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	2026-08-20	Evaluation of Computer-aided Detection for Identifying Missed Gastric Cancer After Endoscopic Submucosal Dissection 2027-Apr, DEN open IF:1.4Q4 DOI:10.1002/deo2.70357 PMID:42609944	研究论文	本研究评估了基于深度学习的计算机辅助检测系统在内镜黏膜下剥离术后识别漏诊胃癌的效果，并与内镜医师的检测性能进行了比较。	首次针对内镜黏膜下剥离术后监测期间发现的漏诊胃癌，评估计算机辅助检测系统的效能，并直接与内镜医师的检测性能进行对比。	样本量较小（60例漏诊胃癌图像），可能影响亚组分析的可靠性；检测图像来自单一中心，可能限制普适性。	评估计算机辅助检测系统在内镜黏膜下剥离术后监测中发现漏诊胃癌的效能，并探讨其作为双重复查工具的可行性。	内镜黏膜下剥离术后监测期间发现的漏诊胃癌图像，以及参与对比的10名内镜医师。	计算机视觉	胃癌	深度学习	卷积神经网络（推测）	内镜图像	2324张内镜图像，其中60张为漏诊胃癌图像；10名内镜医师参与对比。	未提及（推断为深度学习框架，如PyTorch或TensorFlow）	未明确指定（可能是用于早期胃癌检测的深度学习模型）	敏感性、特异性、阳性预测值、阴性预测值、诊断时间	未提及
2	2026-08-20	DDI-MMAF: Multi-modal affine fusion of visual and semantic representations for anticancer drug synergy prediction 2026-Nov-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119134 PMID:42447831	研究论文	提出DDI-MMAF，一种轻量级跨模态框架，通过多模态仿射融合视觉与语义表征预测抗癌药物协同作用。	核心创新在于多模态仿射融合机制，动态调节基于生物学语义嵌入的分子视觉特征，避免使用高维组学数据作为直接输入。	未明确提及局限性。	利用简化的输入数据实现准确的抗癌药物协同作用预测，降低数据获取障碍，提高模型在资源受限或快速筛选场景下的适用性。	药物SMILES序列、细胞系名称及其组织来源、分子图像。	机器学习，数字病理学	癌症	NA	CNN	文本，图像	基准数据集和独立AstraZeneca盲测集	NA	ResNet	ROC AUC	NA
3	2026-08-20	Physics-informed LSTM neural network for personalized pharmacokinetic modeling of polymyxin B in critically Ill patients 2026-Oct-01, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2026.107609 PMID:42463031	研究论文	开发了一种物理信息长短期记忆神经网络，用于重症患者多粘菌素B的个性化药代动力学建模	将机理药代动力学原理与深度学习相结合，通过物理约束（如清除率与分布容积的关系）增强模型可解释性，并采用双向LSTM和多头注意力机制	模型基于模拟数据训练和验证，未在真实临床数据上测试，且未与多种PopPK模型进行广泛比较	为重症患者提供个性化的多粘菌素B浓度预测方法，作为传统群体药代动力学模型的补充	1000名模拟脓毒症患者，具有时变肾功能和个体化给药方案	机器学习	重症感染	NA	LSTM	模拟临床数据	1000名模拟脓毒症患者	PyTorch	双向LSTM，多头注意力	R², MAE, RMSE, 预测区间覆盖率	NA
4	2026-08-20	A Structure-Aware Multimodal Framework for Drug-Target Interaction Prediction via Heterogeneous Graph Learning 2026-Oct, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261469586 PMID:42478599	研究论文	提出PHGDTI，一种通过异构图学习整合序列与结构线索的多模态框架，用于药物-靶点相互作用预测	在序列嵌入基础上，显式建模原子-残基级关系，利用异构图（药物原子图、蛋白质残基图、原子-残基异构图）和自注意力机制提升结合预测性能	未提及	开发一种多模态深度学习框架，以提升药物-靶点相互作用预测的准确率	药物-靶点相互作用（含药物分子与蛋白质）	机器学习	NA	NGS	图注意力网络、自注意力模块	序列数据、结构数据	Davis激酶数据集和GalaxyDB数据集	NA	异构图编码器、SAGPooling、自注意力模块	准确率等（具体度量为提及）	NA
5	2026-08-20	Deep learning-based prediction of drug bitterness using molecular structures 2026-Oct-01, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2026.107616 PMID:42472560	研究论文	开发了一种基于分子结构的多任务图神经网络，用于直接预测药物苦味，并以甜味作为辅助任务，提高预测性能。	采用多任务图神经网络结合甜味辅助任务进行苦味预测，并引入骨架交叉验证和外部验证，显著优于单任务模型。	未提及具体局限性，但可能受限于训练数据覆盖度和模型泛化能力。	提高药物苦味的预测性能，支持早期药物研发中的苦味化合物筛选和制剂设计。	药物分子结构，特别是儿科口服药物化合物。	机器学习	NA	SMILES分子表示、图神经网络	图神经网络（GNN）	分子结构数据（SMILES）	外部验证使用185个儿科药物化合物，其中157个为已知苦味药物。	NA	多任务图神经网络	ROC-AUC、F1分数、灵敏度、精确度、平均精度	NA
6	2026-08-20	Artificial Intelligence-Based Approach for Determining the Risk of Temporomandibular Disorders 2026-Sep, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.70220 PMID:42184378	研究论文	本研究旨在利用机器学习方法基于临床和社会人口学变量预测颞下颌关节紊乱病（TMD）的风险，以辅助早期检测和风险评估。	首次采用DANets模型在TMD风险预测中达到最高性能，并结合SHAP进行模型可解释性分析，揭示了年龄、性别及特定临床症状对决策的关键影响。	样本量较小（340例），且为单中心研究，可能限制模型的泛化能力。	开发基于人工智能的模型，用于预测TMD风险，以支持临床诊断和风险评估。	患有和不患有TMD的患者。	机器学习	颞下颌关节紊乱病	NA	DANets, KAN, KNN, MLP, SVM	临床和社会人口学变量数据（表格数据）	340名患者	NA	DANets, KAN, KNN, MLP, SVM	准确率、加权精确率、召回率、F1分数	NA
7	2026-08-20	The natural isoflavone puerarin mitigates cerebral ischemia-reperfusion injury by directly targeting CaMKⅡδ to block DLG4-Ser654 phosphorylation 2026-Sep, Phytomedicine : international journal of phytotherapy and phytopharmacology IF:6.7Q1 DOI:10.1016/j.phymed.2026.158499 PMID:42372596	研究论文	本文通过整合定量磷酸化蛋白质组学、深度学习虚拟筛选和实验验证，揭示了葛根素通过直接靶向CaMKⅡδ抑制DLG4-Ser654磷酸化，从而减轻脑缺血再灌注损伤的分子机制	首次系统识别出CaMKⅡδ-Thr287自磷酸化是脑缺血再灌注损伤的关键致病激酶，并发现DLG4-Ser654是CaMKⅡδ的新颖直接磷酸化靶点，同时利用集成深度学习筛选出葛根素作为CaMKⅡδ抑制剂，建立了结构基础的神经保护策略	文章摘要未明确提及局限性，可能需要进一步的临床验证和长期安全性评估	阐明缺血再灌注损伤中的致病激酶网络，并揭示葛根素神经保护作用的分子机制	大鼠海马组织、PC-12细胞、MCAO大鼠模型	深度学习	缺血性脑卒中	定量磷酸化蛋白质组学、深度学习虚拟筛选、分子动力学、LC-MS/MS激酶/磷酸化检测、SPR	集成深度学习模型	磷酸化蛋白质组学数据、蛋白质结构数据、实验影像数据	研究涉及大鼠海马组织、PC-12细胞和MCAO大鼠模型，但未提供具体数量	未明确指定，可能涉及TensorFlow或PyTorch	集成深度学习模型（具体架构未指定）	未明确列出性能指标，但涉及抑制率、梗死体积、神经功能评分等实验指标	未明确描述，但可能涉及GPU支持的计算环境
8	2026-08-20	Predicting neoadjuvant breast cancer therapy response using BRIDGE from tumor transcriptomics and histopathology 2026-Sep, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2026.05.700 PMID:42203036	研究论文	开发了BRIDGE计算框架，通过去卷积预处理肿瘤转录组预测乳腺癌新辅助治疗反应，并基于组织病理学切片实现低成本快速预测	首次将转录组去卷积与组织病理学结合，提出BRIDGE-Slide方法，通过深度学习推断转录组，优于直接切片到反应的模型，具有生物学可解释性	探索性留一数据集分析提示对免疫检查点阻断治疗的泛化性需更大队列验证；前瞻性验证尚未进行	开发预测乳腺癌新辅助治疗病理完全缓解的计算框架，并探索基于组织病理学的快速低成本预测方法	乳腺癌患者，包括ER阳性/HER2阴性、HER2阳性和三阴性乳腺癌亚型	数字病理学	乳腺癌	转录组测序, 组织病理学切片成像, 空间转录组学	深度学习模型, 计算框架	基因表达数据, 组织病理学图像, 空间转录组数据	10个转录组数据集用于训练，24个独立数据集用于测试，6个含组织学切片和反应数据的数据集	NA	NA	AUC, 优势比(OR)	NA
9	2026-08-20	Beyond the Classics: The Synergy of AI and Genomics Reveals an Expanded Repertoire of Pigmentation Genes 2026-Sep, Journal of experimental zoology. Part B, Molecular and developmental evolution DOI:10.1002/jez.b.70032 PMID:42393928	综述	本文综述了人工智能驱动的表型分析与基因组图谱方法相结合在动物色素沉着研究中的应用，揭示了非经典色素沉着基因的扩展谱系。	引入了“AI-pigmentomics”这一新术语，将AI驱动的表型分析与基因组图谱整合，扩展了经典色素沉着基因的认知，发现涉及膜运输、细胞内信号传导、结构组织和非编码调控的新基因。	未明确提及具体局限性。	综述AI与基因组学结合在动物色素沉着基因发现中的进展，提出AI-pigmentomics框架，以推动模式和非模式物种的色素研究。	动物色素沉着表型及相关基因，涵盖多种动物分类群。	机器学习和基因组学	不适用	基因关联分析、QTL定位、结构变异分析	深度学习、自监督建模、模式识别	图像、基因组数据	不适用	不适用	不适用	不适用	不适用
10	2026-08-20	Deep learning-based effusion-synovitis volume measured on MRI is associated with osteoarthritis progression: A longitudinal analysis of data from the osteoarthritis initiative 2026-Sep, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2026.100847 PMID:42437108	research paper	本研究利用深度学习从MRI中测量膝关节积液-滑膜炎体积，并分析其48个月变化与骨关节炎进展的关联。	首次使用深度学习自动测量膝关节积液-滑膜炎体积，并证明其纵向变化相比半定量评分与影像学骨关节炎进展有更强的关联。	尚未建立预测性和临床应用价值，需要进一步研究。	评估膝关节积液-滑膜炎体积变化与骨关节炎进展的关联，并比较其与半定量评分的关联强度。	来自骨关节炎倡议研究的2469名参与者的膝关节MRI数据。	deep learning, imaging	osteoarthritis	MRI	deep learning	MRI图像	2469例膝关节MRI数据	NA	NA	p值，效应大小（IDD）	NA
11	2026-08-20	BiGranMolNet: A deep learning method for predicting blood-brain barrier permeability based on Bi-Granularity Molecular Graphs 2026-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105079 PMID:42471206	研究论文	提出BiGranMolNet，一种基于双粒度分子图的深度学习方法，用于预测血脑屏障通透性	结合原子级和基序级分子图，使用交叉注意力机制融合双粒度特征，并引入加权损失函数缓解类别不平衡	摘要中未提及具体局限	开发可靠的BBB通透性预测工具，支持中枢神经系统药物早期筛选和分子优化	血脑屏障通透性预测	机器学习	中枢神经系统疾病	图卷积网络	图卷积网络（GCN）	分子图	2148个回归样本和16904个分类样本	NA	图卷积网络、交叉注意力机制	NA	NA
12	2026-08-20	Predicting time-to-event clinical outcomes with multivariate repeated measurements of patient-level covariates: A systematic review 2026-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105087 PMID:42547001	系统综述	本系统综述旨在识别和比较使用多变量重复测量数据预测生存结局的方法，并将其归类为不同的方法学家族	首次系统性地对基于多变量重复测量数据的生存预测方法进行聚类，并采用多维度评分比较各方法的优劣	纳入研究存在较高的偏倚风险，机器学习方法在处理非规则采样方面能力有限	识别并比较基于重复测量的生存预测方法，评估其适用性和性能特征	58篇原始同行评审研究，涉及使用多变量重复测量数据开发时间至事件预测模型	机器学习、统计学	NA	NA	联合模型、深度学习模型、地标方法、数据操作方法	结构化重复测量健康数据	58项研究，样本量因研究而异	NA	NA	NA	NA
13	2026-08-20	Spatial signal distribution learning for high-resolution 3D system matrix calibration in magnetic particle imaging 2026-Aug-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae88ae PMID:42425149	研究论文	提出一种基于空间信号分布学习的磁粒子成像三维高分辨率系统矩阵校准方法	设计了通道解耦的多路径状态空间模型，通过多路径遍历捕获空间各向异性和长距离依赖，并采用通道分组降低计算开销	未在更多临床数据集上验证，且未讨论计算资源消耗	减少三维高分辨率系统矩阵校准的工作量和成本，同时保持重建质量	磁粒子成像中的三维系统矩阵	数字病理学	不适用	磁粒子成像	状态空间模型	模拟和真实的三维系统矩阵数据	未指定	未指定	多路径状态空间模型（MPC-SSM）	归一化重建误差	未指定
14	2026-08-20	Adaptive graph learning of microbial phylogeny enables accurate and interpretable microbiome-based host phenotype prediction 2026-Aug-19, Applied and environmental microbiology IF:3.9Q2 DOI:10.1128/aem.00788-26 PMID:42429765	研究论文	提出了PhyloGCNE框架，通过边感知图卷积直接建模微生物样本为图，整合系统发育信息，实现准确且可解释的宿主表型预测	首次将微生物样本直接建模为图，利用边感知图卷积学习系统发育信息对信号传播的影响，并引入系统发育显著性传播框架进行模型解释	未明确提及，但可能受限于对大规模数据集的扩展性	开发一种准确且可解释的系统发育感知框架，用于微生物组为基础的宿主表型预测	人类微生物组样本，涉及炎症性肠病、结直肠癌、2型糖尿病、口腔鳞状细胞癌、胃癌和膳食纤维干预等表型	机器学习	炎症性肠病、结直肠癌、2型糖尿病、口腔鳞状细胞癌、胃癌	NA	图卷积网络	微生物组数据	一个合成数据集和八个真实世界数据集	NA	PhyloGCNE	NA	NA
15	2026-08-20	Improved synthetic CT image quality does not guarantee dosimetric agreement in CBCT-based adaptive proton radiotherapy 2026-Aug-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae95da PMID:42556407	研究论文	本研究评估了基于去噪扩散概率模型和循环一致性生成对抗网络从质子门控CBCT生成合成CT的图像质量与剂量准确性，并与商业治疗计划系统中的非学习方法进行比较	首次系统比较了深度学习方法和非学习方法在质子门控CBCT合成CT生成中的图像质量和剂量准确性，并揭示图像质量指标与剂量准确性之间缺乏相关性	研究仅涉及头颈和肺部两个队列，且未对深度学习模型进行多中心验证；剂量准确性评估依赖于特定的治疗计划系统	评估不同合成CT生成方法在质子自适应放疗中的剂量准确性，并探究图像质量指标与剂量一致性之间的关系	头颈部和肺部癌症患者的质子门控CBCT图像及临床批准的质子治疗计划	计算机视觉	头颈部癌症、肺癌	CBCT成像	去噪扩散概率模型、循环一致性生成对抗网络	图像	头颈和肺部两个队列的临床数据，具体样本量未在摘要中说明	NA	DDPM, CycleGAN	平均绝对误差、峰值信噪比、归一化互相关系数、伽马通过率、剂量体积直方图指标	NA
16	2026-08-20	Allosteric prediction via convolutional neural networks and protein structural and dynamical features 2026-Aug-18, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.12.011 PMID:41383018	研究论文	本研究利用卷积神经网络结合蛋白质结构和动力学特征来预测KRas蛋白的变构功能状态	首次将蛋白质结构和动力学特征转化为图像形式，利用预训练的CNN模型（GoogLeNet和ResNet18）进行变构状态分类，并发现原子接触图和线性化互信息是最有效的特征	仅以KRas蛋白作为模型系统，未验证在其他蛋白质上的泛化能力；依赖X射线晶体结构，可能未覆盖所有构象状态	开发一种基于机器学习的计算方法，利用蛋白质结构和动力学特征预测变构功能状态，以辅助功能注释和药物开发	小G蛋白KRas的活性与非活性状态	机器学习	癌症（由于KRas与多种癌症相关）	X射线晶体学（使用已有结构数据）	卷积神经网络	图像（由原子间距离、接触图、协方差和互信息转换而成）	KRas蛋白的多个X射线晶体结构（具体数量未说明）	NA	GoogLeNet, ResNet18	准确率（高达90%）	NA
17	2026-08-20	DynMoCo: A novel AI framework to reveal modular substructures of protein from molecular dynamics 2026-Aug-18, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.034 PMID:41863076	研究论文	提出DynMoCo，一种结合图卷积网络和循环模型的深度学习框架，用于分子动力学模拟中的动态社区检测，以揭示蛋白质的模块化亚结构	首次将动态社区检测方法应用于分子动力学模拟，通过时间演化图建模分子，并集成图卷积网络和循环模型实现端到端检测，可纳入结构知识以确保物理合理性	未在摘要中明确提及局限性	提供一种将高维MD数据降维为可解释社区的新方法，以揭示蛋白质的动态组织和功能相关运动	三个整合素系统的力梯和力钳受导向MD模拟	机器学习，分子动力学	NA	分子动力学模拟，动态社区检测	图卷积网络，循环模型	蛋白质分子动力学轨迹数据	三个整合素系统的MD模拟	NA	图卷积网络和循环模型的组合	NA	NA
18	2026-08-20	Readout of intrinsic and induced DNA shape by homeodomain transcription factor complexes 2026-Aug-18, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.036 PMID:41863075	研究论文	本研究通过分子动力学模拟和深度学习等方法，解析了同源异型域转录因子复合物如何通过内在DNA形状和蛋白质诱导的DNA形状变化来识别靶标序列	首次阐明内在DNA形状与蛋白质诱导的DNA形状变化在转录因子复合物结合特异性中的协同作用，并开发了整合AlphaFold同源建模、分子动力学模拟和DeepPBS的混合管道，弥补了AlphaFold 3在预测突变和构象动态对DNA形状影响方面的不足	AlphaFold 3难以准确预测突变或构象动态引起的DNA形状变化，需要额外的分子动力学模拟和深度学习方法来补充	解析同源异型域转录因子复合物中内在与诱导DNA形状读取方式如何决定结合特异性，并评估深度学习与物理方法整合的可行性	果蝇Hox转录因子Sex combs reduced及其辅因子Homothorax和Extradenticle形成的三聚体复合物，以及Distal-less和Engrailed两种同源异型域转录因子	分子生物学	NA	SELEX-seq、分子动力学模拟、AlphaFold 3、DeepPBS深度学习	深度学习、分子动力学模型	序列数据、DNA结构数据	多个具有不同结合亲和力的DNA序列，以及三种同源异型域转录因子（Sex combs reduced、Distal-less和Engrailed）	AlphaFold, DeepPBS	AlphaFold 3、DeepPBS	结合亲和力、小沟宽度、构象波动	NA
19	2026-08-20	Development and Validation of a Machine Learning Classification Algorithm for Differentiating Frontotemporal Dementia from Alzheimer's Disease Using Automated Brain MRI Volumetry 2026-Aug-18, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9546 PMID:42498651	研究论文	开发并验证了一种基于自动脑容积测量的机器学习分类算法，用于区分额颞叶痴呆与阿尔茨海默病及正常认知个体，并通过外部验证和放射科医师阅读研究评估其临床实用性。	创新点包括使用不对称指数和基于残差的颅内体积标准化，结合额叶、内侧和外侧区域体积特征，并在真实临床环境中进行外部验证和放射科医师阅读研究。	摘要中未明确提及研究的局限性。	开发并验证一种分类算法，利用自动脑容积测量来区分额颞叶痴呆、阿尔茨海默病和正常认知个体，并评估其临床效用。	研究对象为额颞叶痴呆患者、阿尔茨海默病患者和认知正常个体。	机器学习，医学影像分析	额颞叶痴呆，阿尔茨海默病	自动脑容积测量（基于深度学习）	XGBoost分类器	3D T1加权MRI影像数据及MMSE评分	训练和内部验证集：758名受试者（FTD=142，AD=216，CN=400）；外部验证集：89名受试者（FTD=18，AD=24，CN=47）	NA	XGBoost	准确率、敏感性、特异性、AUC	NA
20	2026-08-20	ViralMap: predicting features in viral proteins from primary sequence 2026-Aug-18, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.00757-26 PMID:42517630	研究论文	开发了ViralMap，一种基于ESM-2语言模型表示的多标签注释模型，用于从病毒蛋白初级序列中同时预测跨域拓扑、定位、翻译后修饰和结构特征的十个注释类别	首个专门针对真核病毒蛋白的多标签注释模型，利用ESM-2语言模型实现单一序列输入同时预测十个注释类别，且能对训练中未见过的病毒家族蛋白进行预测	未在标题和摘要中明确提及，推测可能受限于训练数据的多样性或注释类别的覆盖范围	为疫苗设计提供从原始病毒蛋白序列到所需注释谱的实用桥梁，支持快速应对新发病原体威胁	真核病毒蛋白，包括SARS-CoV-2、HIV-1、尼帕病毒和拉沙病毒的复杂糖蛋白	机器学习	感染性疾病	序列注释	多标签深度学习模型	蛋白质初级序列	未提供具体样本数量，涉及其核病毒蛋白序列数据集	未明确提及，可能使用PyTorch或类似框架	ESM-2	精确率-召回率曲线下面积（PR-AUC）	未明确提及，推测使用GPU（如NVIDIA V100或A100）进行模型训练和推理