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 2513 篇文献，本页显示第 341 - 360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 2025-10-05 |
Application of Machine learning to predict RF heating of cardiac leads during magnetic resonance imaging at 1.5 T and 3 T: A simulation study
2023-04, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2023.107384
PMID:36842429
|
研究论文 | 本研究探索应用深度学习预测心脏导联在1.5T和3T磁共振成像中射频加热的可行性 | 首次将深度学习应用于预测位置和方向可变的导电导联在MRI中的射频加热，突破了传统固定位置预测的限制 | 基于仿真数据的研究，需要进一步实验验证；SAR预测误差范围较大（223W/kg和206W/kg） | 开发快速预测磁共振成像中导电植入物射频加热的机器学习方法 | 心脏导联模型（心血管植入电子设备中的导联） | 机器学习 | 心血管疾病 | 电磁仿真，磁共振成像 | 神经网络 | 仿真数据，坐标数据 | 600个具有临床相关轨迹的心脏导联模型 | NA | 神经网络 | 均方根误差，R分数 | NA |
| 342 | 2025-10-05 |
Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26542
PMID:37357816
|
研究论文 | 开发结合成对结构相似性和深度学习界面接触预测的混合方法用于评估蛋白质复合物模型准确性 | 首次将成对结构相似性方法与深度学习界面接触预测相结合用于蛋白质四级结构模型质量评估 | 当大量结构模型质量较低且彼此相似时，成对相似性方法可能失效 | 开发蛋白质复合物模型准确性评估方法 | 蛋白质复合物和组装体的四级结构模型 | 计算生物学 | NA | 深度学习界面接触预测 | 深度学习 | 蛋白质结构模型 | CASP15组装靶标的模型 | NA | NA | 相关系数, 排序损失 | NA |
| 343 | 2025-10-05 |
Integrating deep learning, threading alignments, and a multi-MSA strategy for high-quality protein monomer and complex structure prediction in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26585
PMID:37650367
|
研究论文 | 介绍UM-TBM和Zheng团队在CASP15蛋白质单体与复合物结构预测中的方法及成果 | 结合深度学习、线程比对和多MSA策略，开发了D-I-TASSER和DMFold-Multimer算法，在传统蒙特卡洛模拟中融合深度学习约束 | 病毒蛋白建模和复合物模型排序方面仍有改进空间 | 提高蛋白质单体与复合物结构预测的准确性 | 蛋白质单体结构和蛋白质复合物结构 | 计算生物学 | NA | 多序列比对(MSA)、深度学习、蒙特卡洛模拟 | 注意力网络、端到端深度学习模型 | 蛋白质序列与结构数据 | 47个自由建模目标（单体）和38个复合物目标 | AlphaFold2, I-TASSER | D-I-TASSER, DMFold-Multimer, DeepMSA2 | TM-score, Interface Contact Score | NA |
| 344 | 2025-10-05 |
Assessment of three-dimensional RNA structure prediction in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26602
PMID:37876231
|
研究论文 | 评估CASP15中RNA三维结构预测方法的性能 | 首次在CASP竞赛中系统评估RNA结构预测方法，将蛋白质评估指标(GDT、lDDT)和Z-score排名方法推广应用于RNA评估 | 在非标准碱基对建模、模型排名以及预测冷冻电镜或晶体学解析的多种结构方面仍存在挑战 | 评估RNA三维结构预测方法的准确性和实用性 | RNA三维结构预测模型 | 结构生物信息学 | NA | 冷冻电镜(cryo-EM)、X射线衍射 | 深度学习,传统计算方法 | RNA结构数据,冷冻电镜图谱,X射线衍射数据 | 12个含RNA的目标结构，42个预测组参与 | NA | NA | GDT,lDDT,Z-score | NA |
| 345 | 2025-10-05 |
Impact of AlphaFold on structure prediction of protein complexes: The CASP15-CAPRI experiment
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26609
PMID:37905971
|
研究论文 | 本文介绍了CASP15-CAPRI蛋白质复合物结构预测挑战赛的结果，评估了AlphaFold对蛋白质复合物结构预测的影响 | 首次系统评估AlphaFold2和AlphaFold2-Multimer在蛋白质复合物结构预测中的表现，展示了深度学习方法的显著进步 | 对缺乏结合伴侣间进化关系的抗体/纳米抗体复合物以及具有构象灵活性的复合物预测性能仍然较差 | 评估蛋白质复合物结构预测的最新进展，特别是AlphaFold技术的影响 | 37个蛋白质复合物靶标，包括同源二聚体、同源三聚体、异源二聚体和大型组装体 | 计算生物学 | NA | 蛋白质结构预测，深度学习 | AlphaFold2, AlphaFold2-Multimer | 蛋白质序列和结构数据 | 37个靶标，21,941个模型，60+参与组 | AlphaFold | AlphaFold2, AlphaFold2-Multimer | CAPRI模型质量指标，DockQ评分 | NA |
| 346 | 2025-10-05 |
Estimation of model accuracy in CASP15 using the ModFOLDdock server
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26532
PMID:37314190
|
研究论文 | 介绍CASP15竞赛中用于多聚体模型质量评估的ModFOLDdock服务器及其三种变体的性能表现 | 开发了三种针对不同质量评估维度的ModFOLDdock变体，在CASP15的EMA类别中均取得领先排名 | NA | 优化多聚体蛋白质结构模型的质量评估方法 | 多聚体蛋白质结构模型 | 生物信息学 | NA | 深度学习, 聚类分析 | 深度学习模型 | 蛋白质结构模型 | 41个组装结构（来自CASP15竞赛） | NA | NA | Pearson相关系数, 寡聚体-lDDT | NA |
| 347 | 2025-10-05 |
Estimating protein complex model accuracy based on ultrafast shape recognition and deep learning in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26564
PMID:37553848
|
研究论文 | 本文报告了在CASP15中基于超快形状识别和深度学习的蛋白质复合物模型精度估计方法的研究成果 | 提出了基于三级特征集成与深度残差/图神经网络的多聚体复合物模型精度估计新方法，设计了整体和单体间超快形状识别特征 | NA | 开发蛋白质复合物模型精度估计方法 | 蛋白质复合物模型 | 生物信息学 | NA | 超快形状识别, 深度学习 | 深度残差网络, 图神经网络 | 蛋白质结构数据 | 39个目标蛋白质 | NA | 深度残差网络, 图神经网络 | Pearson相关系数, lDDT, TM-score | NA |
| 348 | 2025-10-05 |
zPoseScore model for accurate and robust protein-ligand docking pose scoring in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26573
PMID:37606194
|
研究论文 | 提出了一种基于深度学习的配体构象评分模型zPoseScore，用于蛋白质-配体复合物结构预测 | 重新设计了受AlphaFold2启发的zFormer模块，开发了数据增强和采样方法，实现了原子级别的蛋白质-配体特征编码和融合 | NA | 开发准确的蛋白质-配体对接构象评分方法 | 蛋白质-配体复合物 | 计算生物学 | NA | 深度学习 | Transformer | 蛋白质结构数据，配体构象数据 | CASP15和CASF-2016数据集 | NA | zFormer | Pearson相关系数，局部距离差异测试(lDDT) | NA |
| 349 | 2025-10-05 |
Breaking the conformational ensemble barrier: Ensemble structure modeling challenges in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26584
PMID:37872703
|
研究论文 | 本文评估了CASP15实验中蛋白质和RNA结构多构象建模的挑战与成果 | 首次在CASP社区实验中系统评估多构象建模方法，展示了AlphaFold2增强采样在蛋白质构象预测中的突破性表现 | 存在处理稀疏或低分辨率实验数据的困难，且目前缺乏有效的RNA/蛋白质复合物建模方法 | 评估蛋白质和RNA结构多构象建模方法的有效性与挑战 | 蛋白质和RNA的三维结构构象 | 计算生物学 | NA | 深度学习增强采样 | AlphaFold2 | 蛋白质和RNA结构数据 | 9个靶标结构 | AlphaFold2 | AlphaFold2 | 构象重现成功率 | NA |
| 350 | 2025-10-05 |
Critical assessment of methods of protein structure prediction (CASP)-Round XV
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26617
PMID:37920879
|
研究论文 | 总结了CASP15蛋白质结构预测社区实验的结果，重点分析了深度学习方法的进展 | 首次在CASP实验中纳入RNA结构和蛋白质-配体复合物的计算评估 | 深度学习在蛋白质复合物预测中的性能尚未完全达到单蛋白质水平，界面区域准确性估计略不可靠 | 评估蛋白质结构预测方法的最新进展 | 蛋白质结构、蛋白质复合物、RNA结构、蛋白质-配体复合物 | 计算结构生物学 | NA | 深度学习 | 深度学习 | 氨基酸序列、蛋白质结构数据 | CASP15实验目标蛋白质 | NA | AlphaFold2 | 结构准确性、局部和全局准确性估计 | NA |
| 351 | 2025-10-05 |
Assessment of three-dimensional RNA structure prediction in CASP15
2023-Oct-03, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.25.538330
PMID:37162955
|
研究论文 | 评估CASP15中RNA三维结构预测方法的性能 | 首次在CASP竞赛中系统评估RNA结构预测方法，并将蛋白质结构评估指标(GDT、lDDT)和Z-score排名方法推广应用于RNA评估 | 在非经典碱基对建模、模型排序以及多结构预测方面仍存在挑战 | 评估当前RNA三维结构预测方法的准确性和实用性 | RNA三维结构预测模型 | 计算生物学 | NA | 冷冻电镜(cryo-EM)、X射线衍射 | 深度学习,传统计算方法 | RNA三维结构数据 | 12个含RNA的目标结构，42个预测组参与 | NA | NA | GDT, lDDT, Z-score | NA |
| 352 | 2025-10-05 |
Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15
2023-Mar-12, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.08.531814
PMID:36945536
|
研究论文 | 开发了一种结合成对结构相似性和深度学习界面接触预测的混合方法MULTICOM_qa，用于评估蛋白质复合物模型准确性 | 首次将成对结构相似性方法与深度学习界面接触预测相结合，解决了传统方法在低质量模型聚集时失效的问题 | 未明确说明方法在特定类型蛋白质复合物上的局限性 | 开发蛋白质复合物模型准确性评估方法 | 蛋白质复合物和组装体的四级结构模型 | 生物信息学 | NA | 深度学习界面接触预测 | 深度学习 | 蛋白质结构模型 | CASP15评估中的24个预测器参与比较 | NA | NA | 相关系数, 排序损失 | NA |
| 353 | 2025-10-05 |
Seizure forecasting using minimally invasive, ultra-long-term subcutaneous electroencephalography: Individualized intrapatient models
2023-12, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.17252
PMID:35395101
|
研究论文 | 本研究通过超长期皮下脑电图记录，开发了个体化患者特异性癫痫发作预测模型 | 首次使用微创皮下脑电图设备进行超长期家庭记录，实现个体化癫痫发作预测 | 样本量较小（仅6名患者），需要在更大规模的前瞻性试验中验证 | 评估使用远程微创超长期皮下脑电图进行患者特异性癫痫发作预测的可行性 | 药物难治性局灶性癫痫患者 | 医疗人工智能 | 癫痫 | 皮下脑电图记录 | LSTM | 脑电图信号 | 6名患者，记录时间46-230天，总记录时间>11000小时 | NA | 长短期记忆网络 | AUC, 敏感度, 预警时间 | NA |
| 354 | 2025-10-05 |
Contrastive learning in protein language space predicts interactions between drugs and protein targets
2023-06-13, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2220778120
PMID:37289807
|
研究论文 | 开发了一种基于对比学习的深度学习模型ConPLex，用于预测药物与蛋白质靶点之间的相互作用 | 成功结合预训练蛋白质语言模型和蛋白质锚定对比共嵌入技术，在保持高精度的同时实现了对未见数据的广泛适应性 | NA | 加速药物发现过程，实现基因组规模的高灵敏度计算机药物筛选 | 药物与蛋白质靶点的相互作用 | 自然语言处理, 机器学习 | NA | 蛋白质语言模型, 对比学习 | 深度学习 | 蛋白质序列, 药物化合物数据 | 人类蛋白质组和大型化合物库规模，实验验证了19个激酶-药物相互作用预测 | NA | ConPLex | 准确性, 适应性, 特异性 | NA |
| 355 | 2025-10-05 |
Artificial Intelligence and Machine Learning in Cancer Related Pain: A Systematic Review
2023-Dec-08, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.12.06.23299610
PMID:38105979
|
系统综述 | 系统回顾人工智能和机器学习在癌症相关疼痛领域的应用研究 | 首次系统评估AI/ML在癌症疼痛预测和管理决策中的应用现状与性能表现 | 大多数研究缺乏外部验证(14%)和临床应用(23%)，模型校准报告不足(5%) | 探索人工智能/机器学习在预测癌症疼痛结局和支持疼痛管理决策中的应用 | 癌症患者的疼痛相关数据和疼痛管理过程 | 机器学习 | 癌症 | 系统文献综述方法 | 随机森林, Lasso, 支持向量机, 多种机器学习模型 | 临床研究数据 | 44项研究(2006-2023年) | NA | NA | AUC, 敏感性, 特异性 | NA |
| 356 | 2025-10-05 |
Toward Automated Detection of Silent Cerebral Infarcts in Children and Young Adults With Sickle Cell Anemia
2023-08, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.042683
PMID:37387218
|
研究论文 | 本研究开发了一种基于深度学习的自动化检测方法，用于识别镰状细胞贫血儿童和年轻成人中的无症状脑梗死 | 首次将UNet深度学习模型应用于镰状细胞贫血患者无症状脑梗死的自动化检测，解决了小病灶检测的难题 | 模型需要进一步训练优化，空间一致性指标(dice相似系数)仅为中等水平(0.48) | 开发自动化工具以辅助镰状细胞贫血患者无症状脑梗死的临床诊断和研究 | 镰状细胞贫血的儿童和年轻成人患者 | 医学影像分析 | 镰状细胞贫血 | 磁共振成像 | 深度学习 | 脑部磁共振图像 | 训练集926人(31%有SCI)，外部验证集80人(50%有SCI) | NA | UNet | 灵敏度,准确率,dice相似系数,组内相关系数,Spearman相关性 | NA |
| 357 | 2025-10-05 |
Longitudinal fundus imaging and its genome-wide association analysis provide evidence for a human retinal aging clock
2023-04-17, eLife
IF:6.4Q1
DOI:10.7554/eLife.82364
PMID:36975205
|
研究论文 | 通过眼底图像开发视网膜衰老时钟eyeAge，能准确预测个体年龄并揭示衰老机制 | 首次基于纵向眼底图像建立视网膜衰老时钟，在短时间尺度上实现高精度年龄预测，并通过GWAS和果蝇实验验证其生物学机制 | 研究主要基于EyePACS和UK Biobank数据集，需要在更多样化人群中验证 | 开发高精度生物年龄预测模型并探索衰老机制 | 人类视网膜眼底图像 | 计算机视觉 | 老年疾病 | 深度学习，全基因组关联分析(GWAS)，基因敲除实验 | 深度学习模型 | 眼底图像 | EyePACS和UK Biobank数据库的眼底图像数据 | NA | NA | 平均绝对误差(MAE)，风险比(HR) | NA |
| 358 | 2025-10-05 |
Combination of deep XLMS with deep learning reveals an ordered rearrangement and assembly of a major protein component of the vaccinia virion
2023-10-31, mBio
IF:5.1Q1
DOI:10.1128/mbio.01135-23
PMID:37646531
|
研究论文 | 本研究结合深度学习与化学交联质谱技术，揭示了痘苗病毒粒子主要蛋白组分P4a的结构特征和有序组装途径 | 首次将深度学习方法与深度化学交联质谱技术相结合，解析痘苗病毒成熟粒子的分子结构和组装机制 | NA | 阐明痘苗病毒成熟粒子的分子结构和组装途径 | 痘苗病毒粒子核心关键组分P4a蛋白 | 机器学习 | 病毒性疾病 | 化学交联质谱(XLMS) | 深度学习 | 质谱数据 | NA | NA | NA | NA | NA |
| 359 | 2025-10-05 |
Artificial Intelligence-Triaged 3-Dimensional Pathology to Improve Detection of Esophageal Neoplasia While Reducing Pathologist Workloads
2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100322
PMID:37657711
|
研究论文 | 提出基于深度学习的人工智能分诊三维病理方法，用于提高食管肿瘤检测灵敏度并减少病理医生工作量 | 开发了能够自动识别三维病理数据集中最关键二维图像切片的深度学习方法，通过生成三维新生瘤风险热图并对图像切片按风险排序 | NA | 改善Barrett食管患者食管肿瘤的早期检测效率 | 食管活检组织 | 数字病理 | 食管肿瘤 | 三维病理学 | 深度学习 | 三维病理图像 | NA | NA | NA | 检测灵敏度 | NA |
| 360 | 2025-10-05 |
Can artificial intelligence help decision-making in arthroscopy? Part 2: The IA-RTRHO model - a decision-making aid for long head of the biceps diagnoses in small rotator cuff tears
2023-12, Orthopaedics & traumatology, surgery & research : OTSR
DOI:10.1016/j.otsr.2023.103652
PMID:37380127
|
研究论文 | 开发用于辅助诊断肩袖小撕裂中肱二头肌长头腱健康状态的AI决策模型 | 首个评估AI分析关节镜图像能力的研究，结合CNN图像分析和MLP临床数据整合 | 需要更多输入数据来限制过拟合，结果需通过进一步研究确认 | 构建能够诊断肱二头肌长头腱健康状态的AI模型 | 肩袖小撕裂患者的肱二头肌长头腱 | 计算机视觉 | 骨科疾病 | 关节镜视频分析 | CNN, MLP | 图像, 临床数据, 影像数据 | 199名患者 | NA | Inception V3, MultiLayer Perceptron | 准确率 | NA |