架构和Transformer编码器的多模块网络，专门针对复合噪声条件下的ECG信号分类，提高了诊断的鲁棒性	未明确提及，但可能包括对特定数据集（MIT-BIH）的依赖以及未在其他噪声类型或数据集上进行广泛验证	提高在复合噪声条件下对心房颤动和心室颤动的自动诊断准确性和鲁棒性	心电图信号	机器学习	心血管疾病	心电图分析	CNN, Transformer	时序信号	基于MIT-BIH数据集构建的六个子集（具体样本数未明确给出）	未明确提及	GDT-Net（包含G模块、D模块、T模块的自定义架构）	F1分数	未明确提及
11	2025-12-15	Ovarian cancer detection from mutual information-ranked clinical biomarkers using an explainable attention-based residual multilayer perceptron 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108714 PMID:41086647	研究论文	本文开发了一种名为EA-ResMLP的自动化深度学习模型，用于卵巢癌检测，通过集成残差多层感知器、挤压-激励注意力块和可解释人工智能技术，以提高诊断准确性和可解释性	提出了一种结合残差连接、注意力机制和可解释人工智能的深度学习模型EA-ResMLP，通过自适应重校准强调信息丰富的特征，实现了比传统多层感知器更高的诊断准确性	未明确提及模型在外部验证集上的性能、计算资源需求或临床部署的可行性	优化工作流程效率并提高卵巢癌诊断的准确性	卵巢癌	机器学习	卵巢癌	NA	多层感知器	临床生物标志物数据	NA	NA	残差多层感知器, 挤压-激励注意力块	准确率	NA
12	2025-12-15	Optimized ensemble learning with multi-feature fusion for enhanced anti-inflammatory peptide prediction 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108723 PMID:41086648	研究论文	本文提出了一种基于多特征融合和集成学习的优化方法，用于增强抗炎肽的预测性能	通过集成多种深度学习与传统机器学习分类器，并采用软投票策略，显著提升了抗炎肽预测的准确度，同时揭示了抗炎肽序列中带正电荷残基的富集特征	研究依赖于公开数据集，可能受数据质量和平衡性影响；特征选择和集成策略的泛化能力需进一步验证	开发一种高效的计算方法以预测抗炎肽，克服传统实验方法的高成本和低通量限制	抗炎肽序列及其特征	机器学习	NA	NA	LSTM, CNN, DNN, XGBoost, RF, AdaBoost, GBDT, LightGBM	序列数据	NA	NA	LSTM, CNN, DNN	NA	NA
13	2025-12-15	A comprehensive comparison of convolutional neural network and visual transformer models on skin cancer classification 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108713 PMID:41092791	研究论文	本研究对卷积神经网络和视觉Transformer模型在皮肤癌分类任务上进行了全面比较	首次在相同训练条件下，系统比较了15种先进CNN模型和15种ViT模型在皮肤癌分类中的性能，并发现基于Swin架构的ViT模型表现最佳	ViT模型参数量更大、计算资源需求更高，限制了其在资源受限环境下的临床应用	比较不同深度学习模型在皮肤癌分类任务中的性能差异	皮肤癌图像数据	计算机视觉	皮肤癌	深度学习	CNN, Transformer	图像	HAM10000和ISIC 2019两个公开数据集	NA	Swin Transformer, 多种CNN架构	准确率	NA
14	2025-12-15	MicroarrayCancerNet: Hybrid optimized deep learning with integration of graph CNN with 1D-CNN for cancer classification framework using microarray and seq expression data 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108706 PMID:41110205	研究论文	本文提出了一种名为MicroarrayCancerNet的新型癌症分类框架，该框架结合了图卷积神经网络和一维卷积神经网络，并采用改进的沙锥优化算法进行基因选择和模型参数优化	提出了一种混合优化深度学习框架，首次将图卷积神经网络与一维卷积神经网络相结合用于癌症分类，并引入了改进的沙锥优化算法进行基因选择和模型参数调优	未明确说明模型在独立验证集上的泛化能力，也未讨论计算复杂度或运行时间等实际应用限制	开发一个高精度的癌症分类框架，用于从微阵列和测序表达数据中识别癌症相关基因并进行准确分类	微阵列和测序表达数据中的基因表达谱	机器学习	癌症	微阵列测序、基因表达分析	GCNN, 1D-CNN	基因表达数据（数值矩阵）	NA	NA	图卷积神经网络, 一维卷积神经网络	准确率	NA
15	2025-12-15	PerturbSynX: Deep learning framework for predicting drug combination synergy scores using drug induced gene perturbation data 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108736 PMID:41129968	研究论文	本文提出了一种基于深度学习的多任务学习框架，用于预测药物组合的协同作用分数	提出了一种结合双向长短期记忆网络和注意力机制的混合架构，整合多模态生物数据同时预测药物协同分数和个体药物反应	训练策略可能导致轻微的不对称性，且模型在药物输入顺序上存在一定的敏感性	加速癌症研究中药物协同作用的发现	药物组合的协同作用分数和个体药物反应	机器学习	癌症	药物诱导的基因表达谱	BiLSTM, 注意力机制	基因表达数据, 分子描述符	未明确提及具体样本数量	未明确提及	BiLSTM, 注意力机制	RMSE, PCC, R	未明确提及
16	2025-12-15	Molecular, metabolic, and histological subtypes of pancreatic ductal adenocarcinoma and its tumor microenvironment: Insights into tumor heterogeneity and clinical implications 2026-Jan, Pharmacology & therapeutics IF:12.0Q1 DOI:10.1016/j.pharmthera.2025.108946 PMID:41183744	综述	本文综述了胰腺导管腺癌（PDAC）在分子、代谢和组织学层面的亚型分类方法，旨在促进实用、经济高效的诊断和个性化医疗	整合了单细胞和空间转录组学、代谢组学以及深度学习在组织病理学中的应用，揭示了PDAC的肿瘤异质性、肿瘤微环境相互作用及亚型可塑性，为亚型指导的治疗策略提供了新视角	作为一篇综述，未提出新的实验数据或模型，主要基于现有研究进行总结和讨论	旨在全面概述PDAC的亚型异质性，以指导未来的亚型知情治疗策略	胰腺导管腺癌（PDAC）及其肿瘤微环境	数字病理学	胰腺癌	单细胞转录组学, 空间转录组学, 代谢组学, 深度学习	深度学习模型	组织病理学图像（H&E染色切片）, 转录组数据, 代谢组数据	NA	NA	NA	NA	NA
17	2025-12-15	Contrastive virtual staining enhances deep learning-based PDAC subtyping from H&E-stained tissue cores 2026-Jan, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6491 PMID:41188199	研究论文	本文提出了一种基于对比学习启发的CycleGAN框架，用于从H&E染色组织切片生成虚拟IHC图像，以增强胰腺导管腺癌（PDAC）亚型分类的准确性	提出了一种新颖的对比学习启发的CycleGAN框架，利用连续组织切片构建的半配对数据集进行训练，显著提升了基于合成IHC图像的PDAC亚型分类性能	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及临床实际应用中的验证情况	开发一种虚拟染色方法，从常规H&E染色图像生成合成IHC图像，以简化PDAC亚型诊断流程并提高其鲁棒性	胰腺导管腺癌（PDAC）组织样本	数字病理学	胰腺癌	虚拟染色，免疫组织化学（IHC）染色，苏木精-伊红（H&E）染色	GAN, CycleGAN	图像	NA	NA	CycleGAN	F1分数	NA
18	2025-12-15	A transformer-based pathomics model using endoscopic biopsy WSIs for predicting pathological complete response to preoperative immunotherapy in colorectal cancer 2026-Jan, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.111182 PMID:41240799	研究论文	本研究基于内镜活检全切片图像，利用深度学习模型预测结直肠癌患者术前免疫治疗的病理完全缓解	结合Swin Transformer架构与卷积神经网络增强的自注意力机制，并采用CLAM框架优化病理图像分析，首次利用内镜活检WSIs预测结直肠癌术前免疫治疗的pCR	样本量较小（训练集72例，验证集23例），且为单中心回顾性研究，可能限制模型的泛化能力	构建预测模型以识别结直肠癌患者术前免疫治疗的病理完全缓解	结直肠癌患者	数字病理学	结直肠癌	H&E染色全切片图像分析	Transformer, CNN	图像	训练集72例，验证集23例	CLAM	Swin Transformer	AUC	NA
19	2025-12-15	Optimal artificial intelligence model based on gastrointestinal filling contrast-enhanced ultrasound: Risk stratification of gastric gastrointestinal stromal tumors 2026-Jan, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.111190 PMID:41265372	研究论文	本研究基于胃肠道充盈对比增强超声图像，开发了一种深度学习模型，用于胃胃肠道间质瘤的早期筛查、辅助诊断和风险分层评估	首次将深度学习模型应用于胃肠道充盈对比增强超声图像，以实现胃胃肠道间质瘤的客观风险分层预测，减少操作者经验和主观判断的影响	样本量相对较小（121例患者），且为单中心研究，可能影响模型的泛化能力	开发基于胃肠道充盈对比增强超声图像的深度学习模型，用于胃胃肠道间质瘤的早期筛查、辅助诊断和风险分类评估	原发性胃胃肠道间质瘤患者	计算机视觉	胃肠道间质瘤	胃肠道充盈对比增强超声	CNN	图像	121例原发性胃胃肠道间质瘤患者	NA	ResNet, CNN, ViT, EfficientNet	AUC	NA
20	2025-12-15	Uncertainty- and hardness-weighted loss functions for medical image segmentation 2026-Jan-01, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2025.113118 PMID:41383559	研究论文	本文提出了一种用于医学图像分割的新型不确定性/困难度加权损失函数，通过概率引导不确定性权重和区域增强困难度权重来提升分割精度	首次提出结合像素级预测不确定性和困难度的双重加权损失函数，通过PGU和REH权重机制动态调整训练关注点	实验仅基于四种特定医学图像数据集，未验证在更广泛模态或临床场景中的泛化能力	改进医学图像分割的精度，特别是减少边界区域的分割误差	视网膜青光眼图像、视网膜血管树图像、光学相干断层扫描图像和心房分割挑战数据集	计算机视觉	青光眼,心血管疾病	深度学习	Transformer, CNN	二维图像,三维图像	四个公开数据集（REFUGE, RETA, OCT, ASC）	PyTorch	Swin-Unet, V-Net	Dice系数,分割误差	未明确说明