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	2026-11-07	Vessel Wall Imaging in 1.5 T MRI Using Deep Learning Reconstruction: Prospective Evaluation of Interchangeability With Standard 3 T MRI 2026-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001290 PMID:42403272	研究论文	该研究评估了在1.5 T MRI上使用深度学习重建的血管壁成像序列与标准3 T MRI序列的互换性	使用深度学习图像重建技术，在1.5 T MRI上实现血管壁成像，并与3 T MRI序列进行互换性评估	样本量较小（50例），且1.5 T的图像质量和诊断信心略低于3 T	评估1.5 T MRI深度学习重建序列与3 T MRI序列在血管壁成像中的互换性，并比较图像质量和诊断信心	颅内血管疾病患者	医学影像	颅内血管疾病	磁共振成像（MRI），深度学习图像重建	NA	图像	50例参与者	NA	NA	Fleiss kappa，IEI，5分Likert量表，P值	NA
2	2026-11-07	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	提出一种紧密耦合等变流匹配方法，在笛卡尔空间融合多模态物理约束进行分子对接，生成物理有效且高精度的构象	紧密耦合等变流匹配，在训练中引入基于几何的配体-蛋白物理相互作用，在推理中使用力场引导的流匹配，避免解耦精修并显著减少采样步数	摘要中未明确说明	解决深度学习分子对接方法物理有效性不足、推理效率低的问题，实现高精度且物理真实的分子对接构象生成	配体-蛋白质分子对接构象	计算药物发现，分子对接，机器学习	NA	等变流匹配，力场引导，物理约束	等变流匹配模型	分子结构数据（配体与蛋白质三维结构）	NA	NA	等变流匹配网络	对接精度，物理真实性（PoseBusters指标），推理步数	NA
3	2026-11-07	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	research paper	提出了一种基于证据引导的不确定性量化多模态深度学习框架EUQTri-DTI，用于药物-靶点相互作用预测	整合了1D蛋白质序列、2D分子图像和3D药物结构三种模态网络，采用双向交叉注意力机制进行模态间信息交换，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-靶点相互作用预测可靠性和准确性的影响，实现可靠性感知的决策	药物-靶点相互作用数据	药物发现	NA	多模态深度学习	多模态深度神经网络	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	双向交叉注意力机制, 多模态网络	ROC-AUC, PR-AUC	NA
4	2026-11-07	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	本研究开发了一种多任务深度神经网络模型GSK3BMTPred，用于同时预测GSK3β抑制剂分类和抑制效力，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GSK3BMTPred，同时进行抑制剂分类和抑制效力回归预测，并通过共享分子表示提高泛化能力；结合SHAP解释关键理化特征；将深度学习模型整合到虚拟筛选工作流中，结合分子对接、MD模拟和MM/GBSA分析，发现了选择性GSK3β抑制剂Mp7和双活性抑制剂Mp8	摘要中未明确提及研究局限性	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（来自PubChem的 curated 数据集）	药物发现、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）、深度学习、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（DNN）	分子结构数据和分子描述符	NA	NA	多任务深度神经网络	分类准确率、决定系数（R）	NA
5	2026-11-07	Whole-slide analysis of mitotic activity in melanoma reveals higher-proliferation hotspots and distinct spatial patterns 2026-Dec, Histopathology IF:3.9Q1 DOI:10.1111/his.70248 PMID:42548065	研究论文	该研究开发并评估了一种基于深度学习的黑色素瘤全切片图像（WSI）有丝分裂检测算法，用于热点识别和有丝分裂空间分布分析	首次利用AI辅助有丝分裂检测进行大规模全切片空间分析，发现黑色素瘤中存在更高增殖热点及不同的空间分布模式，并揭示慢性日光损伤（CSD）部位黑色素瘤与非CSD部位在增殖细胞空间组织上的差异	未明确提及研究局限性	开发并评估黑色素瘤全切片图像的有丝分裂检测深度学习算法，探索其在热点识别和有丝分裂空间分布分析中的应用价值	黑色素瘤组织全切片图像（WSIs）	数字病理学	黑色素瘤	全切片图像（WSI）分析、H&E染色组织病理学	深度学习	图像	114例黑色素瘤病例，共378张全切片图像，检测到30,547个有丝分裂象	NA	NA	敏感度、精确率、F1分数	NA
6	2026-11-07	Additional sectioning and AI-assisted diagnosis reveal underdiagnosis of serous (pre)malignancies in fallopian tube specimen from BRCA1/2 carriers 2026-Dec, Histopathology IF:3.9Q1 DOI:10.1111/his.70249 PMID:42581815	研究论文	该研究通过对BRCA1/2携带者的输卵管标本进行更深层切片并结合AI辅助诊断，揭示了浆液性（前）恶性肿瘤的漏诊情况	采用150微米间隔的深层切片结合深度学习模型辅助检测STIC，发现所有发生腹膜高级别浆液性癌的患者在深层切片中均存在孤立STIC或HGSC病灶，且部分STIC在相邻切片中表现为STIL	样本量较小（每组仅4-5例），随访依赖临床记录，深度学习模型的具体性能未详细报告	探究组织取样深度在RRSO标本输卵管组织中对STIC检测及腹膜HGSC发生关系的影响	BRCA1/2胚系致病性变异携带者的RRSO输卵管标本，分为四组：STIC无pHGSC（n=5）、STIC伴pHGSC（n=4）、无STIC无pHGSC（n=5）、无STIC伴pHGSC（n=5）	数字病理	卵巢癌、输卵管癌、腹膜癌	组织深层切片、免疫组化（Ki-67）、深度学习辅助诊断	深度学习模型	病理图像	19例患者输卵管标本	NA	NA	NA	NA
7	2026-11-07	Automated Detection of Positioning Errors in Bitewing Radiographs Using Deep Learning 2026-Dec, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70504 PMID:42981213	研究论文	本研究开发并评估了一种基于深度学习的自动化系统，用于检测和分类咬翼片类型（前磨牙/磨牙）、侧别（右/左）以及常见的定位错误，在基于体模的受控环境中进行	开发了自动检测咬翼片定位错误（包括锥切错误严重程度分类和邻面重叠检测）的深度学习系统，并在体模获取的放射影像上进行了系统评估	研究仅使用体模获取的放射影像，未在临床患者获取的咬翼片上进行验证；多类锥切严重程度分类和错误接收器放置检测的性能相对有限；需要在临床部署前进行临床环境下的验证研究	开发和评估基于深度学习的自动化系统，用于检测和分类咬翼片类型、侧别以及常见定位错误	牙科学生评估中从牙科放射学体模获取的403张咬翼片	医学影像分析，口腔放射学	NA	深度学习，卷积神经网络	CNN	图像	403张咬翼片（来自牙科放射学体模）	NA	ResNet, DenseNet	准确率, 精确率, 召回率, F1分数, AUC	NA
8	2026-11-07	Advancing collagen-related pathology assessment through second-harmonic generation imaging 2026-Dec, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70098 PMID:42024484	综述	综述了二次谐波生成（SHG）和偏振分辨SHG（P-SHG）成像技术在胶原相关病理评估中的应用，包括定量图像分析和人工智能方法	系统总结了SHG和P-SHG在胶原病理评估中的最新进展，强调了偏振分辨SHG提供的分子取向信息与人工智能结合的前景	未提及具体实验验证或临床转化中的技术挑战，如成像深度、设备成本、标准化等问题	探讨SHG和P-SHG成像技术在胶原相关病理评估中的潜力，以及结合定量分析和人工智能方法提升诊断精度和可重复性	胶原蛋白、胶原重塑相关的病理条件（如肿瘤进展）	医学成像、数字病理	癌症（肿瘤进展）	二次谐波生成成像（SHG）、偏振分辨二次谐波生成成像（P-SHG）、定量图像分析、人工智能	深度学习模型（未具体说明）	图像	NA	NA	NA	NA	NA
9	2026-11-07	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	本文综述了计算抗病毒学这一整合性方法，涵盖从分子靶点识别到病毒生态系统工程的多个尺度，并讨论了相关工具、策略与挑战	提出计算抗病毒学作为前瞻性研究议程，整合AI、虚拟筛选、分子设计、系统病毒学、进化系统发育学、流行病学建模和气候引导预测等多尺度框架，并明确指出目前尚无真正端到端验证的多尺度抗病毒流程	目前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；关键问题包括检测异质性、模型可解释性和自主实验室系统管理	推动从反应性应对向预测性和整合性计算框架转变，以应对病毒病原体反复爆发和未来大流行风险，促进广谱抗病毒发现和先发制人干预	病毒病原体、病毒-宿主相互作用、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, 系统生物学, 流行病学, 人工智能	病毒感染, 传染病	人工智能, 虚拟筛选, 分子设计, 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, 进化系统发育学, 流行病学建模	深度学习结构模型, 基于物理的分子动力学模型	分子数据, 转录组数据, 蛋白质组数据, 代谢组数据, 流行病学数据, 气候数据	NA	NA	NA	NA	NA
10	2026-11-07	Reply to comment on "Deep learning-based classification of acute scrotum using single ultrasound images" 2026-Dec, BJU international IF:3.7Q1 DOI:10.1111/bju.70330 PMID:42198863	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11	2026-11-07	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	该研究综合运用AlphaFold3、DrugEx深度学习和多尺度分子模拟来发现新型泛基因型HCV NS5B聚合酶抑制剂	提出了AlphaFold3-DrugEx-多尺度模拟的综合策略，首次利用AlphaFold3预测多种基因型NS5B的高分辨率结构，结合基于多目标强化学习的DrugEx进行全新分子设计，并通过多步虚拟筛选和长时间分子动力学模拟鉴定出具有泛基因型覆盖的候选化合物	研究仅基于计算模拟和预测，所鉴定化合物尚未经过体外和体内实验验证，其实际生物活性和安全性有待进一步实验证实	开发广谱抗丙型肝炎病毒的泛基因型NS5B聚合酶抑制剂，克服基因型特异性疗法的局限性	丙型肝炎病毒NS5B RNA依赖的RNA聚合酶，特别是其保守的Palm II区域	药物发现	丙型肝炎	AlphaFold3结构预测，分子动力学模拟，分子对接，MM/GBSA结合自由能计算，ADMET预测，逆合成分析	DrugEx（基于多目标强化学习的分子生成器）	蛋白质结构数据，分子结构数据	生成了42,257个新化学实体，最终鉴定出4个候选化合物（01、07、18、59）	NA	DrugEx（基于强化学习的分子生成模型）	RMSD波动，MM/GBSA结合自由能，氢键分析，ADMET性质预测	NA
12	2026-11-07	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	该研究提出DeepPepQSAR框架，整合深度学习与传统肽定量构效关系，通过PepImage图和CNN模型对多种生物活性肽进行统一建模、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，将深度学习融入传统PepQSAR；设计新颖的PepImage图同时表示变长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食品源抗菌肽和降压肽	未明确说明模型的可解释性深度、跨活性类型的泛化能力边界以及实验验证的规模限制	将深度学习整合到传统肽定量构效关系中，以一体化方式定量建模、预测和解释生物活性肽宇宙，并用于人工智能驱动的生物活性肽大数据发现	多种活性类型的生物活性肽（抗菌、抗病毒、溶血、抗癌、抗原、ACE抑制、抗氧化、结构域结合等）以及从各种食品源蛋白系统生成的大量肽片段候选物	生物信息学、化学信息学、深度学习	感染性疾病、高血压、癌症	肽定量构效关系（PepQSAR）、深度学习、卷积神经网络	CNN	肽序列数据、图像（PepImage图）	大规模生物活性肽样本（多种活性类型）及数十亿肽片段候选物	NA	双路径单/多通道卷积神经网络（CNN）	NA	NA
13	2026-11-07	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机制的深度学习框架，用于高通量虚拟筛选靶向MMP-1的抗转移植物化学物，以治疗乳腺癌	提出了一种新的对比学习驱动的分子-蛋白质深度核学习（CLM-DKL）方法，结合恒星振荡优化器（SOO）进行微调；设计了结构增强的交叉交互图注意力网络（SECI-GAT）以分层方式生成嵌入，捕获分子内结构和分子-蛋白质相互作用；采用了多视图对比学习（MVCL）以及结构熵引导注意力（SEGA）和编码器注意力融合（EAF）来改善预测和表示对齐；利用DeepLIFT提供原子-残基水平的贡献分数以增强生物可解释性	摘要中未明确提及研究的局限性	解决现有深度学习方法在靶向MMP-1的植物化学物高通量虚拟筛选中无法充分捕获分子结构、跨域分子-蛋白质相互作用以及可解释预测特征的挑战	靶向MMP-1的植物化学物（用于乳腺癌治疗）	药物发现，计算生物学，深度学习	乳腺癌	深度学习，对比学习，图注意力网络，虚拟筛选	对比学习基于的分子-蛋白质深度核学习（CLM-DKL），结构增强的交叉交互图注意力网络（SECI-GAT），多视图对比学习（MVCL），结构熵引导注意力（SEGA），编码器注意力融合（EAF）， DeepLIFT	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，具体样本数量未在摘要中说明	NA	SECI-GAT， CLM-DKL， MVCL， SEGA， EAF	ROC-AUC， PR-AUC， F1分数	NA
14	2026-11-07	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	该文开发了一个集成的计算机辅助药物设计（CADD）和人工智能（AI）框架，从杂环化合物库中系统性地筛选选择性ALDH1A1抑制剂	整合了深度学习辅助分子对接、基于CNN的评分、严格的异构体选择性过滤以及LightGBM分类模型，形成多阶段虚拟筛选工作流，用于发现结构新颖的异构体选择性ALDH1A1抑制剂	研究仅基于计算分析，筛选出的候选化合物（LDN-27219和TUG-1375）尚未经过实验验证	开发高效的AI-CADD框架，快速识别和优先排序结构新颖的异构体选择性ALDH1A1抑制剂，用于未来药物发现	杂环化合物库中的化合物，靶点为醛脱氢酶1A1（ALDH1A1）	药物发现，机器学习	癌症	分子对接，分子动力学模拟，MM/PBSA计算	CNN，LightGBM	分子结构数据	NA	NA	CNN，LightGBM	NA	NA
15	2026-11-07	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	本文提出了一种基于主动学习的深度学习框架，用于高效预测小分子对皮肤的细胞毒性，以减少筛选成本和所需数据量。	结合自监督自编码器与主动学习策略，在有限实验预算下从大规模未标注分子库中高效筛选细胞毒性化合物，并系统比较了三种深度学习模型和七种采集函数策略。	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；主动学习循环依赖实验反馈，实际应用中可能受实验通量限制。	开发数据高效的训练方法，以降低细胞毒性筛选的成本和时间，并在低资源条件下优先识别细胞毒性分子。	小分子化合物，针对角质形成细胞的细胞毒性。	机器学习	皮肤毒性	主动学习，深度学习	自监督自编码器，深度学习模型	分子结构数据（化学信息）	构建了 curated 细胞毒性数据集，主动学习模型仅使用池数据的16.6%进行训练，具体分子数量未明确说明	NA	自编码器，其他两种基线深度学习模型（未具体说明）	细胞毒性富集度（cytotoxic enrichment），结构新颖性和多样性	NA
16	2026-11-07	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	该文提出UmamiFusion，一种通过注意力增强融合图和序列特征的多模态深度学习框架，用于鲜味肽识别	结合蛋白质语言模型ESM2生成的图结构表示与1D-CNN提取的序列局部特征，并采用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	摘要中未明确提及研究局限性	克服单模态建模的不足，提高鲜味肽预测的准确性	鲜味肽	机器学习	NA	蛋白质语言模型、图卷积网络、1D-CNN、双向交叉注意力	GCN、1D-CNN、MLP	肽序列数据、图结构数据	两个数据集UMP442和UMP614	NA	ESM2、GCN、1D-CNN、双向交叉注意力、MLP	准确率、MCC、AUC	NA
17	2026-11-07	Computational discovery of HIF-1α/VHL protein-protein interaction inhibitors for hypoxic cell protection 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11706-z PMID:42665764	研究论文	该文章开发了基于深度学习的虚拟筛选工作流，用于发现HIF-1α/VHL蛋白-蛋白相互作用抑制剂，并验证其缺氧细胞保护作用	利用DDMut-PPI进行界面分析以构建替代药效团模型，并发现化合物Cmpd16（ixazomib）具有高亲和力和细胞保护作用	化合物面板比较为探索性（p=0.0867），残基因果性需实验突变验证，计算模拟支持但未唯一确定结合取向	发现靶向HIF-1α/VHL PPI的抑制剂，用于缺氧细胞保护	HIF-1α/VHL蛋白-蛋白相互作用及小分子化合物	计算药物发现	缺血性疾病	深度学习界面分析、虚拟筛选、荧光偏振实验、分子动力学模拟	DDMut-PPI	分子结构数据、实验数据	24,893个分子用于筛选，4个候选化合物IC50<10 μM，Cmpd16 IC50=0.41 μM	NA	DDMut-PPI	IC50、p值（Fisher精确检验）	Desmond进行200纳秒生产模拟
18	2026-11-07	Integrating machine learning and deep learning with multiple molecular fingerprints for topoisomerase I inhibitor screening and lead identification 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11709-w PMID:42693316	研究论文	该研究整合多种分子指纹和机器学习/深度学习算法构建TOP1抑制剂筛选模型，开发预测工具，并通过筛选和实验验证发现新的TOP1抑制剂候选化合物	系统比较了五种分子指纹和八种算法组合的40个模型，开发了用户友好的网络和桌面预测应用，并通过大规模虚拟筛选和体外实验发现两个新的TOP1抑制剂hit化合物	对含有未知骨架的化合物外推性能下降，scaffold-split AUC降至0.67-0.82	解决传统TOP1抑制剂开发周期长、成本高、成功率低的问题，并弥补现有AI驱动研究缺乏系统比较和实用预测工具的不足	TOP1抑制剂活性数据（来自ChEMBL数据库）和SPECS化合物库	药物发现	癌症	分子指纹（AtomPairs、MACCS、Morgan、PharmacoPFP、RDKitDes），机器学习，深度学习	SVM, RF, DNN, KNN	分子结构数据（SMILES）	TOP1抑制剂活性数据（数量未明确，来自ChEMBL），189,554个SPECS化合物用于筛选	未明确	SVM, RF, DNN, KNN	ROC-AUC, 抑制率	未明确
19	2026-11-07	De novo generation and computational screening of dual-targeting short peptide inhibitors against PBP2b and PBP2x in drug-resistant Streptococcus Pneumoniae 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11714-z PMID:42693314	研究论文	该研究开发了SPB-Seeker集成流程，结合深度学习生成模型与计算化学筛选，用于发现靶向耐药肺炎链球菌PBP2b和PBP2x的双靶点短肽抑制剂	首次将深度学习生成模型与计算化学筛选相结合用于短肽双靶点抑制剂的设计，揭示了不同生成模型的算法偏好，并通过量子化学计算分析了短肽的稳定环状构象	研究仅进行了计算筛选和模拟验证，缺乏实验验证；初始库规模有限；未进行亲和力优化和稳定性增强的实验确认	开发一个可扩展的计算框架用于靶向短肽结合剂的发现，并针对耐药肺炎链球菌的双靶点发现短肽抑制剂	耐药肺炎链球菌的青霉素结合蛋白PBP2b和PBP2x	药物发现与设计	肺炎链球菌感染	深度学习生成模型、分子对接、分子动力学模拟、MM/PB(GB)SA结合自由能计算、量子化学计算、ESM2序列嵌入	生成模型（AFDesign、RFdiffusion、BoltzGen）、ESM2	蛋白质序列和结构数据	1101个候选短肽序列	NA	AFDesign、RFdiffusion、BoltzGen、ESM2	结合自由能（MM/PB(GB)SA）、结合稳定性、毒性预测	NA
20	2026-11-07	Artificial intelligence-guided discovery of fungal ergosterol derivatives as selective LXRβ agonists targeting the cholesterol dependency of glioblastoma 2026-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11728-7 PMID:42732035	研究论文	该研究开发了一个基于人工智能的虚拟筛选流程，从约120万天然产物中筛选出靶向LXRβ的候选化合物，并发现5,6-环氧麦角甾醇具有抗胶质母细胞瘤活性	整合了ML-QSAR建模、D-MPNN和深度学习DTI预测的AI虚拟筛选流程，首次发现真菌麦角甾醇衍生物作为选择性LXRβ激动剂，为胶质母细胞瘤提供新型治疗策略	研究主要基于计算预测和体外细胞实验验证，缺乏体内动物模型和临床试验数据，候选化合物的药代动力学和安全性需进一步验证	利用人工智能技术加速天然产物药物发现，寻找靶向LXRβ的选择性激动剂以治疗胶质母细胞瘤	约120万天然产物化合物库，五种胶质母细胞瘤细胞系和六种正常细胞模型	计算机视觉, 机器学习, 药物发现	胶质母细胞瘤	AI虚拟筛选, 分子对接, 分子动力学模拟, CCK-8细胞毒性实验	ML-QSAR, D-MPNN, 深度学习DTI预测	分子结构数据, 文本, 图像	约120万天然产物化合物，五种胶质母细胞瘤细胞系和六种正常细胞模型	NA	D-MPNN, 深度学习模型	CCK-8细胞毒性, 结合自由能, 氢键相互作用	NA