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
41	2024-12-18	Geometric Deep learning Prioritization and Validation of Cannabis Phytochemicals as Anti-HCV Non-nucleoside Direct-acting Inhibitors 2024, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972241306881 PMID:39678171	研究论文	本文利用几何深度学习方法从大麻化合物数据库中筛选并验证了潜在的NS5B抑制剂，作为抗HCV的非核苷类直接作用抑制剂	本文首次使用图神经网络（GNN）进行深度学习虚拟筛选，并结合FEP/MD和分子动力学模拟验证候选化合物	研究仅验证了6个随机选择的候选化合物，未对所有31个候选化合物进行全面验证	筛选并验证大麻化合物中潜在的NS5B抑制剂，以改善HCV治疗的可用性和可及性	大麻化合物数据库中的化合物及其作为NS5B抑制剂的潜力	机器学习	肝炎	图神经网络（GNN），虚拟筛选，重新对接，传统对接，FEP/MD，分子动力学模拟	图神经网络（GNN）	化合物数据库	31个候选化合物，其中6个进行了FEP/MD和分子动力学模拟验证
42	2024-12-18	RecGOBD: accurate recognition of gene ontology related brain development protein functions through multi-feature fusion and attention mechanisms 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae163 PMID:39678209	研究论文	本文提出了一种名为RecGOBD的模型，用于通过多特征融合和注意力机制准确识别与基因本体相关的脑发育蛋白质功能	RecGOBD模型通过结合序列和结构数据，并利用注意力机制，专门针对脑发育数据集进行优化，显著提高了蛋白质功能预测的准确性	NA	开发一种专门用于预测与脑发育相关的蛋白质功能的计算模型，以支持神经发育障碍的研究	与脑发育相关的蛋白质功能	生物信息学	神经发育障碍	NA	注意力机制	序列和结构数据	10个关键基因本体（GO）术语
43	2024-12-18	Novel statistically equivalent signature-based hybrid feature selection and ensemble deep learning LSTM and GRU for chronic kidney disease classification 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2467 PMID:39678272	研究论文	本文提出了一种基于统计等价签名（SES）的混合特征选择方法，并结合长短期记忆（LSTM）和门控循环单元（GRU）的集成深度学习模型，用于慢性肾脏病（CKD）的分类	本文的创新点在于使用SES方法识别多个具有相似性能的预测特征子集，并结合LASSO方法进行特征选择，同时提出了一种结合LSTM和GRU的集成深度学习模型用于CKD分类	本文的局限性在于仅使用了LASSO和SES方法进行特征选择，未来研究可以探索其他特征选择方法，如动态特征选择方法	本文的研究目的是提高慢性肾脏病分类的准确性	本文的研究对象是慢性肾脏病的分类任务	机器学习	慢性肾脏病	LASSO	LSTM, GRU	数值数据	未明确提及样本数量
44	2024-12-18	Deep learning-based methodology for vulnerability detection in smart contracts 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2320 PMID:39678274	研究论文	本文提出了一种基于深度学习的智能合约漏洞检测方法	本文的创新点在于提出了一种多标签漏洞检测模型，结合了抽取式摘要方法和深度学习技术	本文未提及具体的局限性	本文的研究目的是解决当前智能合约漏洞检测技术在多重漏洞识别方面的不足	本文的研究对象是智能合约中的漏洞	机器学习	NA	深度学习	深度学习模型	文本	未提及具体样本数量
45	2024-12-18	Enhancing ransomware defense: deep learning-based detection and family-wise classification of evolving threats 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2546 PMID:39678277	研究论文	本文提出了一种基于深度学习的勒索软件检测和分类方法，使用GN-BiLSTM模型实现了高精度的检测和分类	本文创新性地提出了基于组归一化的双向长短期记忆网络（GN-BiLSTM）方法，用于检测和分类勒索软件变种	本文未详细讨论模型的计算复杂度和资源消耗	研究目的是利用深度学习技术解决多类分类问题，提高勒索软件检测和分类的准确性	研究对象是勒索软件及其变种的检测和分类	机器学习	NA	深度学习	双向长短期记忆网络（BiLSTM）	数据集	使用了CIC-MalMem-2022数据集和10,876个自收集的最新样本，涵盖26个恶意软件家族
46	2024-12-18	DeepCorr: a novel error correction method for 3GS long reads based on deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2160 PMID:39678285	研究论文	提出了一种基于深度学习的第三代测序长读取错误校正方法DeepCorr	DeepCorr采用循环神经网络捕捉长读取中的长期依赖关系，将长读取错误校正问题转化为多分类任务，并能充分利用未对齐的碱基信息进行校正	未提及具体限制	开发一种高效且准确的第三代测序长读取错误校正方法	第三代测序技术（PacBio和ONT平台）生成的长读取数据	生物信息学	NA	第三代测序技术（3GS）	循环神经网络（RNN）	测序数据	使用真实世界的PacBio和ONT基准数据集进行评估
47	2024-12-18	A study of hybrid deep learning model for stock asset management 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2493 PMID:39678294	研究论文	本文提出了一种混合深度学习模型，用于股票价格预测和资产管理的同步操作	本文的创新点在于结合LSTM和强化学习（RL）进行股票价格预测和交易控制，并通过预测平均方向指数（ADX）和引入约束条件来降低市场不确定性，从而最大化股票资产	NA	研究如何利用混合深度学习模型在股票市场中实现有效的资产管理和交易策略	股票价格预测和资产管理的同步操作	机器学习	NA	LSTM, 强化学习（RL）	混合深度学习模型	股票市场数据	NA
48	2024-12-18	Drivable path detection for a mobile robot with differential drive using a deep Learning based segmentation method for indoor navigation 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2514 PMID:39678296	研究论文	本文提出了一种基于深度学习的语义分割方法，用于室内导航中移动机器人的可行驶路径检测	本文创新性地使用了DeepLabv3+和ResNet50架构进行路径分割，并结合高斯滤波和多Otsu阈值处理来提高分割效果，同时开发了基于网格的RRT*导航策略以实现避障和优化路径	本文未详细讨论该方法在复杂室外环境中的适用性	研究如何利用深度学习技术提高移动机器人在室内环境中的导航能力	移动机器人在室内环境中的可行驶路径检测	计算机视觉	NA	深度学习	DeepLabv3+	图像	NA
49	2024-12-18	Machine learning prediction of brain metastasis invasion pattern on brain magnetic resonance imaging scans 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae200 PMID:39679176	研究论文	本研究探讨了机器学习方法在磁共振成像扫描中预测脑转移侵袭模式（BMIP）的潜力	首次提出使用机器学习方法通过磁共振成像扫描预测脑转移侵袭模式，提供了一种非侵入性的方法	研究样本量较小，且结果依赖于专家的先验知识	开发一种基于磁共振成像的非侵入性生物标志物，用于预测脑转移侵袭模式	脑转移侵袭模式（BMIP）	机器学习	脑转移	磁共振成像（MRI）	卷积神经网络（CNN）	图像	132名患者
50	2024-12-18	The role of artificial intelligence in drug screening, drug design, and clinical trials 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1459954 PMID:39679365	综述	本文综述了人工智能技术在药物筛选、药物设计和临床试验中的应用	本文总结了机器学习，尤其是深度学习在药物发现和开发中的显著优势，包括高通量和虚拟筛选、药物分子设计以及解决复杂有机合成问题	本文讨论了基于人工智能技术的药物发现和开发面临的挑战，并提出了未来可能的发展方向	探讨人工智能在药物发现和开发中的应用及其未来发展方向	人工智能技术在药物筛选、药物设计和临床试验中的应用	机器学习	NA	机器学习，深度学习	NA	NA	NA
51	2024-12-18	Prediction of protein interactions between pine and pine wood nematode using deep learning and multi-dimensional feature fusion 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1489116 PMID:39687321	研究论文	本研究提出了一种基于深度学习和多维特征融合的方法MFGAC-PPI，用于预测松树与松材线虫之间的蛋白质相互作用	MFGAC-PPI通过结合AlphaFold和蛋白质序列特征，利用Transform和改进的GCN提取多维特征，相比基于单一特征信息的方法，获得了更多的三维表征信息	NA	旨在通过预测植物-病原体蛋白质相互作用，深入理解松材线虫病的致病系统	松树与松材线虫之间的蛋白质相互作用	机器学习	NA	深度学习	图注意力卷积网络（GCN）	蛋白质序列	2,688对相互作用的蛋白质
52	2024-12-18	Toward improving reproducibility in neuroimaging deep learning studies 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1509358 PMID:39687491	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
53	2024-12-18	Action recognition in rehabilitation: combining 3D convolution and LSTM with spatiotemporal attention 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1472380 PMID:39687520	研究论文	本研究提出了一种结合3D卷积、LSTM和时空注意力机制的深度学习框架STA-C3DL，用于复杂康复场景中的实时动作检测和识别	创新点在于将3D卷积神经网络、长短期记忆网络和时空注意力机制结合，以更精确地捕捉动作动态	未来的研究将集中在扩展模型对非常规和极端动作的适应性，以及将其整合到更广泛的康复环境中	提高复杂康复场景中实时动作检测和识别的准确性和响应速度	康复场景中的动作识别	计算机视觉	NA	3D卷积神经网络、长短期记忆网络、时空注意力机制	3D卷积神经网络、LSTM	视频	多个数据集，包括NTU RGB + D、Smarthome Rehabilitation、UCF101和HMDB51
54	2024-12-17	Large-scale genomic survey with deep learning-based method reveals strain-level phage specificity determinants 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae017 PMID:38649301	研究论文	本研究提出了一种基于深度学习的SpikeHunter方法，用于大规模分析噬菌体编码的尾丝蛋白，揭示了噬菌体特异性的决定因素	首次使用深度学习方法（基于ESM-2蛋白语言模型）对大规模噬菌体尾丝蛋白进行分析，揭示了尾丝蛋白在决定噬菌体宿主范围中的关键作用	NA	研究噬菌体特异性的决定因素，为噬菌体疗法提供指导	噬菌体编码的尾丝蛋白及其与细菌多糖受体的相互作用	机器学习	NA	深度学习	ESM-2蛋白语言模型	基因组数据	787,566个细菌基因组，来自5种高致病性抗生素抗性病原体
55	2024-12-17	"UDE DIATOMS in the Wild 2024": a new image dataset of freshwater diatoms for training deep learning models 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae087 PMID:39607983	研究论文	本文介绍了一个新的淡水硅藻图像数据集，旨在为深度学习模型提供训练数据	本文提出了迄今为止最大的硅藻图像数据集，并展示了两种创新分析方法，用于解决硅藻图像识别中的挑战	NA	促进深度学习方法在硅藻分类识别中的应用和基准测试	淡水硅藻及其图像数据	计算机视觉	NA	深度学习	NA	图像	83,570张图像，包含611种硅藻，其中101种有至少100个样本，144种有至少50个样本
56	2024-12-17	Stratum corneum nanotexture feature detection using deep learning and spatial analysis: a noninvasive tool for skin barrier assessment 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae095 PMID:39657103	研究论文	本文提出了一种基于深度学习和空间分析的皮肤屏障评估方法，用于检测角质层纳米纹理特征	本文创新性地结合了深度学习目标检测器和空间分析算法，开发了一种精确计算CNO密度的方法，称为有效角质层地形指数（ECTI）	本文的局限性在于样本量相对较小，且仅针对特应性皮炎患者和健康对照组	开发一种非侵入性工具，用于评估皮肤屏障功能，并区分不同严重程度的特应性皮炎	特应性皮炎患者和健康对照组的角质层纳米纹理特征	计算机视觉	皮肤疾病	深度学习	目标检测器	图像	45名特应性皮炎患者和15名健康对照组，共1000多张角质层纳米纹理图像
57	2024-12-17	Learning a generalized graph transformer for protein function prediction in dissimilar sequences 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae093 PMID:39657158	研究论文	本文提出了一种名为GALA的新方法，结合图变换器架构和注意力池化模块，用于蛋白质功能预测，并通过对抗学习和标签嵌入对齐来提高模型的泛化能力	GALA方法通过对抗学习和标签嵌入对齐，确保了在不同环境下的表示不变性，显著提高了对非同源蛋白质功能预测的泛化能力	NA	开发一种能够对非同源蛋白质进行功能预测的深度学习方法	蛋白质序列和结构	机器学习	NA	图变换器架构、对抗学习、注意力池化模块	图变换器	序列、结构	来自PDB数据库和Swiss-Prot数据库的数据集
58	2024-12-17	Forecasting air pollution with deep learning with a focus on impact of urban traffic on PM10 and noise pollution 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313356 PMID:39656668	研究论文	本研究使用带有长短期记忆单元（LSTM）的循环神经网络（RNN）模型，预测斯科普里多个地点的PM10颗粒物水平，并分析城市交通对空气和噪音污染的影响	本研究首次利用深度学习模型预测多个地点的PM10水平，并分析了城市交通对空气和噪音污染的影响	研究仅限于斯科普里的数据，且未探讨其他可能影响空气污染的因素	预测空气污染水平并分析城市交通对其的影响	PM10颗粒物水平及城市交通对空气和噪音污染的影响	机器学习	NA	NA	RNN, LSTM	数据	多个地点的历史空气质量测量数据及气象条件数据
59	2024-12-17	CISepsis: a causal inference framework for early sepsis detection 2024, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2024.1488130 PMID:39679198	研究论文	本文提出了一种基于因果推理的早期脓毒症检测方法，通过消除混杂因素的影响来提高模型的预测准确性	本文的创新点在于引入了因果推理框架，通过后门调整和工具变量方法消除混杂因素的影响，从而更准确地捕捉脓毒症的因果关系	本文的局限性在于未来研究需要进一步探索特定指标或治疗干预对脓毒症的影响，并验证该方法在临床应用中的潜力	本文的研究目的是提高早期脓毒症检测的准确性，增强模型的泛化能力、鲁棒性和可解释性	本文的研究对象是脓毒症的早期预测	机器学习	脓毒症	因果推理	NA	结构化数据和非结构化数据	使用了MIMIC-IV数据集
60	2024-12-16	AutoTransOP: translating omics signatures without orthologue requirements using deep learning 2024-Jan-29, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00341-9 PMID:38287079	研究论文	本文开发了一种名为AutoTransOP的神经网络自编码器框架，用于将指定物种或细胞环境的组学数据映射到全局潜在空间，从而在不要求匹配直系同源物的情况下识别相关信息	创新点在于提出了AutoTransOP框架，能够在不要求直系同源物匹配的情况下，将不同物种或细胞环境的组学数据映射到全局潜在空间，并识别相关信息	NA	开发一种能够在不要求直系同源物匹配的情况下，将不同物种或细胞环境的组学数据映射到全局潜在空间的方法	不同物种或细胞环境的组学数据	机器学习	NA	深度学习	神经网络自编码器	组学数据	NA