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	2026-02-17	Advanced deep learning strategies in nanopore RNA sequencing 2026-Dec, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2026.2627968 PMID:41663212	综述	本文综述了纳米孔直接RNA测序中用于分析RNA化学修饰的先进深度学习策略	重点介绍了针对数据稀缺、噪声和生物变异挑战的专门学习框架和集成策略，以提高分辨率	NA	评估RNA修饰作为新兴生物标志物和治疗靶点，并利用人工智能解析纳米孔测序信号	RNA分子的化学修饰（表观转录组）	自然语言处理	NA	纳米孔直接RNA测序	CNN, RNN	测序信号	NA	NA	NA	NA	NA
2	2026-02-17	De novo biosynthesis of eriocitrin in Saccharomyces cerevisiae through deep learning-guided enzyme screening and systematic metabolic engineering 2026-Sep, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2026.01.019 PMID:41696525	研究论文	本研究通过深度学习引导的酶筛选和系统代谢工程，在酿酒酵母中实现了圣草次苷的从头生物合成	结合生物信息学和深度学习方法筛选高效糖基转移酶，并首次在酿酒酵母中构建了圣草次苷的完整从头合成途径	最终圣草次苷产量（30.5 mg/L）仍较低，且整个合成途径的优化和放大生产仍需进一步研究	开发一种可持续、可扩展的微生物生产方法，以替代传统的植物提取法来生产圣草次苷	圣草次苷（一种黄烷酮-7-O-二糖）及其在酿酒酵母中的生物合成途径	合成生物学，代谢工程	NA	深度学习，生物信息学分析，代谢工程，启动子工程，途径整合	深度学习模型（具体类型未指明）	酶序列数据，代谢途径数据	NA	NA	NA	产量（mg/L）	NA
3	2026-02-17	Deep learning-guided engineering of pectinase for enhanced catalytic performance in tobacco processing 2026-Apr, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134028 PMID:41554444	研究论文	本研究利用深度学习指导果胶酶工程，通过ProteinMPNN和多重序列比对进行残基重设计，显著提升了酶的催化性能和热稳定性，并改善了烟草加工中的感官品质	采用深度学习（ProteinMPNN）结合多重序列比对进行果胶酶理性设计，实现了72个突变，催化活性提升8.9倍，热稳定性增加10°C，并首次将酶性能提升与终端产品（烟草）感官品质改善直接关联	未明确说明突变筛选的计算成本、实验验证的样本量细节，以及在其他工业底物中的普适性验证	通过深度学习指导酶工程，提升果胶酶的催化性能和工业应用潜力	果胶酶及其突变体	机器学习	NA	深度学习, 多重序列比对, 分子动力学分析	ProteinMPNN	蛋白质序列数据, 结构数据	NA	NA	ProteinMPNN	催化活性倍数提升, 最适温度变化, pH稳定性范围	NA
4	2026-02-17	Accurate enzyme specificity constant prediction with iESC 2026-Apr, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134067 PMID:41592658	研究论文	本文介绍了一种名为iESC的深度学习模型，用于仅基于酶序列和底物结构准确预测酶特异性常数（如K和k）	开发了首个仅依赖酶序列和底物结构即可预测酶特异性常数的深度学习模型iESC，显著优于现有最先进模型	未明确说明模型在未见酶或底物上的泛化能力，以及数据预处理可能引入的偏差	准确预测酶特异性常数（K和k），以替代传统耗时费力的实验测量方法	酶序列和底物结构	机器学习	NA	深度学习	深度学习模型	序列数据、结构数据	41,907个酶-底物动力学参数	NA	iESC	决定系数（R）、均方根误差（RMSE）、平均绝对误差（MAE）	NA
5	2026-02-17	Axial length prediction Model based on screening fundus photography data in school-age children 2026-Apr, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110893 PMID:41611113	研究论文	本研究开发了基于学龄儿童筛查性眼底摄影数据的深度学习模型，用于预测眼轴长度	首次利用接近正常的彩色眼底照片，结合年龄和屈光度等临床参数，通过深度学习预测儿童眼轴长度，并揭示了眼底血管区域对预测的重要性	研究样本仅来自6-10岁学龄儿童，未包含其他年龄段；纳入性别参数反而降低了模型性能，其机制尚不明确	开发能够利用筛查性眼底照片预测儿童眼轴长度的深度学习模型	6-10岁学龄儿童的彩色眼底照片及相关临床参数	数字病理	眼科疾病	彩色眼底摄影	CNN	图像	2779名儿童的3840张彩色眼底照片	PyTorch	ResNet101	相关系数R	NA
6	2026-02-17	Elevated Retinal Neovascularization on Widefield Optical Coherence Tomography Angiography Predicts Complications in High-Risk Proliferative Diabetic Retinopathy 2026-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.017 PMID:41453592	研究论文	本研究探讨了基于单次拍摄广域扫频源光学相干断层扫描血管成像（SS-OCTA）的视网膜新生血管（RNV）指标是否能预测高风险增殖性糖尿病视网膜病变（PDR）患者后续发生视力威胁性并发症的风险	首次利用广域SS-OCTA结合深度学习算法自动分割和量化RNV膜及血管区域，并基于RNV与内界膜（ILM）的轴向关系（抬高型与附着型）来预测并发症，为PDR的临床分期提供了新的影像学生物标志物	样本量较小（仅18只眼），随访时间中位数为291天，可能不足以全面评估长期并发症风险，且为单中心前瞻性病例系列研究，结果需更大规模研究验证	评估广域SS-OCTA衍生的RNV指标在预测高风险PDR患者发生玻璃体出血（VH）或牵引性视网膜脱离（TRD）等并发症方面的预测价值	临床分级为高风险PDR的眼部，来自三级医疗中心，并随访至少6个月	数字病理学	糖尿病视网膜病变	单次拍摄26×21毫米广域扫频源光学相干断层扫描血管成像（SS-OCTA）	深度学习算法	OCTA图像	18只高风险PDR眼	NA	NA	AUC, 敏感性, 特异性	NA
7	2026-02-17	Deep Learning Artificial Intelligence and Restriction Spectrum Imaging for Patient-level Detection of Clinically Significant Prostate Cancer on Biparametric Magnetic Resonance Imaging 2026-Mar, European urology open science IF:3.2Q1 DOI:10.1016/j.euros.2026.01.014 PMID:41695400	研究论文	本研究评估了结合限制谱成像最大限制评分与深度学习模型，在双参数磁共振成像上检测临床显著前列腺癌的性能	首次将限制谱成像的定量评分（RSIrsmax）与3D-DenseNet深度学习架构相结合，并采用留一中心验证方法，用于患者层面的临床显著前列腺癌检测	活检作为参考标准存在不完美性，排除了髋关节植入病例，缺乏外部校准，RSI序列可用性有限，且缺少个体放射科医生及其专业知识的病例层面信息	评估结合RSIrsmax与深度学习模型是否能增强患者层面临床显著前列腺癌的检测能力	接受磁共振成像检查并经活检确诊前列腺癌的患者	数字病理学	前列腺癌	双参数磁共振成像，限制谱成像	CNN	图像	来自7个机构的1892名患者，其中876名患者组成经活检确认的子集用于模型评估	PyTorch	3D-DenseNet	AUC, 敏感性, 特异性, 净重分类改善指数, 综合判别改善指数	NA
8	2026-02-17	SpectralFlow: an integrated platform for spectral data preprocessing and predictive modeling analysis in fruit quality evaluation 2026-Feb-16, The Analyst DOI:10.1039/d5an00794a PMID:41283740	研究论文	本文介绍了一个名为SpectralFlow的集成平台，用于光谱数据预处理和水果质量评估中的预测建模分析	开发了一个集成交互式光谱数据提取与预处理、内置模型库、自定义模型训练、数据集管理和可视化功能于一体的软件平台，解决了现有软件仅支持简单机器学习模型、缺乏复杂超参数调优和先进深度学习架构支持，以及对高光谱图像特征提取功能有限的问题	NA	开发一个集成平台以降低光谱分析的技术门槛，优化光谱数据分析并简化模型训练过程	水果（芒果、苹果、猕猴桃、梨）的质量评估	机器学习	NA	近红外光谱，高光谱成像	NA	光谱数据，高光谱图像	NA	NA	NA	准确率，R平方值	NA
9	2026-02-17	Magnetic resonance imaging-based proton dose calculation for pelvic tumors using deep learning 2026-Feb-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae399c PMID:41544379	研究论文	本研究探讨了两种基于深度学习的MRI-only质子剂量计算流程在盆腔肿瘤治疗中的可行性和鲁棒性	提出了两种全深度学习流程，包括两步法和直接法，用于从MRI直接预测质子剂量分布，并评估其对MRI强度畸变的鲁棒性	直接预测流程在治疗计划层面的平均相对误差较高，信息利用效率有待改进	研究基于MRI的质子剂量计算在盆腔区域的可行性	盆腔肿瘤患者	医学影像分析	盆腔肿瘤	磁共振成像，蒙特卡洛模拟	深度学习	MRI图像，CT图像	120名盆腔患者的MRI-CT配对数据	NA	NA	伽马通过率，平均相对误差	NA
10	2026-02-17	Enhancing transcription factor regulatory network analysis through data balancing and representation learning 2026-Feb-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4239 PMID:41643219	研究论文	本研究提出了一种结合K-means++聚类与数据平衡策略的新方法，以增强转录因子与靶基因相互作用的预测，并通过深度学习提取异质生物网络的信息表示	通过K-means++聚类结合基于逆信息原理的数据平衡策略来缓解数据不平衡问题，并整合随机游走采样与skip-gram嵌入的深度学习以提取异质网络表示	未明确提及具体的数据集规模或外部验证结果，可能受限于所用生物数据的质量和覆盖范围	提高转录因子与靶基因相互作用预测的准确性，以支持基因调控网络分析和疾病机制研究	转录因子与靶基因的相互作用	机器学习	癌症	ChIP-seq, RNA-seq	深度学习	生物网络数据	NA	NA	skip-gram	AUC	NA
11	2026-02-17	Transforming a clinical study database into a structured database adapted to artificial intelligence applications 2026-Feb-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02087-2 PMID:41692923	研究论文	本文提出了一种将临床试验数据库转化为适合人工智能应用的结构化数据库的方法论和工具	开发了一套专门用于临床试验数据库的整理流程，包括数据筛选、质量控制和序列名称统一，以支持AI模型的训练和测试	研究仅基于法国EURAD临床试验的MRI数据，可能不适用于其他类型的数据或更广泛的临床场景	开发一种方法论和工具，使临床试验数据库能够被整理用于人工智能工具的培训或测试	法国EURAD临床试验中盆腔附件病变女性的MRI数据	计算机视觉	盆腔附件病变	MRI	NA	图像	713名患者	NA	NA	NA	NA
12	2026-02-17	3D deep-learning radiomics from MR-T2WI for predicting placenta accreta spectrum disorders: A multicenter study 2026-Feb-16, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70874 PMID:41696788	研究论文	本研究开发了一种基于MR-T2WI的三维深度学习放射组学模型，用于预测胎盘植入谱系疾病的风险	首次结合三维深度学习与放射组学特征，通过多中心数据验证，显著超越传统放射组学、临床模型及放射科医生的诊断准确性	研究为回顾性设计，可能存在选择偏倚；模型性能在外部测试集上略有下降	预测胎盘植入谱系疾病的风险	疑似胎盘植入谱系疾病的患者	数字病理学	胎盘植入谱系疾病	磁共振成像	深度学习	三维医学图像	601例疑似病例（中心A 476例，中心B 63例，中心C 62例）	PyTorch	ResNet50, DenseNet121, ShuffleNet	AUC	NA
13	2026-02-17	Multicenter Clinical Validation of an Artificial Intelligence Diagnostic Classification Model for Laryngoscopy Images 2026-Feb-16, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70153 PMID:41696998	研究论文	本研究开发并外部验证了一个基于人工智能的计算机辅助诊断模型，用于从喉镜图像中对喉部病变进行高风险与低风险分类	进行了大规模、多中心的临床验证，证明了模型在不同外部数据集上的泛化能力，并与不同专业水平的医生及ChatGPT-4o进行了性能比较	研究为回顾性设计，需要前瞻性临床试验来评估真实世界的临床实施效果	开发并验证一个用于喉镜图像分类的AI辅助诊断模型，以区分高风险和低风险喉部病变	来自喉镜检查的超过20,000张图像，这些图像根据组织病理学或专家共识进行了标注	计算机视觉	喉部病变	喉镜检查	深度学习模型	图像	超过20,000张喉镜图像	NA	NA	准确率, 精确率, 召回率, F1分数, AUC	NA
14	2026-02-17	AI-based image quality assessment of positioning in mammography: considerations and challenges 2026-Feb-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02191-3 PMID:41697490	研究论文	本文探讨了基于人工智能的原型算法在乳腺X线摄影中复制PGMI（完美-良好-中等-不足）定位质量评估系统的能力	首次将深度学习原型软件应用于乳腺X线摄影的PGMI系统自动化评估，并系统比较了AI与人类专家共识的一致性	AI与人类专家在整体PGMI评估上仅达到轻微至一般一致性，部分子类别一致性较差，且存在解剖标志误判和因果关系问题	探索AI在乳腺X线摄影定位质量评估中替代人类专家评分的可行性与挑战	来自多中心病例集的200例标准乳腺X线摄影图像（共800张图像）	计算机视觉	乳腺癌	乳腺X线摄影	深度学习	医学影像	200例标准乳腺X线摄影（800张图像）	NA	NA	Cohen's kappa系数	NA
15	2026-02-17	The BIOPREVENT machine-learning algorithm predicts chronic graft-versus-host disease and mortality risk using posttransplant biomarkers 2026-Feb-16, The Journal of clinical investigation IF:13.3Q1 DOI:10.1172/JCI195228 PMID:41697751	研究论文	本研究开发了一种名为BIOPREVENT的机器学习算法，利用移植后90/100天的生物标志物和临床变量来预测慢性移植物抗宿主病和非复发死亡率的风险	首次将机器学习模型与移植后生物标志物相结合，开发出能够准确预测cGVHD和NRM个体风险的算法，并创建了公开可用的R Shiny网络应用程序	深度学习模型未表现出优于其他机器学习方法的性能，需要进一步研究来探索其在指导预防性治疗中的作用	开发能够准确预测造血细胞移植后慢性移植物抗宿主病和非复发死亡率的机器学习模型	1,310名造血细胞移植受者	机器学习	移植物抗宿主病	血浆蛋白检测	CoxXGBoost, Group SCAD, Adaptive Group Lasso, Random Survival Forests, BART, 深度学习模型	生物标志物数据, 临床变量	1,310名患者	R	CoxXGBoost, Group SCAD, Adaptive Group Lasso, Random Survival Forests, BART	时间依赖性ROC曲线下面积	NA
16	2026-02-17	Hybrid deep learning novel framework for classification of parkinson's disease 2026-Feb-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37553-4 PMID:41692894	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17	2026-02-17	IgPose: A Generative Data-Augmented Pipeline for Robust Immunoglobulin-Antigen Binding Prediction 2026-Feb-15, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag076 PMID:41692975	研究论文	本文介绍了一种名为IgPose的生成式数据增强框架，用于免疫球蛋白-抗原结合预测和评分	通过构建结构免疫球蛋白诱饵数据库（SIDD）缓解数据稀缺问题，并整合等变图神经网络、ESM-2嵌入和门控循环单元来协同捕获几何和进化特征	未在摘要中明确说明	开发一个通用框架，用于免疫球蛋白-抗原结合姿态识别和评分，以支持高通量抗体发现	免疫球蛋白-抗原复合物	机器学习	NA	生成式数据增强	等变图神经网络, 门控循环单元	结构数据, 序列数据	未在摘要中明确说明	未在摘要中明确说明	未在摘要中明确说明	DockQ分数	未在摘要中明确说明
18	2026-02-17	stDyer-image improves clustering analysis of spatially resolved transcriptomics and proteomics with morphological images 2026-Feb-15, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag071 PMID:41692960	研究论文	本文介绍了一种名为stDyer-image的深度学习框架，旨在利用形态学图像提升空间转录组学和蛋白质组学数据的聚类分析性能	stDyer-image直接将图像特征与聚类标签关联，而非仅用图像补充基因表达数据，模仿病理学家仅凭形态学图像识别细胞类型或肿瘤区域的能力	NA	开发一个端到端的深度学习框架，以增强空间转录组学和蛋白质组学数据（结合形态学图像）的聚类分析	空间转录组学和空间蛋白质组学数据集及其对应的形态学图像	数字病理学	NA	空间转录组学, 空间蛋白质组学	深度学习	图像, 基因表达数据, 蛋白质丰度数据	NA	NA	NA	聚类性能	NA
19	2026-02-17	Research Progress in Machine Learning Techniques for Metal-Organic Framework Screening 2026-Feb-15, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c21454 PMID:41693125	综述	本文综述了机器学习技术在金属有机框架筛选领域的研究进展	分析了机器学习在MOF筛选中的应用现状，评估了主流MOF数据库的局限性，并强调了数据真实性和更新频率对模型可靠性的影响	当前MOF数据库存在数据真实性和更新频率问题，可能影响模型可靠性	探讨机器学习技术在金属有机框架筛选中的应用与发展	金属有机框架材料	机器学习	NA	机器学习	图神经网络, Transformer	材料结构数据	NA	NA	图神经网络, Transformer	NA	NA
20	2026-02-17	Deep learning in lower gastrointestinal cancer detection: Advances in endoscopic, radiologic, and histopathologic diagnostics 2026-Feb-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v18.i2.115974 PMID:41695919	综述	本文综述了深度学习在基于内窥镜、放射学和病理学图像的下消化道癌症检测中的最新进展与应用	系统性地总结了深度学习在三种关键诊断模式（内窥镜、放射学、组织病理学）中检测下消化道癌症的变革性影响，并探讨了其技术挑战和伦理问题	NA	评估深度学习模型在下消化道癌症检测中的性能、潜力及面临的挑战	下消化道癌症，特别是结直肠癌	数字病理学	结直肠癌	深度学习	CNN	图像	NA	NA	NA	灵敏度, 特异性, AUC	NA