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	2026-11-11	Fragility Fracture Risk Prediction through the integration of Artificial Intelligence and Radiofrequency Echographic Multi Spectrometry (REMS) Technology 2027-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109655 PMID:42832940	研究论文	本研究利用基于AlexNet的卷积神经网络对超声射频多光谱（REMS）数据进行深度学习分析，以改进脆性骨折风险的识别与分层	首次将深度学习应用于REMS超声射频信号进行骨折风险预测，并提出连续的脆性指数（0-100）用于风险分层；该方法无电离辐射、便携，且能捕捉骨密度之外的结构特征	摘要未明确说明研究的具体局限性，但作为回顾性多中心研究，可能存在选择偏倚；与骨密度相关性较弱也提示需要进一步验证其临床增量价值	探索深度学习结合REMS超声技术用于脆性骨折风险识别与分层的可行性	3510名参与者的回顾性多中心数据集	医学影像分析	骨质疏松与脆性骨折	射频超声多光谱技术（REMS）	CNN	超声射频信号	3510名参与者	NA	AlexNet	敏感度、特异度	NA
2	2026-11-11	Transformer-based decision support with CNN and ViT for prognostic risk stratification following adjuvant chemotherapy in high-grade glioma: a multicenter study 2027-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109668 PMID:42832939	研究论文	开发了一个基于CNN和ViT特征融合的2.5D深度学习框架，用于对高级别胶质瘤患者术后辅助化疗后的预后风险进行无创分层，并结合转录组分析探索分子机制	提出了一种多通道2.5D深度学习框架，整合了CNN（ResNeXt101_32×8d）和ViT特征，并通过Transformer融合模型进行预后风险分层；结合了影像组学和转录组学进行生物学验证，识别出CHEK1、CDK1和FEN1等关键调控基因	摘要中未明确提及研究局限性	开发一个多通道2.5D深度学习框架，无创地对高级别胶质瘤患者术后辅助替莫唑胺化疗后的预期生存结果进行分层，并探索其潜在的分子机制	高级别胶质瘤患者	医学图像分析、数字病理学	高级别胶质瘤	MRI（T1-CE/T2-FLAIR）、转录组分析、差异表达分析、基因集富集分析（GSEA）、蛋白质-蛋白质相互作用（PPI）网络分析	CNN、ViT、Transformer融合模型	图像（MRI）、文本（转录组数据）	507例多中心MRI数据（T1-CE/T2-FLAIR）	NA	ResNeXt101_32×8d、ViT、Transformer	AUC、准确率、灵敏度、特异性、生存分析（Kaplan-Meier/log-rank检验）	NA
3	2026-11-11	Spatially Aware Acquisition-Independent Deep Learning for IVIM MRI Parameter Estimation in Patients With Esophageal Cancer 2027-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70592 PMID:42740333	研究论文	开发并验证一种空间感知且独立于采集协议的神经网络，用于食管癌患者的IVIM MRI参数估计	提出空间感知神经控制微分方程（Spatial NCDEs），结合空间信息与NCDE的动态建模能力，实现独立于采集协议的IVIM参数估计，并优于传统拟合方法和体素级NCDE及UNet	在预测新辅助放化疗反应方面，尽管有改善但未达到统计学显著性；研究主要基于模拟和单中心患者数据，需进一步外部验证	开发并验证一种空间感知且独立于采集协议的深度学习模型，用于提高IVIM MRI参数估计的准确性和鲁棒性	食管癌患者及模拟数据	医学图像分析	食管癌	IVIM MRI	神经控制微分方程（NCDE）	MRI图像	未明确说明具体样本量（涉及模拟数据和食管癌患者数据）	NA	空间感知NCDE（Spatial NCDE）、UNet	均方误差（MSE）、预测新辅助放化疗反应的判别能力	NA
4	2026-11-11	Mechanisms of volatile flavor formation in fermented meat products and prospects of artificial intelligence-based prediction 2027-Jan, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2026.110209 PMID:42691785	综述	该综述总结了发酵肉制品中挥发性风味化合物的形成机制，并探讨了基于人工智能进行风味预测的前景	系统性地提出了将机器学习、深度学习、时间序列建模、多组学整合和可解释AI应用于发酵肉制品风味预测、成熟度识别、关键因子筛选、感官感知预测和机制分析的新框架	未涉及具体的实验验证，缺乏标准化数据库和外部验证，可解释和可迁移的多模态模型仍需未来研究	总结发酵肉制品中挥发性风味化合物的形成途径和关键影响因素，并展望人工智能在风味预测和机制解析中的应用前景	发酵肉制品中的挥发性风味化合物及其形成机制	食品科学	NA	电子鼻, GC-IMS, 多组学技术	机器学习, 深度学习, 时间序列建模, 多组学整合模型, 可解释AI	理化指标, 工艺参数, 挥发性风味图谱, 电子鼻和GC-IMS指纹数据, 感官评价数据, 微生物组数据, 多组学数据	NA	NA	NA	NA	NA
5	2026-11-11	Secure medical data sharing and brain tumor diagnosis using optimized encryption with blockchain-enabled multiscale channel attention residual network 2027-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106746 PMID:42874137	研究论文	该文提出一种结合优化加密、区块链和深度学习的方法，用于安全共享医疗数据并诊断脑肿瘤	结合三重混沌加密与区块链实现安全数据共享，采用秘书鸟优化器进行密钥生成，并提出多尺度通道注意力残差网络进行脑肿瘤分类	未明确说明	实现医疗数据的安全共享并准确分类脑肿瘤	脑部MRI图像	医学图像分析	脑肿瘤	三重混沌加密、区块链、秘书鸟优化器、Kuwahara各向异性扩散滤波	CNN	图像	未明确说明	Python	多尺度通道注意力残差网络	准确率、计算时间、成本相关性、假阴性率、F分数、标记度、知情度、峰值信噪比、精确率	未明确说明
6	2026-11-11	Bioinformatics and machine learning reveal novel prognostic biomarkers in head and neck squamous cell carcinoma 2026-Dec, Journal of applied genetics IF:2.0Q3 DOI:10.1007/s13353-025-01018-7 PMID:41028529	研究论文	本文结合生物信息学和机器学习方法，从头颈部鳞状细胞癌的RNA表达数据中识别差异表达基因，并利用深度学习算法筛选出具有显著变异性的基因，进而发现诊断和预后生物标志物	将生物信息学分析与深度学习算法相结合，用于头颈部鳞状细胞癌生物标志物的筛选，并发现ACADM、KRT33B和C14orf34组合具有较高的诊断价值	摘要中未明确说明研究的局限性	寻找头颈部鳞状细胞癌的诊断和预后生物标志物，以改善患者的预期寿命和整体健康状况	头颈部鳞状细胞癌患者及其RNA表达数据	生物信息学, 机器学习	头颈部鳞状细胞癌	RNA表达数据分析	深度学习算法	RNA表达数据, 临床数据	NA	NA	NA	灵敏度, 特异性, AUC	NA
7	2026-11-11	MicroRNA bioinformatics in precision oncology: an integrated pipeline from NGS to AI-based target discovery 2026-Dec, Journal of applied genetics IF:2.0Q3 DOI:10.1007/s13353-025-01024-9 PMID:41168533	综述	本文综述了从NGS数据处理到基于AI的靶点发现的miRNA生物信息学集成流程，涵盖传统算法、机器学习、深度学习和大型语言模型在肿瘤学中的应用	将碎片化的miRNA分析方法系统整合为可扩展、可重复的流程，并首次将生成模型和LLMs引入miRNA生物标志物发现工作流	作为综述文章，未提供原始实验验证；对LLMs在miRNA分析中的实际效果和可重复性缺乏实证评估	弥合miRNA分析中生物信息学、机器学习和大型语言模型之间的方法学差距，为miRNA精准肿瘤学提供战略路线图	miRNA、癌症相关数据集、生物信息学工具（miRDeep2、DIANA-miRPath）、机器学习与深度学习算法	数字病理学	癌症	NGS、多组学整合	SVM, CNN, RNN, 生成模型, LLM	文本、多组学数据	NA	NA	SVM, CNN, RNN, LLM	NA	NA
8	2026-11-11	Exploring the pathogenic mechanism of RNH1 in colorectal cancer based on eQTL, Multi-omics and deep learning 2026-Dec, Journal of applied genetics IF:2.0Q3 DOI:10.1007/s13353-025-01029-4 PMID:41366589	研究论文	本研究基于eQTL、多组学和深度学习探索RNH1在结直肠癌中的致病机制	首次通过SMR方法鉴定RNH1为与结直肠癌和双硫死亡相关的基因，并结合单细胞RNA测序、空间转录组测序和深度学习构建预后模型	未明确提及	探索RNH1在结直肠癌中的致病机制，寻找新的生物标志物和治疗靶点	结直肠癌患者组织样本	数字病理学	结直肠癌	eQTL、SMR、单细胞RNA测序、空间转录组测序、RNA测序、qPCR	深度学习生存神经网络	基因表达数据、图像	未明确提及	NA	DeepSurv	未明确提及	NA
9	2026-11-11	Tightly coupled equivariant flow matching for molecular docking with multimodal physical constraints 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11638-8 PMID:42423919	研究论文	提出一种紧耦合等变流匹配方法MPFDock，用于分子对接，并受多模态物理约束指导	在训练中引入基于几何的配体-蛋白物理相互作用，在推理中采用力场引导的流匹配，生成物理真实且高精度的对接构象，且推理步骤显著减少	未明确提及	解决现有深度学习方法生成物理有效构象困难、采样步骤多、计算成本高的问题	分子对接中的配体-蛋白复合物	计算生物学/药物发现	NA	等变流匹配	流匹配模型	分子结构数据	NA	NA	NA	对接精度、物理真实性（PoseBusters指标）	NA
10	2026-11-11	Multimodal deep learning with a joint uncertainty quantification scheme for drug-target interaction prediction 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11692-2 PMID:42584520	研究论文	提出了一种基于证据引导的不确定性量化的多模态深度学习框架EUQTri-DTI，用于药物-靶标相互作用预测	整合了三种模态特异性网络分别编码1D蛋白质序列、2D分子图像和3D药物结构，采用双向交叉注意力机制促进模态间信息交换，并开发了联合不确定性量化方案，通过计算证据不确定性和预测熵的加权和实现更全面细致的不确定性评估	未明确提及	克服模型和数据不确定性对药物-靶标相互作用预测可靠性和准确性的影响，提高预测性能并提供样本级可靠性评估	药物-靶标相互作用数据，包括蛋白质序列、分子图像和药物3D结构	药物发现，多模态深度学习	NA	多模态深度学习	多模态神经网络	1D蛋白质序列，2D分子图像，3D药物结构	三个基准数据集：DrugBank、KIBA、Davis	NA	多模态网络（包含1D、2D、3D模态特异性网络），双向交叉注意力机制	ROC-AUC, PR-AUC	NA
11	2026-11-11	Deep learning-assisted virtual screening of a large chemical library for selective GSK3β inhibitors 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11697-x PMID:42584522	研究论文	该研究开发了多任务深度神经网络模型GSK3BMTPred，用于同时预测GSK3β抑制剂的分类和抑制效力，并结合虚拟筛选、分子对接、分子动力学模拟和MM/GBSA分析，从大型化学库中筛选选择性GSK3β抑制剂	提出了多任务深度神经网络框架同时预测抑制剂分类和抑制效力，利用共享分子表示提高泛化能力，并通过SHAP解释关键物理化学特征，整合虚拟筛选流程发现选择性GSK3β抑制剂	未明确提及	开发可扩展的计算框架，用于发现和优先筛选选择性GSK3β抑制剂	GSK3β抑制剂分子数据集（来自PubChem）和大型化学库	机器学习	神经退行性疾病, 神经精神疾病, 肿瘤	分子描述符计算（PaDEL）, 虚拟筛选, 分子对接, 分子动力学模拟, MM/GBSA分析, ADMET预测	多任务深度神经网络	分子数据（分子描述符）	NA	NA	深度神经网络（DNN）	准确率, 决定系数（R）	NA
12	2026-11-11	MRI-Derived Muscle Fat Fraction Reflects Disease Severity and Functional Impairment in Charcot-Marie-Tooth Disease Type 1A 2026-Dec, Muscle & nerve IF:2.8Q2 DOI:10.1002/mus.70430 PMID:42908170	研究论文	本研究探讨基于深度学习的MRI肌脂分数自动定量能否反映1A型腓骨肌萎缩症的疾病严重程度和功能损害	采用深度学习自动分割小腿肌肉并计算肌脂分数，替代耗时且变异大的人工分割，并系统验证其与多种临床结局的相关性	回顾性研究，样本量有限，未在独立外部队列中验证，且为横断面相关性分析	探索基于自动MRI的肌脂分数定量是否能反映1A型腓骨肌萎缩症的疾病严重程度和功能衰退	基因确诊的1A型腓骨肌萎缩症患者	医学影像分析	腓骨肌萎缩症	3D多回波Dixon磁共振成像	深度学习分割模型	图像	69例患者的小腿MRI数据	NA	NA	皮尔逊相关系数、偏相关系数、p值	NA
13	2026-11-11	Multi-scale causal inference and scenario prediction for carbon emissions from energy consumption in the Pearl River Delta urban agglomeration 2026-Dec-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.125960 PMID:42925952	研究论文	该研究整合多源数据，构建了多源数据-深度学习模型评估-可解释性分析-因果识别-情景预测的综合框架，用于珠江三角洲城市群能源消费碳排放的多尺度因果推断和情景预测	提出了集因果识别、可解释分析和情景预测于一体的综合框架，并在不同尺度上采用不同最优模型进行建模和预测	未明确提及	准确识别能源消费碳排放的驱动机制，并对多情景路径进行综合评估，以支持区域低碳转型	珠江三角洲城市群2000-2022年的社会经济、土地利用和气候等多源数据	机器学习	NA	多源数据整合、深度学习、因果推断、情景预测	SSA-ConvLSTM, Ister-Transformer	多源数据（社会经济、土地利用、气候）	NA	NA	ConvLSTM, Transformer	NA	NA
14	2026-11-11	The architecture of computational antiviralism: a multi-scale framework from molecular targeting to viral ecosystem engineering 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11553-y PMID:42071119	综述	该综述提出计算抗病毒学框架，整合AI、虚拟筛选、分子设计、多组学、系统病毒学、进化基因组学和流行病学建模，从分子靶向到病毒生态系统工程的多尺度视角探讨广谱抗病毒发现	将计算抗病毒学定义为一门前瞻性学科，提出从分子靶向到病毒生态系统工程的多尺度整合框架，涵盖深度学习结构模型、MD模拟、网络药理学、多组学系统病毒学、进化基因组学和气候引导的跨物种传播预测	目前尚不存在真正端到端验证的多尺度抗病毒流程，框架仅为前瞻性研究议程；检测异质性、模型可解释性和自主实验室系统管理等问题尚未解决	推动从被动应对向预测性和整合性计算框架转变，以应对病毒病原体的反复暴发和新发大流行威胁，促进广谱抗病毒发现	病毒病原体、病毒-宿主相互作用组、抗病毒靶点、感染诱导的细胞重编程、人畜共患溢出和跨物种传播	计算生物学、系统病毒学、流行病学建模	病毒感染性疾病、新发传染病	AI、虚拟筛选、分子设计、深度学习结构预测、分子动力学模拟、网络药理学、转录组学、蛋白质组学、代谢组学、进化系统发育基因组学、流行病学建模	NA	文本、分子结构数据、转录组数据、蛋白质组数据、代谢组数据、流行病学数据	NA	NA	NA	NA	NA
15	2026-11-11	Integrated deep learning and multi-scale modeling for the discovery of pan-genotypic HCV NS5B polymerase inhibitors 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11633-z PMID:42435189	研究论文	该研究整合AlphaFold3结构预测、DrugEx分子生成和多尺度模拟，发现新型泛基因型HCV NS5B聚合酶抑制剂候选化合物	提出了“AlphaFold3-DrugEx-多尺度模拟”的综合策略，首次针对缺乏晶体结构的HCV基因型（GT3a、GT3b、GT6a、GT7a、GT8a）预测NS5B结构并用于从头设计泛基因型抑制剂	研究仅基于计算模拟和预测，缺乏实验验证（如体外酶活实验、细胞实验和动物模型）	发现新型泛基因型HCV NS5B聚合酶抑制剂以克服基因型特异性疗法的局限	HCV NS5B RNA依赖性RNA聚合酶（特别是Palm II区域）及其多种基因型	计算机视觉, 机器学习, 计算生物学, 药物发现	丙型肝炎	AlphaFold3结构预测, 分子动力学模拟, 虚拟筛选, 分子对接, MM/GBSA结合自由能计算, ADMET预测, 逆合成分析	深度学习, 强化学习	蛋白质结构数据, 分子结构数据	42,257个新化学实体，最终筛选出4个hit化合物（01, 07, 18, 59）	NA	AlphaFold3, DrugEx	RMSD波动, 结合自由能, 氢键分析, ADMET性质	NA
16	2026-11-11	DeepPepQSAR: all-in-one for comprehensively exploiting the vast molecular diversity space of bioactive peptide universe 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11665-5 PMID:42435194	研究论文	本文提出了DeepPepQSAR概念，将深度学习融入传统的肽定量构效关系（PepQSAR）中，通过PepImage图和双路径CNN模型，实现对多种生物活性肽的统一建模、预测和解释，并应用于食品源抗菌肽和降压肽的发现	提出DeepPepQSAR新概念，将深度学习与传统PepQSAR结合；设计PepImage图同时表示长度可变肽的序列特征和活性类型；采用双路径单/多通道CNN实现一体化建模；在大规模分子多样性空间中进行外推导航发现新肽	摘要中未明确提及研究局限性	将深度学习融入传统PepQSAR，实现对生物活性肽宇宙的一体化定量建模、预测和解释，并应用于食品源抗菌肽和降压肽的发现	生物活性肽（BAPs），包括抗菌、抗病毒、溶血、抗癌、抗原、ACE抑制、抗氧化、结构域结合等多种活性类型的肽；以及从食品源蛋白中系统生成的大规模肽片段候选物	生物信息学、化学信息学	感染性疾病、高血压	深度学习、定量构效关系（QSAR）建模、PepImage图表示	CNN	肽序列及活性数据（文本/数值）	大量BAP样本（多种活性类型）合并训练；数十亿肽片段候选物用于外推导航；最终鉴定出14个AMFP肽和10个AHFP肽，其中4个和2个具有高活性	NA	双路径单/多通道卷积神经网络（CNN）	NA	NA
17	2026-11-11	Deep learning-driven discovery of anti-metastatic phytochemicals targeting MMP-1 in breast cancer via advanced contrastive learning and structural attention 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11646-8 PMID:42446862	研究论文	该研究提出了一种基于对比学习和结构注意力的深度学习框架，用于发现靶向MMP-1的抗转移植物化学物质，以治疗乳腺癌。	结合了对比学习的分子-蛋白质深度核学习（CLM-DKL）和结构增强的交叉交互图注意力网络（SECI-GAT），并引入了恒星振荡优化器（SOO）、多视图对比学习（MVCL）以及结构熵引导注意力和编码器注意力融合，提高了分子结构与分子-蛋白质相互作用的捕捉能力，并提供了可解释性。	摘要中未明确提及研究的具体限制。	解决高通量虚拟筛选靶向MMP-1的植物化学物质过程中，现有深度学习方法无法充分捕捉分子结构、跨域分子-蛋白质相互作用以及可解释预测特征的问题。	靶向MMP-1的植物化学物质，用于乳腺癌治疗。	深度学习，药物发现	乳腺癌	深度学习，虚拟筛选	对比学习，图注意力网络	分子结构数据，蛋白质相互作用数据	使用了ChEMBL、PubChem BioAssay和BindingDB三个数据库的数据，具体样本数量未提及。	NA	SECI-GAT, CLM-DKL	ROC-AUC, PR-AUC, F1分数	NA
18	2026-11-11	A synergistic deep learning and machine learning framework for screening heterocyclic compounds against ALDH1A1 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11682-4 PMID:42530797	研究论文	开发了一个整合深度学习和机器学习的计算机辅助药物设计框架，用于从杂环化合物库中筛选选择性ALDH1A1抑制剂	整合了深度学习辅助的分子对接、基于CNN的评分和严格的同工型选择性过滤，并结合LightGBM分类模型进行候选抑制剂优先级排序，形成多阶段虚拟筛选工作流	研究仅进行了计算分析，LDN-27219和TUG-1375的抑制活性和选择性尚未通过实验验证	系统识别和优先筛选结构新颖的、同工型选择性的ALDH1A1抑制剂，以克服与ALDH2和ALDH1A2结构高度保守带来的选择性挑战	杂环化合物库中的化合物，以及ALDH1A1蛋白及其同工型ALDH2和ALDH1A2	计算机辅助药物设计, 人工智能药物发现	癌症	深度学习辅助分子对接, CNN评分, LightGBM分类, 分子动力学模拟, MM/PBSA计算	CNN, LightGBM	分子结构数据, 蛋白质-配体复合物数据	NA	NA	CNN, LightGBM	NA	NA
19	2026-11-11	Molecular active learning approaches for predicting skin cytotoxicity 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11689-x PMID:42622748	研究论文	本文开发了一种基于主动深度学习框架的数据高效训练方法，用于预测小分子的皮肤细胞毒性，以减少毒性筛选的成本和时间	采用主动学习框架进行细胞毒性预测，结合自监督自编码器和多种采集函数策略，在有限实验预算下高效识别细胞毒性分子	研究仅针对角质形成细胞的细胞毒性数据集，未涵盖其他细胞类型或体内毒性；主动学习策略的通用性有待进一步验证	开发数据高效的训练方法，降低皮肤细胞毒性筛选的成本和时间，在低资源环境下优先识别细胞毒性分子	小分子化合物及其对角质形成细胞的细胞毒性	机器学习	皮肤毒性	主动深度学习	自监督自编码器及其他深度学习模型	分子结构数据（化学信息）	NA	NA	自监督自编码器及其他两种基线深度学习模型	细胞毒性富集度、结构新颖性和多样性	NA
20	2026-11-11	Umamifusion: attention-enhanced multimodal fusion of graph and sequence features for umami peptide identification 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11699-9 PMID:42625104	研究论文	提出UmamiFusion，一种注意力增强的多模态深度学习框架，融合图结构和序列特征用于鲜味肽识别	结合蛋白质语言模型ESM2生成肽分子图结构表示，使用图卷积网络提取高阶拓扑特征，同时用一维CNN捕获序列局部上下文，并通过双向交叉注意力机制实现图节点与序列位置的自适应交互	未明确说明模型在不同物种或更广泛肽数据集上的泛化能力，且依赖ESM2预训练模型可能带来计算开销	克服单模态建模的局限性，提高鲜味肽预测的准确性	鲜味肽序列	机器学习	NA	NA	CNN, GCN, 注意力机制	序列数据, 图数据	两个数据集UMP442和UMP614，分别包含442和614个样本	NA	ESM2, 图卷积网络, 一维CNN, 双向交叉注意力, 多层感知机	准确率, MCC, AUC	NA