深度学习在生物医药领域中的应用

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
21	2024-09-30	When Machine Learning and Deep Learning Come to the Big Data in Food Chemistry 2023-May-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.2c07722 PMID:37179635	综述	本文综述了食品化学领域中大数据与人工智能方法的应用	探讨了机器学习和深度学习在食品数据库分析中的应用	NA	展示食品数据库与人工智能结合在食品科学和化学中的潜力	食品成分、风味和化学化合物数据库	机器学习	NA	机器学习、深度学习	NA	数据库	NA
22	2024-09-30	A Deep Learning-Driven Self-Conscious Distributed Cyber-Physical System for Renewable Energy Communities 2023-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s23094549 PMID:37177753	研究论文	研究了基于深度学习的自感知分布式信息物理系统，用于可再生能源社区的能源管理	提出了能量感知的边缘到云架构模型和技术，创新了机器学习算法用于动态重新分配和重新配置能源资源	NA	开发能量感知的架构模型和边缘/云计算技术，设计下一代AI驱动的自感知物联网扩展DCPS	可再生能源社区的能量感知DCPS	机器学习	NA	深度学习	NA	NA	NA
23	2024-09-30	Identification of medicinal plant-based phytochemicals as a potential inhibitor for SARS-CoV-2 main protease (Mpro) using molecular docking and deep learning methods 2023-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.106785 PMID:36931201	研究论文	本文利用分子对接和深度学习方法，筛选出基于韩国药用植物的植物化学物质作为SARS-CoV-2主蛋白酶（Mpro）的潜在抑制剂	开发了一个包含2431种植物化学物质的库，并通过分子对接和深度学习方法重新筛选，使用RNN计算系统开发了抑制预测模型	NA	寻找SARS-CoV-2主蛋白酶的潜在抑制剂，以开发治疗COVID-19的有效药物	SARS-CoV-2主蛋白酶（Mpro）及其潜在抑制剂	机器学习	COVID-19	分子对接、分子动力学模拟	RNN	化合物	2431种植物化学物质
24	2024-09-28	Evidence-driven spatiotemporal COVID-19 hospitalization prediction with Ising dynamics 2023-05-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38756-3 PMID:37248229	研究论文	本文开发了一种基于Ising动力学的深度学习模型HOIST，用于预测COVID-19疫情期间的住院人数	提出了一种基于Ising动力学的深度学习模型HOIST，用于提取和利用空间关系，并模拟现实世界临床证据的复杂影响	NA	准确预测COVID-19疫情期间的住院人数	COVID-19疫情期间的住院人数	机器学习	COVID-19	Ising动力学	深度学习模型	保险索赔数据、人口普查信息、医院资源使用数据	2299个美国县
25	2024-09-28	Dispersal inference from population genetic variation using a convolutional neural network 2023-05-26, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyad068 PMID:37052957	研究论文	本文介绍了一种利用地理分布的基因型数据和卷积神经网络来推断种群参数（即每代平均扩散距离）的工具	本文提出的方法在样本量较小的情况下表现优于现有方法，并且不依赖于地理坐标或局部种群密度信息	本文方法在某些物种中估计的扩散距离比标记重捕法计算的结果更大，可能是由于标记重捕研究覆盖的地理采样区域有限	开发一种新的工具，用于从基因变异数据中推断扩散距离	12种具有公开数据的物种的扩散距离	机器学习	NA	卷积神经网络	CNN	基因型数据	12种物种的公开数据
26	2024-09-28	Using traditional machine learning and deep learning methods for on- and off-target prediction in CRISPR/Cas9: a review 2023-05-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad131 PMID:37080758	综述	本文综述了传统机器学习和深度学习方法在CRISPR/Cas9系统中靶向和非靶向预测的应用	本文总结了当前在CRISPR/Cas9靶向和非靶向预测中使用的传统机器学习和深度学习模型的最新进展，并讨论了未来研究方向	本文未提供具体的实验数据或模型性能比较，主要集中在现有方法的综述和未来研究方向的讨论	探讨CRISPR/Cas9系统中靶向和非靶向预测的研究挑战和未来方向	CRISPR/Cas9系统的靶向和非靶向预测	机器学习	NA	CRISPR/Cas9	传统机器学习模型和深度学习神经网络	sgRNA-DNA序列	NA
27	2024-09-28	EDLM: Ensemble Deep Learning Model to Detect Mutation for the Early Detection of Cholangiocarcinoma 2023-05-18, Genes IF:2.8Q2 DOI:10.3390/genes14051104 PMID:37239464	研究论文	开发了一种集成深度学习模型（EDLM）用于早期检测胆管癌	提出了一个由三种深度学习算法（LSTM、GRU和BLSTM）组成的集成深度学习模型，用于早期检测胆管癌	NA	早期检测胆管癌	胆管癌基因突变	机器学习	胆管癌	深度学习	集成模型（LSTM、GRU、BLSTM）	基因突变数据	516个人类样本，包含45个胆管癌基因中的672个突变
28	2024-09-28	High-throughput deep learning variant effect prediction with Sequence UNET 2023-05-09, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02948-3 PMID:37161576	研究论文	本文介绍了一种名为Sequence UNET的高通量深度学习架构，用于从序列中分类和预测变异频率	提出了Sequence UNET，一种高度可扩展的深度学习架构，使用全卷积压缩/扩展架构的多尺度表示	未提及	开发一种可扩展的深度学习模型来预测变异效应	变异频率和致病性预测	机器学习	NA	深度学习	UNET	序列	分析了83亿个变异在904,134个蛋白质中
29	2024-09-28	AIONER: all-in-one scheme-based biomedical named entity recognition using deep learning 2023-05-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad310 PMID:37171899	研究论文	提出了一种基于深度学习的全合一生物医学命名实体识别工具AIONER	引入了一种全合一方案，利用现有标注资源的外部数据来增强BioNER模型的准确性和稳定性	NA	提高生物医学命名实体识别的准确性和通用性	生物医学文本中的命名实体	自然语言处理	NA	深度学习	NA	文本	14个BioNER基准任务
30	2024-09-25	De novo distillation of thermodynamic affinity from deep learning regulatory sequence models of in vivo protein-DNA binding 2023-May-11, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.11.540401 PMID:37214836	研究论文	本文介绍了一种从深度学习模型中提取热力学亲和力的方法，用于解释体内蛋白质-DNA结合的调控序列模型	开发了Affinity Distillation (AD)方法，通过边缘化基因组序列上下文的影响，从深度学习模型中提取热力学亲和力	NA	旨在理解和解释转录因子在不同细胞上下文中的序列特异性结合	转录因子与DNA的结合及其在基因调控中的作用	生物信息学	NA	深度学习	神经网络	基因组数据	涉及多种酵母和哺乳动物转录因子
31	2024-09-25	Leveraging deep learning to improve vaccine design 2023-05, Trends in immunology IF:13.1Q1 DOI:10.1016/j.it.2023.03.002 PMID:37003949	研究论文	本文探讨了深度学习在疫苗设计中的应用及其在生物医学科学中的潜力	深度学习在疫苗研究和开发中的应用具有高公共卫生意义，特别是在蛋白质结构预测、免疫库分析和系统发育学等领域	深度学习在免疫学研究中的应用仍处于早期阶段，存在一些挑战	探讨深度学习在疫苗设计中的应用及其在生物医学科学中的潜力	疫苗设计、蛋白质结构预测、免疫库分析和系统发育学	机器学习	NA	深度学习	NA	NA	NA
32	2024-09-23	A population-level computational histologic signature for invasive breast cancer prognosis 2023-May-26, Research square DOI:10.21203/rs.3.rs-2947001/v1 PMID:37293118	研究论文	本文介绍了一种用于侵袭性乳腺癌预后的计算组织学特征评分系统	提出了Histomic Prognostic Signature (HiPS)，利用深度学习技术对肿瘤微环境中的细胞和组织结构进行精确映射，以测量上皮、基质、免疫和空间交互特征，从而预测生存风险	NA	开发一种新的计算组织学特征评分系统，以提高乳腺癌预后的准确性	侵袭性乳腺癌的预后	数字病理学	乳腺癌	深度学习	NA	图像	开发阶段使用了Cancer Prevention Study (CPS)-II的数据，验证阶段使用了PLCO试验、CPS-3和The Cancer Genome Atlas的数据
33	2024-09-23	Data-Driven Quantitation of Movement Abnormality after Stroke 2023-May-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10060648 PMID:37370579	研究论文	本文开发了一种结合高维运动捕捉和分布外检测的方法，用于量化中风后运动异常	首次使用分布外检测和高维运动数据来揭示慢性中风患者的临床意义运动异常	仅限于使用可穿戴惯性测量单元捕捉的上半身运动数据	开发一种精确且实用的方法来量化中风后运动异常	中风后上肢运动异常的量化	机器学习	中风	分布外检测	深度学习模型	运动数据	健康和慢性中风受试者
34	2024-09-23	DeepBiomarker2: Prediction of alcohol and substance use disorder risk in post-traumatic stress disorder patients using electronic medical records and multiple social determinants of health 2023-May-25, Research square DOI:10.21203/rs.3.rs-2949487/v1 PMID:37292589	研究论文	本文介绍了使用电子病历和多种社会决定因素健康数据预测创伤后应激障碍患者酒精和物质使用障碍风险的深度学习模型DeepBiomarker2	本文在之前研究的基础上，通过整合多模态信息（实验室检测、药物使用、诊断和社会决定因素健康参数）改进了深度学习模型DeepBiomarker2，并应用于预测酒精和物质使用障碍风险	NA	预测创伤后应激障碍患者酒精和物质使用障碍的风险，并识别关键风险因素和有益药物	创伤后应激障碍患者及其酒精和物质使用障碍风险	机器学习	精神疾病	深度学习	深度学习模型	电子病历数据	38,807名被诊断为创伤后应激障碍的患者
35	2024-09-23	Landmark tracking in liver US images using cascade convolutional neural networks with long short-term memory 2023-May-01, Measurement science & technology DOI:10.1088/1361-6501/acb5b3 PMID:36743834	研究论文	本文提出了一种基于深度学习的超声图像引导放射治疗中的解剖标志点跟踪方法	本文创新性地结合了注意力网络、掩码区域卷积神经网络（mask R-CNN）和长短期记忆网络（LSTM），以提高跟踪精度和减少搜索区域	本文的实验数据集较小，且仅在特定的超声图像模式下进行了测试，可能限制了方法的泛化能力	开发一种准确跟踪肝脏解剖标志点的方法，以支持放射治疗中的运动管理	肝脏超声图像中的解剖标志点	计算机视觉	NA	深度学习	卷积神经网络（CNN）和长短期记忆网络（LSTM）	图像	24个超声序列用于交叉验证，69个标志点用于测试
36	2024-09-23	Role of calibration in uncertainty-based referral for deep learning 2023-05, Statistical methods in medical research IF:1.6Q1 DOI:10.1177/09622802231158811 PMID:37011026	研究论文	本文评估了模型校准在基于不确定性的转诊中的作用，特别是在糖尿病视网膜病变检测中的应用	本文提出了基于不确定性的转诊方法，并探讨了模型校准对这种方法有效性的影响	本文主要集中在糖尿病视网膜病变检测数据上，未涵盖其他疾病或数据类型	研究模型校准在基于不确定性的转诊中的作用，以提高深度学习在医学影像分析中的决策支持能力	糖尿病视网膜病变检测数据和深度神经网络模型	计算机视觉	糖尿病	深度学习	深度神经网络	医学影像	NA
37	2024-09-23	A Data-Efficient Deep Learning Strategy for Tissue Characterization via Quantitative Ultrasound: Zone Training 2023-05, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3245988 PMID:37027531	研究论文	本文提出了一种数据高效的深度学习策略，用于通过定量超声进行组织分类，称为区域训练	本文的创新点在于提出了区域训练策略，将超声图像的完整视野划分为多个区域，并为每个区域训练单独的深度学习网络，从而减少训练数据的需求	本文的局限性在于仅在组织模拟幻影上进行了验证，尚未在临床数据上进行测试	研究目的是开发一种数据高效的深度学习技术，以促进深度学习在生物医学超声成像中的应用	研究对象是基于超声背散射RF数据的组织分类	机器学习	NA	定量超声（QUS）	深度学习网络	超声图像	三种不同的组织模拟幻影
38	2024-09-23	A new polygenic score for refractive error improves detection of children at risk of high myopia but not the prediction of those at risk of myopic macular degeneration 2023-May, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104551 PMID:37055258	研究论文	本文开发了一种新的多基因评分（PGS）用于预测儿童高度近视的风险，并测试了该评分对近视性黄斑变性（MMD）风险的预测能力	提出了一个新的多基因评分（PGS）用于预测儿童高度近视的风险，并首次尝试评估该评分对近视性黄斑变性风险的预测能力	该多基因评分在非欧洲人群中的表现不佳，且无法预测近视性黄斑变性的风险	开发一种改进的多基因评分（PGS）来预测儿童高度近视的风险，并评估其对近视性黄斑变性风险的预测能力	高度近视（HM）和近视性黄斑变性（MMD）的风险预测	遗传学	眼科疾病	全基因组关联研究（GWAS）	深度学习算法	基因数据	UK Biobank、CREAM Consortium和Genetic Epidemiology Research on Adult Health and Aging的参与者
39	2024-09-21	Prediction of clinicopathological features, multi-omics events and prognosis based on digital pathology and deep learning in HR+/HER2- breast cancer 2023-May-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-23-445 PMID:37324098	研究论文	本研究利用深度学习技术，基于数字病理图像预测HR+/HER2-乳腺癌患者的临床病理特征、多组学事件及预后	首次在HR+/HER2-乳腺癌中应用深度学习模型预测治疗靶点和预后	研究样本量有限，且仅基于单一中心的病理图像数据	开发基于深度学习的模型，预测HR+/HER2-乳腺癌患者的临床病理特征、多组学特征及预后	HR+/HER2-乳腺癌患者的临床病理特征、多组学事件及预后	数字病理学	乳腺癌	深度学习	深度学习模型	病理图像	421例HR+/HER2-乳腺癌患者
40	2024-09-21	Rapid protein stability prediction using deep learning representations 2023-05-15, eLife IF:6.4Q1 DOI:10.7554/eLife.82593 PMID:37184062	研究论文	本文介绍了一种利用深度学习表示快速准确预测蛋白质稳定性的方法RaSP	RaSP方法在蛋白质稳定性预测方面与基于生物物理学的方法表现相当，并且能够在不到一秒的时间内完成饱和突变稳定性预测	NA	开发一种快速准确的蛋白质稳定性预测方法	人类蛋白质组的单氨基酸变化及其在人类群体中的变异	机器学习	NA	深度学习	NA	蛋白质结构数据	约2.3亿个稳定性变化，涉及人类蛋白质组中的几乎所有单氨基酸变化