深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 2512 篇文献，本页显示第 301 - 320 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2025-11-18 |
Benchmarking of deep neural networks for predicting personal gene expression from DNA sequence highlights shortcomings
2023-Sep-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.16.532969
PMID:36993652
|
研究论文 | 评估深度神经网络在从DNA序列预测个体基因表达方面的性能并识别其局限性 | 首次系统评估深度学习方法在跨个体基因表达预测中的表现，揭示了现有方法在预测变异效应方向上的局限性 | 现有方法未能充分学习序列基序语法，导致对变异效应方向的预测能力不足 | 评估深度学习方法作为个人DNA解释工具在预测跨个体基因表达变异方面的实用性 | 839名ROSMAP研究参与者的全基因组测序和基因表达配对数据 | 基因组学, 机器学习 | NA | 全基因组测序, 基因表达分析 | 深度神经网络 | 基因组DNA序列, 基因表达数据 | 839名个体 | NA | NA | 变异效应方向预测准确性 | NA |
| 302 | 2025-11-18 |
Modelling human behaviour in cognitive tasks with latent dynamical systems
2023-06, Nature human behaviour
IF:21.4Q1
DOI:10.1038/s41562-022-01510-8
PMID:36658212
|
研究论文 | 提出一种深度学习框架task-DyVA，通过潜在动态系统建模人类在认知任务中的行为反应时间序列 | 首次将表达性动态系统与深度学习结合，能够以高时间精度捕捉个体特异性行为差异，并支持通过扰动实验发现可解释的认知理论 | 未明确说明模型在其他认知任务上的泛化能力及计算复杂度 | 开发能够准确建模个体人类受试者在认知任务中反应时间序列的计算框架 | 人类受试者在任务转换认知任务中的行为数据 | 机器学习 | NA | 深度学习 | 潜在动态系统 | 反应时间序列数据 | 大型任务转换数据集中的个体人类受试者 | 深度学习框架 | task-DyVA | 时间精度，任务转换成本捕捉能力 | NA |
| 303 | 2025-11-17 |
Leveraging mid-infrared spectroscopic imaging and deep learning for tissue subtype classification in ovarian cancer
2023-Jun-12, The Analyst
DOI:10.1039/d2an01035f
PMID:37218522
|
研究论文 | 本研究结合中红外光谱成像和深度学习技术，实现了卵巢癌组织亚型的无标记自动分类 | 首次使用光学光热红外成像技术实现卵巢组织亚型的无标记定量自动识别，空间分辨率比现有仪器提高10倍 | NA | 开发基于中红外光谱成像和深度学习的卵巢癌组织亚型自动分类方法 | 卵巢癌组织样本 | 数字病理学 | 卵巢癌 | 中红外光谱成像，光学光热红外成像 | 深度学习 | 光谱图像 | 78例患者样本，超过6000万个数据点 | NA | NA | 分类准确度 | NA |
| 304 | 2025-11-16 |
A high-resolution canopy height model of the Earth
2023-11, Nature ecology & evolution
IF:13.9Q1
DOI:10.1038/s41559-023-02206-6
PMID:37770546
|
研究论文 | 本研究开发了一种概率深度学习模型，通过融合GEDI星载激光雷达数据和Sentinel-2光学卫星图像，生成了2020年全球10米分辨率的冠层高度地图 | 首次实现了全球范围10米高分辨率的冠层高度测绘，并开发了能够量化估计不确定性的概率深度学习模型 | 模型主要针对高冠层碳储量区域进行了优化，对其他植被类型的适用性需进一步验证 | 开发高分辨率全球冠层高度测绘方法以支持生态系统管理和气候变化缓解 | 全球陆地植被冠层高度 | 遥感与地理信息系统 | NA | 星载激光雷达(GEDI)、光学卫星遥感(Sentinel-2)、深度学习 | 概率深度学习模型 | 激光雷达点云数据、多光谱卫星图像 | 全球陆地范围 | NA | NA | 不确定性量化、冠层高度估计精度 | NA |
| 305 | 2025-11-15 |
Protein structure prediction with in-cell photo-crosslinking mass spectrometry and deep learning
2023-12, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-023-01704-z
PMID:36941363
|
研究论文 | 本研究开发了AlphaLink方法，通过将实验距离约束信息整合到AlphaFold2网络架构中，提升具有构象变化或同源序列稀少蛋白质的结构预测精度 | 提出首个将细胞内光交联质谱实验数据整合到深度学习蛋白质结构预测框架的方法，通过稀疏实验接触点作为锚点改进预测性能 | 未明确说明方法对各类蛋白质构象变化的普适性及计算效率的具体评估 | 改进蛋白质结构预测精度，特别是针对构象变化蛋白质和同源序列稀少的困难目标 | 蛋白质三维结构，特别是具有构象变化的蛋白质 | 计算生物学 | NA | 光交联质谱，非经典氨基酸光亮氨酸标记 | 深度学习 | 蛋白质序列数据，质谱实验数据，距离约束信息 | NA | AlphaFold2 | AlphaFold2改进架构 | 结构预测精度 | NA |
| 306 | 2025-11-15 |
Interpretable neural architecture search and transfer learning for understanding CRISPR-Cas9 off-target enzymatic reactions
2023-12, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00569-1
PMID:38177723
|
研究论文 | 提出Elektrum深度学习框架，通过可解释神经网络架构搜索和迁移学习预测CRISPR-Cas9脱靶编辑概率 | 结合数据驱动和生物物理可解释模型，通过体外动力学假设生成和体内迁移学习的两阶段框架 | NA | 开发预测性和可解释的酶促通路模型 | CRISPR-Cas9脱靶编辑反应 | 机器学习 | NA | 体外动力学检测，深度学习 | CNN，可解释神经网络 | 体外动力学数据，体内反应数据 | NA | NA | KINNs（动力学可解释神经网络），卷积神经网络 | 预测性能，正则化效果，可解释性 | NA |
| 307 | 2025-11-15 |
Deep contrastive learning of molecular conformation for efficient property prediction
2023-12, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00560-w
PMID:38177719
|
研究论文 | 提出一种基于深度对比学习的分子构象领域自适应方法LACL，用于高效预测分子性质 | 通过局部原子环境对比学习形成领域无关的潜在空间，规避了几何弛豫瓶颈同时保持量子化学精度 | NA | 解决不同构象生成方法间的领域偏移问题，实现准确的分子性质预测 | 有机小分子、生物和药理学长链分子 | 机器学习 | NA | 对比学习 | 深度学习 | 分子构象数据 | NA | NA | LACL（局部原子环境对比学习） | 量子化学精度 | NA |
| 308 | 2025-11-15 |
Predictive analyses of regulatory sequences with EUGENe
2023-11, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00544-w
PMID:38177592
|
研究论文 | 介绍了一个名为EUGENe的FAIR工具包，用于使用深度学习分析基因组序列 | 开发了首个完全符合FAIR原则的深度学习工具包，专门用于调控基因组学分析 | NA | 为基因组序列的深度学习分析提供标准化工具包 | 基因组调控序列 | 生物信息学 | NA | 深度学习 | 神经网络 | 基因组序列数据 | NA | PyTorch, TensorFlow | 多种架构 | NA | NA |
| 309 | 2025-11-15 |
Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii
2023-11, Nature chemical biology
IF:12.9Q1
DOI:10.1038/s41589-023-01349-8
PMID:37231267
|
研究论文 | 利用深度学习发现针对鲍曼不动杆菌的新型抗生素阿鲍辛 | 首次通过神经网络筛选发现具有窄谱活性的新型抗生素，并揭示其通过干扰LolE蛋白影响脂蛋白运输的独特机制 | 仅针对单一病原体进行验证，尚未评估对其它耐药菌的活性 | 开发针对多重耐药鲍曼不动杆菌的新型抗生素 | 鲍曼不动杆菌菌株及约7,500个小分子化合物 | 机器学习 | 细菌感染 | 体外生长抑制实验、计算机预测、小鼠伤口感染模型 | 神经网络 | 化学分子结构数据、细菌生长数据 | 约7,500个分子化合物 | NA | NA | NA | NA |
| 310 | 2025-11-15 |
A software framework for end-to-end genomic sequence analysis with deep learning
2023-11, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00557-5
PMID:38177600
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 311 | 2025-11-15 |
Auto-Segmentation and Classification of Glioma Tumors with the Goals of Treatment Response Assessment Using Deep Learning Based on Magnetic Resonance Imaging
2023-10, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-023-09640-8
PMID:37458971
|
研究论文 | 本研究开发基于深度学习的自动分割和分类系统，用于胶质瘤治疗反应评估 | 结合U-Net网络进行肿瘤自动分割和迁移学习分类器，实现胶质瘤治疗反应的自动化评估 | 研究样本量有限（49例患者），仅基于MRI图像进行分析 | 开发基于深度学习的自动化工具用于胶质瘤放疗反应评估 | 胶质瘤患者和BraTS 2018挑战赛数据集 | 数字病理学 | 胶质瘤 | 磁共振成像 | CNN | 图像 | BraTS数据集285例（210 HGG + 75 LGG） + 49例本地患者 | NA | U-Net | p值，置信区间 | NA |
| 312 | 2025-11-15 |
Interpretable neural architecture search and transfer learning for understanding CRISPR/Cas9 off-target enzymatic reactions
2023-Sep-29, ArXiv
PMID:37808087
|
研究论文 | 开发了一个可解释的深度学习框架，用于预测CRISPR/Cas9脱靶编辑概率 | 结合了可解释神经网络架构搜索和迁移学习，既能保持物理可解释性又能实现最先进性能 | 未明确说明样本规模和数据来源的具体限制 | 建立预测性和可解释的酶促反应动力学模型 | CRISPR/Cas9脱靶编辑反应 | 机器学习 | NA | CRISPR/Cas9基因编辑技术 | CNN, 神经网络集成 | 动力学测定数据，细胞环境数据 | NA | NA | KINN（动力学可解释神经网络），卷积神经网络 | NA | NA |
| 313 | 2025-11-15 |
Efficient and accurate large library ligand docking with KarmaDock
2023-09, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00511-5
PMID:38177786
|
研究论文 | 提出了一种用于配体对接的深度学习框架KarmaDock，集成了对接加速、结合姿态生成与校正以及结合强度估计功能 | 首次将E(n)等变图神经网络与自注意力机制结合用于配体对接，同时实现姿态优化和结合强度评估的三阶段模型 | 仅在四个基准数据集和单一真实虚拟筛选项目中验证，需要更广泛的应用场景测试 | 开发高效准确的大规模配体对接方法以改进基于结构的虚拟筛选 | 蛋白质-配体复合物 | 机器学习 | NA | 虚拟筛选 | 图神经网络, 混合密度网络 | 分子结构数据 | 四个基准数据集和一个真实虚拟筛选项目 | NA | E(n) equivariant graph neural networks, self-attention, mixture density network | 对接速度, 姿态质量, 结合亲和力准确性 | NA |
| 314 | 2025-11-15 |
Progress in using deep learning to treat cancer
2023-09, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00514-2
PMID:38177785
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 315 | 2025-11-15 |
Machine-guided path sampling to discover mechanisms of molecular self-organization
2023-04, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00428-z
PMID:38177937
|
研究论文 | 提出一种结合深度学习和过渡路径理论的自主动力学路径采样算法，用于发现分子自组织现象的机制 | 开发了能够自主构建、验证和更新定量机制模型的路径采样算法，通过符号回归将学习机制转化为人类可解释的物理观测量形式 | NA | 探索分子自组织现象的机制发现方法 | 溶液中的离子缔合、天然气水合物晶体形成、聚合物折叠和膜蛋白组装 | 机器学习 | NA | 深度学习, 过渡路径理论, 符号回归 | 深度学习模型 | 分子动力学轨迹数据 | NA | NA | NA | NA | NA |
| 316 | 2025-11-15 |
Deep learning to estimate brain age
2023-01, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00398-2
PMID:38177962
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 317 | 2025-11-14 |
Discovering small-molecule senolytics with deep neural networks
2023-06, Nature aging
IF:17.0Q1
DOI:10.1038/s43587-023-00415-z
PMID:37142829
|
研究论文 | 利用图神经网络筛选具有抗衰老细胞活性的小分子化合物 | 首次将图神经网络应用于大规模筛选抗衰老化合物，发现结构多样且具有更优药物化学性质的新候选分子 | 研究基于etoposide诱导的衰老模型，在其他衰老模型中的普适性需进一步验证 | 开发新型抗衰老药物（senolytics）以清除衰老细胞 | 衰老细胞和小分子化合物 | 机器学习 | 老年疾病 | 分子对接模拟，时间分辨荧光能量转移实验 | 图神经网络 | 化学分子结构数据 | 2,352个初筛化合物，800,000+个预测分子 | NA | 图神经网络 | 选择性，药物化学性质，分子对接评分 | NA |
| 318 | 2025-11-12 |
Beyond here and now: Evaluating pollution estimation across space and time from street view images with deep learning
2023-Dec-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2023.166168
PMID:37586538
|
研究论文 | 本研究使用深度学习从街景图像评估空气污染和噪声的时空分布 | 首次系统评估基于图像的污染模型在时空维度上的泛化能力，特别是在基础设施有限的中低收入国家 | 模型在未见过的地点表现下降，需要与传统传感器网络集成以提高鲁棒性 | 开发能够从街景图像推断细颗粒物和噪声水平的时空可泛化模型 | 加纳阿克拉市的空气污染(PM)和噪声水平 | 计算机视觉 | NA | 街景图像分析 | CNN | 图像 | 超过160万张图像，在145个代表性地点收集，持续15个月 | NA | 卷积神经网络 | 准确率 | NA |
| 319 | 2025-11-12 |
Phenotyping urban built and natural environments with high-resolution satellite images and unsupervised deep learning
2023-Oct-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2023.164794
PMID:37315611
|
研究论文 | 提出一种无监督深度聚类方法，利用高分辨率卫星图像对城市建成和自然环境进行表型分类 | 开发新型无监督深度聚类方法，仅通过卫星图像即可捕捉城市环境的多维特征，无需传统环境与人口数据 | 基于组合特征的聚类结果对空间尺度和聚类数量选择敏感 | 实现城市建成和自然环境的实时监测与可持续发展追踪 | 加纳阿克拉市的高分辨率卫星图像（0.3米/像素） | 计算机视觉 | NA | 卫星遥感成像 | 无监督深度学习 | 卫星图像 | 加纳阿克拉市全域高分辨率卫星图像 | NA | 深度聚类 | 聚类稳健性, 可解释性 | NA |
| 320 | 2025-11-12 |
Do poverty and wealth look the same the world over? A comparative study of 12 cities from five high-income countries using street images
2023, EPJ data science
IF:3.0Q1
DOI:10.1140/epjds/s13688-023-00394-6
PMID:37293269
|
研究论文 | 利用街景图像和深度学习比较五个高收入国家12个城市中贫困与富裕社区视觉特征的相似性 | 首次通过跨城市跨国比较分析揭示贫困社区视觉特征比富裕社区更具城市独特性 | 研究仅涵盖高收入国家城市，未包括中低收入国家城市 | 探究不同城市和国家间贫困与富裕社区视觉环境的相似程度 | 12个高收入城市的社区街景图像 | 计算机视觉 | NA | 街景图像分析 | 深度学习 | 图像 | 720万张街景图像，覆盖12个城市8500万人口 | NA | NA | NA | NA |