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	2026-08-01	3D Hyperspectral Data Analysis with Spatially Aware Deep Learning for Diagnostic Applications 2025-04-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05549 PMID:40179245	研究论文	本文探讨了使用空间感知深度学习算法分析3D拉曼高光谱数据以提高诊断应用性能的方法	首次将空间感知深度学习方法（如改进的3D U-Net和3D CNN）应用于三维拉曼高光谱数据的分析，相比传统的1D方法保留了空间邻域信息，提高了模型性能	空间信息的利用可能增加网络训练的复杂度，且实验仅验证了结直肠组织和胆管癌两个数据集	研究在拉曼光谱数据分析中保留空间信息的可行性，以提高深度学习模型的性能	结直肠组织（包括正常、增生、腺瘤、癌组织和伪影）和胆管癌数据集	数字病理学, 机器学习, 计算机视觉	结直肠癌, 胆管癌	拉曼光谱, 3D高光谱成像	CNN, 3D U-Net	3D拉曼高光谱扫描数据	包含结直肠组织样本和胆管癌样本，具体数量未在摘要中提供	NA	3D U-Net, 3D CNN, 1D CNN	上皮组织检测和结直肠癌检测的性能指标（具体指标如准确率、Dice系数等未在摘要中明确）	NA
2	2026-08-01	Structural and functional alterations in hypothalamic subregions in male patients with alcohol use disorder 2025-03-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112554 PMID:39848134	研究论文	本研究探讨了酒精使用障碍男性患者下丘脑亚区的结构和功能改变	使用深度学习算法对下丘脑进行精细分割，首次在酒精使用障碍患者中评估了五个亚区的体积和功能连接	样本量较小，且仅包括男性患者，可能限制结果的普遍性	评估酒精使用障碍患者下丘脑亚区的体积和功能连接改变及其与临床特征的关系	24名戒断的男性酒精使用障碍患者和24名健康男性对照	神经影像学	酒精使用障碍	磁共振成像	深度学习算法	脑结构影像和静息态功能磁共振影像	48名受试者（24名患者和24名对照）	NA	深度学习分割网络	统计检验p值、相关系数r	NA
3	2026-08-01	Major advances in protein function assignment by remote homolog detection with protein language models - A review 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102984 PMID:39864241	综述	本文综述了利用蛋白质语言模型（pLM）进行远程同源检测以改进蛋白质功能注释的方法，并比较了它们的优缺点	提出了通过过滤嵌入生成的替换矩阵、选择特定pLM层、压缩嵌入及将蛋白质分割为结构域等策略来提高远程同源检测准确性的关键思路	未具体说明计算资源需求和模型性能的量化评估	描述基于蛋白质语言模型的远程同源检测方法，以增强蛋白质功能识别能力	蛋白质同源序列及其功能注释	自然语言处理, 蛋白质组学	NA	蛋白质语言模型（pLM）, 深度学习	Transformer	蛋白质序列	NA	NA	Transformer	NA	NA
4	2026-08-01	Fake news detection: state-of-the-art review and advances with attention to Arabic language aspects 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2693 PMID:40134874	综述	本文全面回顾了假新闻检测领域的最新进展，并特别关注阿拉伯语方面的挑战和解决方案	系统性地综述了阿拉伯语假新闻检测的独特挑战和专门技术，包括预处理、方法和数据集	未提供实证实验结果，仅基于文献综述，可能缺乏对最新技术深入比较	全面梳理假新闻的类型、领域、特征、生命周期和检测方法，并重点探讨阿拉伯语假新闻检测的前沿进展和未来研究方向	假新闻及其检测方法，尤其是阿拉伯语内容	自然语言处理	NA	NA	机器学习模型、深度学习模型、基于Transformer的模型	文本	NA	NA	Transformer架构（如BERT及其变体）	NA	NA
5	2026-08-01	Tractography-Based Automated Identification of Retinogeniculate Visual Pathway With Novel Microstructure-Informed Supervised Contrastive Learning 2024-12-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70071 PMID:39564727	研究论文	该文提出了一种基于深度学习的框架DeepRGVP，利用新型微结构引导的监督对比学习自动识别扩散MRI纤维束成像数据中的视网膜膝状体视觉通路	设计了利用纤维束标签和组织微结构信息确定正负对的微结构引导监督对比学习方法，并提出了一种新的纤维束级数据增强方法以解决训练数据的高度不平衡问题	文中未明确提及局限性	实现从扩散MRI纤维束成像数据中快速准确地自动识别视网膜膝状体视觉通路	视网膜膝状体视觉通路（RGVP）及其纤维束	医学影像分析	垂体瘤	扩散MRI纤维束成像	深度学习（对比学习）	扩散MRI纤维束成像数据	未明确提及具体样本量，包括正常数据和垂体瘤患者数据	NA	NA（但提到了深度学习框架DeepRGVP）	准确率，F1分数	NA
6	2026-08-01	Automated Segmentation of Fetal Intracranial Volume in Three-Dimensional Ultrasound Using Deep Learning: Identifying Sex Differences in Prenatal Brain Development 2024-12-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70058 PMID:39629904	研究论文	开发了一种基于深度学习的卷积神经网络模型，用于三维超声图像中胎儿颅内体积的自动分割，并应用于大规模纵向队列以识别性别差异。	提出了一种全自动的胎儿颅内体积分割方法，结合数据增强、K折交叉验证和贝叶斯优化进行网络选择，并构建集成网络以提高分割精度，同时开发了自动质量控制程序，无需手动选择最佳扫描图像。	研究依赖于高质量的三维超声图像，数据增强和网络训练可能受限于图像质量和胎儿运动，且模型验证仅限于特定孕周（20和30周）和特定队列。	利用深度学习技术自动化分割三维超声中的胎儿颅内体积，以大规模研究产前大脑发育并检测性别差异。	胎儿颅内体积（ICV），基于三维超声图像。	深度学习、医学影像分析（超声图像处理）	不适用（研究正常胎儿大脑发育）	三维超声成像	卷积神经网络（CNN）	三维超声图像	2235个个体，43492个三维超声图像；训练集168张注释图像，7672个超声图像通过质量控制。	NA	3D CNN	Dice相似系数（DSC）、豪斯多夫距离（HD）	NA
7	2026-08-01	Exploring 7β-amino-6-nitrocholestens as COVID-19 antivirals: in silico, synthesis, evaluation, and integration of artificial intelligence (AI) in drug design: assessing the cytotoxicity and antioxidant activity of 3β-acetoxynitrocholestane 2024-Sep-26, RSC medicinal chemistry IF:4.1Q2 DOI:10.1039/d4md00257a PMID:39430952	研究论文	本研究合成了一系列甾体衍生物，通过虚拟筛选和人工智能辅助设计评估其作为COVID-19抗病毒药物的潜力，并测试了部分化合物的细胞毒性和抗氧化活性	首次将人工智能辅助的深度学习用于基于甾体衍生物的COVID-19药物设计，并结合虚拟筛选和分子动力学模拟进行验证	研究基于计算机模拟和体外实验，缺乏体内实验验证，且部分化合物不符合药物开发所需的理化性质	评估合成的7β-氨基-6-硝基胆甾烯衍生物作为SARS-CoV-2抑制剂的潜力，并利用AI优化药物设计	7β-氨基胆甾烯衍生物和3β-乙酰氧基-6-硝基胆甾-4,6-二烯	计算机辅助药物设计	COVID-19	化学合成、虚拟筛选、分子对接、分子动力学模拟、AI辅助深度学习	深度学习模型	分子结构、结合能数据、分子图像	9种合成的甾体化合物和一个包含60个AI生成分子的库	NA	深度学习（具体架构未在摘要中指定）	结合能、细胞毒性、抗氧化活性	NA
8	2026-08-01	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-06, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	介绍MRD-EDGE，一种基于机器学习引导的信号富集的超灵敏血浆肿瘤负荷监测平台，用于提高循环肿瘤DNA检测的灵敏度	通过深度学习和ctDNA特异性特征空间，将全基因组测序中的SNV信号噪声富集提高约300倍；同时将非整倍体检测所需的测序深度从1Gb降至200Mb，扩大了在实体瘤中的应用范围	未提及具体局限性	开发并验证一种机器学习引导的ctDNA检测平台，以克服低肿瘤分数下ctDNA片段稀疏的问题，提高微小残留病灶检测和疗效监测的灵敏度	多种癌症类型的患者样本，包括肺癌、黑色素瘤、结直肠腺瘤等	机器学习	多种癌症类型（如肺癌、黑色素瘤、结直肠腺瘤）	全基因组测序（WGS）	深度学习模型	血浆全基因组测序数据	未提及具体样本量	NA	NA	信号噪声富集倍数、灵敏度	NA
9	2026-08-01	State-of-the-RNArt: benchmarking current methods for RNA 3D structure prediction 2024-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae048 PMID:38745991	研究论文	本文简要回顾了RNA 3D结构预测的从头计算、模板基础和深度学习方法，并使用RNA-Puzzles数据集对九种方法进行了基准测试，提供了在线仪表板展示预测结果	提供了对当前RNA 3D结构预测方法的全面基准测试，并创建了在线仪表板，便于比较不同方法的性能	基准测试仅限于RNA-Puzzles数据集，可能不包括所有最新或特定类型的RNA结构预测方法	评估和比较当前RNA 3D结构预测方法的性能，包括从头计算、模板基础和深度学习方法	RNA分子，特别是通过RNA-Puzzles数据集中的RNA序列和结构	计算生物学	不适用	RNA 3D结构预测（计算方法，包括从头计算、模板基础和深度学习）	多种模型，包括深度学习方法（如深度学习网络），但具体模型类型未详细说明	RNA序列和结构数据（RNA-Puzzles数据集）	九种预测方法，基于RNA-Puzzles数据集（具体样本数量未提及）	不适用	不适用（涉及多种方法，具体架构未在摘要中详细说明）	性能指标未在摘要中明确提及，可能包括预测精度、RMSD等，但未列出	不适用
10	2026-08-01	A large-scale assessment of sequence database search tools for homology-based protein function prediction 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae349 PMID:39038936	研究论文	本研究大规模评估了序列数据库搜索工具在基于同源性的蛋白质功能预测中的表现，并提出新的评分函数以提高预测性能	首次系统评估了不同序列搜索工具及其参数设置对蛋白质功能预测的影响，并开发了优于现有方法的新的评分函数	研究主要基于基准数据集进行，可能未涵盖所有真实应用场景，且未深入探讨不同生物体或功能类别的差异	评估最优序列搜索工具和参数设置，以提高基于同源性的蛋白质功能预测性能	流行的序列搜索工具（如BLASTp, MMseqs2, DIAMOND）及其在GO术语预测中的应用	生物学信息学	NA	序列数据库搜索	NA	序列数据	大型基准数据集，未给出具体数量	NA	NA	性能（未明确指定具体指标）	NA
11	2026-08-01	CELA-MFP: a contrast-enhanced and label-adaptive framework for multi-functional therapeutic peptides prediction 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae348 PMID:39038935	研究论文	提出了CELA-MFP，一种结合特征对比增强和标签自适应的深度学习框架，用于预测多功能治疗肽	通过对比学习增强肽序列表示，并利用Transformer解码器建模功能间相关性	未明确提及	准确预测多功能治疗肽的功能，以支持药物发现和生物技术应用	多功能治疗肽序列	机器学习	NA	蛋白质语言模型（pLM）	Transformer	序列	两个广泛使用的数据集MFBP和MFTP	NA	Transformer解码器	准确率、精确率、召回率、F1分数、AUC等（根据原文“most evaluation metrics”推断）	NA
12	2026-08-01	Introducing enzymatic cleavage features and transfer learning realizes accurate peptide half-life prediction across species and organs 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae350 PMID:39038937	研究论文	提出了一种基于人工智能的肽半衰期预测系统，结合酶切特征和迁移学习，实现了跨物种和器官的准确预测	创新性地整合酶切特征与传统肽描述符，并系统比较传统机器学习和迁移学习，显著提高预测精度	未明确说明局限性	实现天然和修饰肽在人类和小鼠的血液及肠道中的半衰期准确预测，促进肽药物开发	天然肽和修饰肽	机器学习	不适用	酶切特征分析	深度学习模型	肽序列数据	未明确说明	未明确说明	未明确说明	R²	未明确说明
13	2026-08-01	Discovering predisposing genes for hereditary breast cancer using deep learning 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae346 PMID:39038933	研究论文	本文开发了一种基于深度学习的变异分析流程，用于发现遗传性乳腺癌的易感基因，并发现过氧化物酶体和线粒体通路在乳腺癌易感性中起重要作用	提出了一种高通量变异分析流程，结合最新机器学习模型和三维蛋白质结构分析，针对家族研究设计，应用于罕见错义变异分析	研究仅限于中东血统的12个家庭队列，样本规模较小；未提供模型计算资源细节	利用深度学习发现遗传性乳腺癌的易感基因，并探索相关生物通路	来自12个具有高乳腺癌发病率的中东家庭的罕见错义变异	机器学习	乳腺癌	NGS（下一代测序）	深度学习模型	基因组变异数据（罕见错义变异）	12个家庭，1218个罕见错义变异，80个候选致病基因	NA	NA	NA	NA
14	2026-08-01	Comprehensive single-cell RNA-seq analysis using deep interpretable generative modeling guided by biological hierarchy knowledge 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae314 PMID:38960404	研究论文	提出了一种名为d-scIGM的深度可解释生成模型，用于单细胞RNA-seq数据分析，结合锯齿连接技术和残差网络，并融入生物学层级先验知识	将锯齿连接技术与残差网络相结合构建深层生成框架，并整合生物学领域的层级先验知识以增强模型可解释性，突破了以往生成模型仅局限于1至3层潜在变量的浅层神经网络限制	NA	开发一种深度可解释的生成模型，用于单细胞转录组数据的综合分析，包括聚类、可视化和伪时间推断等任务	单细胞RNA-seq数据，具体包括药物响应数据、黑色素瘤数据集等	机器学习	黑色素瘤	RNA-seq（单细胞RNA测序）	生成模型（深度生成模型）	单细胞转录组数据（图像、文本等之外的数据类型）	NA（未明确说明具体样本数量）	NA	残差网络、锯齿连接（结合生成模型）	聚类性能、可视化效果、伪时间推断准确性、主题通路富集度、药物响应模式捕获能力	NA
15	2026-08-01	A novel deep machine learning algorithm with dimensionality and size reduction approaches for feature elimination: thyroid cancer diagnoses with randomly missing data 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae344 PMID:39007597	研究论文	本文提出了一种新颖的深度机器学习算法，结合维度和规模缩减方法处理随机缺失数据，用于甲状腺癌诊断	提出内相似性和目标相似性维度缩减方法，以及基于层次聚类的规模缩减方法，以处理随机缺失数据并提升诊断准确性	未明确提及	开发准确且计算高效的深度学习算法，用于甲状腺癌诊断，并处理随机缺失数据和维度灾难问题	甲状腺癌诊断数据，包含随机缺失的多维数据	机器学习	甲状腺癌	NA	深度机器学习算法	表格数据（多维临床数据）	未明确提及	NA	NA	精确度（训练和测试精确度），计算时间效率	NA
16	2026-08-01	Highly accurate classification and discovery of microbial protein-coding gene functions using FunGeneTyper: an extensible deep learning framework 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae319 PMID:39007592	研究论文	开发了FunGeneTyper，一个可扩展的深度学习框架，用于微生物蛋白编码基因功能的高精度分类和发现，尤其在抗生素耐药基因和毒力因子基因方面表现卓越	提出了两个新的深度学习模型（FunTrans和FunRep），构建了结构化数据库和支持资源，实现了高精度（Accuracy>0.99, F1-score>0.97）的细粒度分类，并在发现新ARGs方面超越了现有工具和方法	摘要中未明确提及局限性	实现微生物蛋白编码基因功能的准确分类和新型基因的发现	微生物蛋白编码基因，特别是抗生素耐药基因和毒力因子基因	自然语言处理、机器学习、生物信息学	不适用（针对微生物功能）	深度学习框架（包括序列建模和表示学习）	深度神经网络（FunTrans和FunRep，可能基于Transformer或类似架构）	微生物基因序列（DNA/蛋白质序列）	包括ARGs的远程同源序列数据集，以及来自人类肠道、废水和土壤微生物组的实验确认数据集	可能使用PyTorch或TensorFlow（未明确指定）	FunTrans和FunRep（具体架构未详细说明，可能包括Transformer变体）	准确率（Accuracy）、F1分数（F1-score）	未明确提及，但强调为轻量级、隐私保护和即插即用模块
17	2026-08-01	DeepIDA-GRU: a deep learning pipeline for integrative discriminant analysis of cross-sectional and longitudinal multiview data with applications to inflammatory bowel disease classification 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae339 PMID:39007595	研究论文	开发了一个名为DeepIDA-GRU的深度学习流程，用于整合横截面和纵向多视图数据，并应用于炎症性肠病分类	首次结合统计与深度学习方法整合横截面和纵向多视图数据，并考虑类别结果，识别关键变量以提供生物学见解	未在文中明确提及	克服现有方法在整合不同数据类型和考虑类别结果方面的局限性，提高复杂疾病分类的准确性	炎症性肠病（IBD）患者的横截面和纵向多组学数据，包括宏基因组学、转录组学和代谢组学	机器学习	炎症性肠病	多组学测序（宏基因组学、转录组学、代谢组学）	GRU，密集前馈网络，循环神经网络	多组学数据（宏基因组、转录组、代谢组）	IBD研究中的样本，具体数量未在摘要中给出	未在摘要中提及	GRU，密集前馈网络	分类准确率等，具体未在摘要中给出	未在摘要中提及
18	2026-08-01	Gram matrix: an efficient representation of molecular conformation and learning objective for molecular pretraining 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae340 PMID:38990515	研究论文	提出使用Gram矩阵作为分子三维结构的紧凑表示，并用于预训练目标，构建Pre-GTM模型以提高分子性质预测准确性	首次将Gram矩阵用作分子三维构象的表示和预训练目标，使模型隐式捕获3D信息	未提及具体局限性	通过引入3D构象信息改进分子性质预测，提升模型性能	分子结构及其性质	机器学习	NA	NA	Pre-GTM（基于Transformer的图模型）	分子结构数据（2D和3D）	QM9和MoleculeNet数据集	未明确提及	Graphormer（作为基线），Pre-GTM	预测准确性（具体指标未列出）	未提及
19	2026-08-01	ctGAN: combined transformation of gene expression and survival data with generative adversarial network 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae325 PMID:38980369	研究论文	本文提出ctGAN模型，利用生成对抗网络联合转换基因表达和生存数据，以增强癌症生存分析	与现有仅生成转录组数据的样式迁移生成模型不同，ctGAN能同时生成基因表达和生存数据，应用于癌症类型间的数据增强	文本未提及明显局限性	通过数据增强提高生存分析性能，并生成高仿真的基因表达和生存数据以支持临床决策	乳腺癌和11种其他癌症类型的基因表达及生存数据	机器学习	癌症	生成对抗网络（GAN）	GAN	基因表达数据和生存数据	涉及乳腺癌和11种其他癌症类型，具体样本数未提及	NA	生成对抗网络（具体架构未提及，可能包含多层感知机或卷积层，但未明确）	C-index, log-rank p值, 聚类评估指标	NA
20	2026-08-01	DeepGRNCS: deep learning-based framework for jointly inferring gene regulatory networks across cell subpopulations 2024-05-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae334 PMID:38980373	研究论文	提出一个基于深度学习的框架DeepGRNCS，用于跨细胞亚群联合推断基因调控网络。	通过等宽法离散化数据，并利用深度模型预测剔除每个转录因子后的靶基因表达，从而推断调控关系，克服了现有方法忽略细胞间异质性和亚群间相似性的局限。	未在摘要中明确说明局限性。	开发一种能有效联合推断不同细胞亚群特异性基因调控网络的深度学习方法。	细胞亚群及其基因调控网络。	机器学习	非小细胞肺癌	单细胞RNA测序	深度学习模型（具体类型未指定）	单细胞RNA测序数据	多种模拟和真实单细胞RNA测序数据集，包括非小细胞肺癌样本。	未指定	未指定	优于现有GRN推断方法（具体指标未指定）	未指定