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
161	2024-08-22	Pathomic Features Reveal Immune and Molecular Evolution From Lung Preneoplasia to Invasive Adenocarcinoma 2023-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100326 PMID:37678674	研究论文	本文利用先进的深度学习和人工智能技术，从常规的苏木精和伊红染色病理图像中分割和识别细胞，并提取了9种与生物学相关的病理特征，以解码肺部癌前病变的演变过程	首次利用病理特征分析肺部癌前病变到浸润性腺癌的免疫和分子演化过程，展示了病理学在研究肺癌发生中的可行性和巨大潜力	研究受限于肺癌前体材料的不足	深入理解早期肺癌癌变过程	肺部癌前病变到浸润性腺癌的演变过程	数字病理学	肺癌	深度学习和人工智能技术	NA	图像	分析了来自日本、中国和美国的3个不同队列，共98名患者，162张切片，669个感兴趣区域，包括143个正常样本、129个不典型腺瘤样增生、94个原位腺癌、98个微小浸润性腺癌和205个浸润性腺癌
162	2024-08-20	Deep Learning Model for Predicting Airway Organoid Differentiation 2023-12, Tissue engineering and regenerative medicine IF:4.4Q2 DOI:10.1007/s13770-023-00563-8 PMID:37594633	研究论文	本文介绍了一种使用深度学习模型预测气道类器官分化的方法	通过深度学习技术，无需免疫荧光染色即可选择与特定组织相似度高的类器官	NA	建立一个系统，通过深度学习选择与特定组织相似度高的类器官	气道类器官的分化	机器学习	NA	深度学习	卷积神经网络	图像	NA
163	2024-08-17	Machine-learning-based Structural Analysis of Interactions between Antibodies and Antigens 2023-Dec-08, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.06.570397 PMID:38106177	研究论文	本文通过深度学习模型分析抗体与抗原之间的结构相互作用	本研究能够高精度地区分抗体-抗原复合物与其他类型的蛋白质-蛋白质复合物，并能从其他常见蛋白质结合区域中识别抗原	模型无法预测特定抗体与其抗原的配对关系	旨在通过计算分析抗体与抗原的相互作用，促进对体液免疫分子机制的理解并推动新疗法的设计	抗体与抗原的相互作用	机器学习	NA	深度学习	深度学习模型	蛋白质结构数据	NA
164	2024-08-16	Assisted documentation as a new focus for artificial intelligence in endoscopy: the precedent of reliable withdrawal time and image reporting 2023-Dec, Endoscopy IF:11.5Q1 DOI:10.1055/a-2122-1671 PMID:37399844	研究论文	本文开发了一种基于人工智能（AI）的原型系统，用于测量内镜检查中的撤退时间和自动照片记录	该AI系统能够实时计算撤退时间，提供图像报告，并具有实时处理能力	需要进一步验证以确保系统的准确性和可靠性	提高内镜检查报告的标准化，并减少常规文档记录的工作量	内镜检查中的撤退时间和图像记录	人工智能	NA	深度学习算法	多类别深度学习算法	图像	10,557张图像（来自1300次检查，九个中心，四个处理器）和100次结肠镜检查视频（五个中心）
165	2024-08-15	Characterization of Wnt signaling pathway under treatment of Lactobacillus acidophilus postbiotic in colorectal cancer using an integrated in silico and in vitro analysis 2023-12-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-50047-x PMID:38151510	研究论文	本研究通过综合的计算机模拟和体外实验分析，探讨了乳酸菌酸ophilus后生物制剂对结直肠癌中Wnt信号通路的影响	本研究首次采用单细胞RNA测序和深度学习方法ExpiMap分析结直肠癌中的差异表达基因，并评估了乳酸菌酸ophilus后生物制剂对这些基因表达的影响	研究仅限于HT-29细胞系，未来研究应扩展到其他细胞系和临床试验以验证结果	探讨乳酸菌酸ophilus后生物制剂对结直肠癌中Wnt信号通路的影响及其治疗潜力	结直肠癌中的差异表达基因及其在Wnt信号通路中的作用	数字病理学	结直肠癌	单细胞RNA测序（scRNA-seq）、实时定量PCR（RT-qPCR）、流式细胞术	深度学习	基因表达数据	HT-29细胞系及正常邻近组织
166	2024-08-14	Artificial Intelligence in Breast Imaging: Opportunities, Challenges, and Legal-Ethical Considerations 2023-Dec, The Eurasian journal of medicine DOI:10.5152/eurasianjmed.2023.23360 PMID:39128072	综述	本文综述探讨了人工智能（AI）在乳腺影像中的变革性影响，特别是在全球乳腺癌病例增加的背景下	AI通过深度学习技术在改进诊断流程方面展现出潜力，能够处理大量数据和多维信息，推动乳腺癌研究的精准医学发展	AI的整合面临数据相关障碍、确保决策透明度和信任等挑战	探讨AI在乳腺影像中的应用及其法律和伦理考虑	人工智能在乳腺影像中的应用及其对乳腺癌诊断的影响	计算机视觉	乳腺癌	深度学习	NA	影像数据	NA
167	2024-08-13	Early transcriptomic signatures and biomarkers of renal damage due to prolonged exposure to embedded metal 2023-12, Cell biology and toxicology IF:5.3Q1 DOI:10.1007/s10565-023-09806-9 PMID:37058270	研究论文	研究通过高吞吐量转录组学和深度学习方法，探讨了长期暴露于嵌入金属导致的早期肾损伤的转录组特征和生物标志物	结合高吞吐量转录组学和深度学习技术，有效识别受金属暴露影响的肾细胞，并发现miRNA-423作为潜在的早期肾损伤血清生物标志物	NA	识别和检测长期暴露于嵌入金属导致的早期肾损伤	肾组织和血清样本中的RNA序列	数字病理学	肾损伤	RNA测序	深度学习	RNA序列数据	使用大鼠模型进行实验
168	2024-08-11	Artificial Intelligence in Stroke Imaging: A Comprehensive Review 2023-Dec-29, The Eurasian journal of medicine DOI:10.5152/eurasianjmed.2023.23347 PMID:39109827	综述	本文全面回顾了人工智能在脑卒中影像学中的应用	介绍了多种人工智能方法在脑卒中管理中的应用，包括经典机器学习工具和深度学习模型	构建无偏模型需要收集大量、多样且高质量的数据，并确保训练和测试数据分布相似	探讨人工智能技术在脑卒中影像学中的应用及其对临床实践的影响	脑卒中影像学及其在临床管理中的应用	计算机视觉	脑血管疾病	NA	支持向量机、随机森林、逻辑回归、线性判别分析、卷积神经网络、循环神经网络、自编码器、U-Net	医学图像	NA
169	2024-08-10	Developing Topics 2023-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.082896 PMID:39120921	研究论文	本文使用卷积神经网络（CNN）对前额叶痴呆（FTD）、阿尔茨海默病（AD）患者和健康对照（HC）的脑电图（EEG）数据集进行分类并评估其性能	本研究采用深度学习方法，无需专家设计的特征工程过程，实现了对痴呆患者EEG的高性能分类	NA	开发一种能够对痴呆患者EEG进行高精度分类的深度学习模型	前额叶痴呆、阿尔茨海默病患者和健康对照的脑电图数据	机器学习	神经退行性疾病	卷积神经网络（CNN）	CNN	脑电图（EEG）	88名受试者
170	2024-08-04	Deep learning in terrestrial conservation biology 2023-Dec, Biologia futura IF:1.8Q3 DOI:10.1007/s42977-023-00200-4 PMID:38227170	评论	本文对保护生物学中深度学习技术的应用进行了回顾	强调了深度学习在保护生物学中的潜力和当前技术先进性	提出了当前技术在数据处理方面的缓慢问题	探索有效的方式监测生物多样性变化	涉及保护生物学中的生物数据监测	机器学习	NA	深度学习	NA	生物数据	NA
171	2024-08-04	Predicting Anti-inflammatory Peptides by Ensemble Machine Learning and Deep Learning 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01602 PMID:38054927	研究论文	本文提出了一种通过集成机器学习和深度学习预测抗炎肽的方法	通过构建包含极随机树、门控循环单元和卷积神经网络的高级框架，实现了AIP预测的创新性探索	在独立测试集上的表现可能不代表其他广泛应用场景的预测精度	研究抗炎肽(AIP)的预测以加速抗炎疗法的发展	抗炎肽的特征和预测模型	机器学习	NA	集成机器学习，深度学习	极随机树，门控循环单元，卷积神经网络	序列数据	NA
172	2024-08-04	An Uncertainty-Guided Deep Learning Method Facilitates Rapid Screening of CYP3A4 Inhibitors 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01241 PMID:38055780	研究论文	本文提出了一种不确定性引导的深度学习方法，以便于快速筛选CYP3A4抑制剂	提出了一种不确定性引导的回归模型，能够准确预测CYP3A4活性的IC值，并通过整合分类模型的预测和引入证据不确定性方法提升了预测的可靠性	现有模型主要提供确定性分类结果，缺乏对抑制强度的精确预测，且预测可靠性不足	评估CYP3A4抑制剂以避免潜在的药物相互作用和不良反应	CYP3A4抑制剂的预测与筛选	机器学习	NA	NA	回归模型	化合物数据	27,045个化合物，其中包含4395个具有明确IC值的化合物
173	2024-08-04	High-Temperature Polymer Dielectrics Designed Using an Invertible Molecular Graph Generative Model 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01572 PMID:38061777	研究论文	本文利用可逆分子图生成模型生成高温聚合物介电材料	提出了一种基于可逆正规化流的分子图生成模型，用于高温聚合物介电材料的设计	使用的数据集主要是通过基于RNN的生成模型生成的，可能影响模型的普适性	高效设计高温聚合物介电材料	假设有前景的高温聚合物介电材料	材料科学	NA	深度生成模型	可逆图生成模型	分子图	包含250k个聚合物分子图
174	2024-08-04	GGNpTCR: A Generative Graph Structure Neural Network for Predicting Immunogenic Peptides for T-cell Immune Response 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01293 PMID:37990917	研究论文	本研究提出了一种基于生成图结构的深度学习框架GGNpTCR，用于预测T细胞受体与肽的相互作用	GGNpTCR模型能够有效预测训练数据集中未出现的新抗原的相互作用，并改善了现有的方法	未提及特定的局限性	研究T细胞受体与人类抗原之间的相互作用以推动疫苗和免疫治疗的发展	重点研究T细胞受体与外源性肽的相互作用	计算机视觉	NA	深度学习	生成图结构	序列信息	使用了大规模COVID-19数据集和多种数据集进行性能评估
175	2024-08-04	Ensemble Geometric Deep Learning of Aqueous Solubility 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01536 PMID:37990484	研究论文	这个文章探讨了几何深度学习在预测分子特性如水溶性方面的应用	提出了基于谱卷积和空间卷积的图神经网络架构的两个集成模型	在对巨噬细胞迁移抑制因子抑制剂的测试中表现出模型的局限性	本研究旨在利用几何深度学习来改进药物候选分子的药物动力学	207个分子的验证集以及系列的苯酰脲衍生物和苯二氮卓衍生物	数字病理学	NA	图神经网络	SolNet-GCN和SolNet-GAT	分子特性数据	207个分子
176	2024-08-04	A Multimodal Deep Learning Framework for Predicting PPI-Modulator Interactions 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01527 PMID:38037990	研究论文	本研究提出了一种基于序列的深度学习框架MultiPPIMI，用于预测PPI靶标与调节剂之间的相互作用	本研究的创新点在于MultiPPIMI能够在不需要靶标结构或参考调节剂的情况下，预测任意给定PPI靶标与调节剂之间的相互作用	本研究未提供对所有PPI调节剂的全面评估	本研究旨在开发一种新的框架来识别PPI介导的相互作用	本研究的对象为蛋白质相互作用靶标和调节剂	机器学习	NA	深度学习	双线性注意力网络	基准数据集	NA
177	2024-08-04	Ab Initio Prediction of 3-D Conformations for Protein Long Loops with High Accuracy and Applications to Antibody CDRH3 Modeling 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01051 PMID:38018130	研究论文	本研究开发了新的方法来预测蛋白质长环的三维构象，具有高精度和应用于抗体CDRH3建模。	提出了一种结合原子和残基级别术语的新方法来计算残基原子之间的相互作用能	未明确考虑还原侧链与主链原子的相互作用能	开发高精度的蛋白质长环的构象预测方法	蛋白质长环和抗体CDRH3环	数字病理学	NA	NA	OSCAR-loop	NA	49个抗体靶点
178	2024-08-04	Discovery Viewer (DV): Web-Based Medical AI Model Development Platform and Deployment Hub 2023-Dec-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10121396 PMID:38135987	研究论文	该论文介绍了Discovery Viewer（DV）平台，一个基于网络的医学人工智能模型开发和部署中心	提供一个适应性环境，允许非人工智能专家学习、开发和分享深度学习概念，促进模型的持续改进	未提及具体的技术细节和模型限制	旨在使医疗人工智能模型的开发更加便捷，促进技术在临床环境中的应用	针对肌肉骨骼疾病的AI项目进行开发和测试，涵盖分割、回归和分类任务	机器学习	NA	深度学习	NA	样本数据	参与项目的样本占80%，剩余样本由志愿者进行注释和训练
179	2024-08-05	Potential added value of an AI software with prediction of malignancy for the management of incidental lung nodules 2023-Dec, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100031 PMID:39076687	研究论文	本文研究了一种人工智能软件在意外发现的肺结节管理中的潜在价值	研究展示了使用深度学习算法的人工智能软件在预测肺结节恶性程度中的有效性及其高阴性预测值	样本量较小，仅包括83名患者的90个肺结节的回顾性分析	旨在评估人工智能软件在意外发现的肺结节管理中的影响	对在急诊CT扫描中意外发现的肺结节进行评估	计算机视觉	肺癌	深度学习算法	NA	影像	90个肺结节，涉及83名患者
180	2024-08-05	Building Prediction Models for 30-Day Readmissions Among ICU Patients Using Both Structured and Unstructured Data in Electronic Health Records 2023-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm58861.2023.10385612 PMID:39055130	研究论文	本研究构建并评估了多个机器学习模型，以预测ICU患者的30天再入院率	该研究结合了结构化和非结构化数据，展示了利用机器学习和深度学习预测ICU再入院的潜力	该研究可能受到MIMIC-III数据库的特定限制	预测ICU患者的30天再入院率	ICU患者的电子健康记录数据	机器学习	NA	机器学习	逻辑回归	结构化和非结构化数据	使用MIMIC-III数据库中的数据