深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
301	2026-06-02	Artificial-intelligence-based risk prediction and mechanism discovery for atrial fibrillation using heart beat-to-beat intervals 2024-05-10, Med (New York, N.Y.) DOI:10.1016/j.medj.2024.02.006 PMID:38492571	研究论文	基于心跳间期数据，开发可解释的深度学习模型预测房颤风险并探究其机制	提出基于模型可解释性的房颤机制推测，并验证自主神经失衡与多种房颤风险因素的关联	依赖心跳间期数据，可能忽略其他临床特征对房颤风险的影响	利用窦性心律时的心跳间期数据预测房颤风险，并揭示潜在机制	房颤风险预测及自主神经失衡机制	机器学习	心血管疾病	NA	深度学习模型	心率间期数据	大型院内及外部公共数据集	NA	NA	NA	NA
302	2026-06-02	A Channel-Dimensional Feature-Reconstructed Deep Learning Model for Predicting Breast Cancer Molecular Subtypes on Overall b-Value Diffusion-Weighted MRI 2024-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28895 PMID:37403945	研究论文	提出一种通道维度特征重构的深度学习模型，利用全b值扩散加权MRI预测乳腺癌分子亚型	首次通过通道维度特征重构机制充分挖掘无对比剂DW-MRI的潜力，使得DW-MRI达到与DCE-MRI相当的预测性能	未具体说明模型在外部验证集上的表现，且研究仅针对单一机构的前瞻性数据	开发无需对比剂的深度学习模型预测乳腺癌分子亚型，并比较DW-MRI与DCE-MRI的预测性能	486名女性乳腺癌患者肿瘤的分子亚型分类（luminal A、luminal B、HER2+、三阴性）	数字病理学	乳腺癌	扩散加权成像（DWI）、动态对比增强MRI（DCE-MRI）	卷积神经网络（CNN）、深度神经网络（DNN）	MRI图像	486名女性乳腺癌患者（训练/验证/测试：64%/16%/20%）	NA	通道维度特征重构深度神经网络（CDFR-DNN）、非CDFR深度神经网络（NCDFR-DNN）、混合集成深度神经网络（ME-DNN）	准确率、敏感性、特异性、AUC	NA
303	2026-06-02	Oktoberfest: Open-source spectral library generation and rescoring pipeline based on Prosit 2024-04, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300112 PMID:37672792	研究论文	介绍Oktoberfest开源Python包，实现基于Prosit的谱图库生成与重评分流程	将原本仅通过ProteomicsDB在线访问的谱图库生成与重评分流程开源化，提供跨搜索平台兼容的本地安装包	NA	促进机器学习与深度学习模型在蛋白质组学分析流程中的采用	肽段属性预测模型及谱图库生成流程	机器学习	NA	机器学习，深度学习	深度学习模型	质谱数据	NA	PyTorch	Prosit	NA	NA
304	2026-06-02	Cross-sectional area and fat infiltration of the lumbar spine muscles in patients with back disorders: a deep learning-based big data analysis 2024-01, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-07982-0 PMID:37875679	research paper	通过深度学习模型大规模评估腰椎旁肌肉横截面积和脂肪浸润	利用验证的深度学习模型对4434名背部疾病患者进行大规模自动化分析，揭示性别、年龄和疾病类型对腰椎肌肉形态的影响	未提及具体限制	评估背部疾病患者腰椎肌肉横截面积和脂肪浸润的差异	4434名背部疾病患者（包括骨折、疝气、脊柱手术等）的T2轴向MRI图像	digital pathology	背部疾病	MRI	深度学习	图像	4434名患者（2609名女性，1825名男性）	NA	NA	NA	NA
305	2026-06-01	Deciphering the Language of Protein-DNA Interactions: A Deep Learning Approach Combining Contextual Embeddings and Multi-Scale Sequence Modeling 2024-11-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168769 PMID:39214282	研究论文	提出一种结合上下文嵌入和多尺度序列建模的深度学习方法，用于预测蛋白质-DNA相互作用位点	将预训练蛋白质语言模型（如ProtTrans）的上下文嵌入与多窗口卷积神经网络架构相结合，以捕捉DNA结合位点的局部和全局模式，显著提升了预测性能	未在文中明确提及局限性	从蛋白质序列直接预测与DNA相互作用的残基，以加速理解关键细胞过程和疾病通路	蛋白质序列中的DNA结合位点	机器学习	NA	深度学习方法、预训练语言模型（ProtTrans）、卷积神经网络	多窗口卷积神经网络	蛋白质序列数据	使用整理好的基准数据集进行综合评估，具体样本量未提及	PyTorch	多窗口CNN	ROC曲线下面积（AUC）达0.89	NA
306	2026-06-01	Comprehensive evaluation and prediction of editing outcomes for near-PAMless adenine and cytosine base editors 2024-10-25, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07078-5 PMID:39455714	研究论文	对近无PAM的腺嘌呤和胞嘧啶碱基编辑器的编辑效果进行综合评估与预测	生成了四种近PAM-less碱基编辑器，并构建大规模sgRNA靶点文库系统评估其编辑模式与效率，开发了深度学习模型BEguider用于准确预测编辑结果	未提及具体局限性	评估近PAM-less碱基编辑器的编辑效果并开发预测模型	近PAM-less碱基编辑器及其编辑结果	机器学习	NA	深度测序	深度学习模型	序列数据	45,747个sgRNA靶点序列和20,541个ClinVar位点	NA	BEguider	NA	NA
307	2026-06-01	Overcoming photon and spatiotemporal sparsity in fluorescence lifetime imaging with SparseFLIM 2024-10-21, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07080-x PMID:39433929	研究论文	提出SparseFLIM智能方法，利用耦合双向传播网络从稀疏光子测量中实现高保真度荧光寿命成像重建	首次通过深度学习实现从稀疏光子测量中重建高质量荧光寿命图像，实现光子计数十倍富集，远超传统方法的采集速度限制	NA（摘要中未提及局限性信息）	克服荧光寿命成像中光子与时空稀疏性限制，提高采集速度并保持图像质量	荧光寿命成像显微图像中的稀疏光子数据	数字病理学	NA（未具体指定疾病）	荧光寿命成像显微术	耦合双向传播网络	图像	NA（样本数量未提及）	NA（未明确指定框架）	耦合双向传播网络	信噪比, 寿命准确度, 相关性	NA（未提供计算资源信息）
308	2026-06-01	Graph attention automatic encoder based on contrastive learning for domain recognition of spatial transcriptomics 2024-10-18, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07037-0 PMID:39424696	研究论文	提出一种基于图注意力自编码器和对比学习的空间转录组学域识别方法GAAEST	结合图注意力网络编码器和自监督对比学习，在局部、全局和上下文三个层次优化空间嵌入，提升空间域识别性能	未提及具体局限性	提高空间转录组学中空间域识别的准确性和鲁棒性	空间转录组学数据中的空间域	数字病理学	NA	空间转录组学	图注意力网络	空间转录组学数据（基因表达和空间位置信息）	多个数据集	PyTorch	图注意力自编码器	聚类准确率、空间域识别性能	NA
309	2026-06-01	mACPpred 2.0: Stacked Deep Learning for Anticancer Peptide Prediction with Integrated Spatial and Probabilistic Feature Representations 2024-09-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168687 PMID:39237191	研究论文	开发了mACPpred 2.0模型，通过堆叠深度学习整合空间与概率特征表示，用于抗癌肽的高效预测	首次整合空间与概率特征表示来预测抗癌肽，并采用堆叠深度学习（SDL）方法结合1D CNN和混合特征	NA	提升抗癌肽预测的准确性和鲁棒性，更新并超越现有预测方法	抗癌肽（ACPs）和非抗癌肽的氨基酸序列数据	机器学习	癌症	深度学习、自然语言处理（NLP）嵌入、特征选择	堆叠深度学习（SDL）、1D卷积神经网络（1D CNN）	序列数据（氨基酸序列）	整合所有公开可用的ACPs数据集构建更新基准数据集	深度学习框架（未指定具体名称）	1D CNN	交叉验证、独立测试（具体指标如准确率、F1值等未列出）	NA
310	2026-06-01	GalaxySagittarius-AF: Predicting Targets for Drug-Like Compounds in the Extended Human 3D Proteome 2024-09-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168617 PMID:39237198	研究论文	GalaxySagittarius-AF是一个结合深度学习预测结构进行药物类似化合物靶点预测的网络服务器	利用AlphaFold预测的结构扩展人类蛋白质组覆盖范围，并采用基于相似性和基于结构的双重方法进行靶点预测	未明确提及，但可能依赖于预测结构的准确性以及数据库的完整性	开发一个能够预测药物类似化合物在扩展人类3D蛋白质组中靶点的网络服务器	药物类似化合物及其在人类蛋白质组中的潜在靶点	机器学习和计算生物学	不适用	AlphaFold结构预测和GalaxySite结合位点预测	基于相似性和基于结构的预测模型	蛋白质结构数据和化合物结构数据	不适用	不适用	不适用	不适用	网络服务器，无需注册即可访问，运行速度比前代快2-3倍
311	2026-06-01	ModFOLD9: A Web Server for Independent Estimates of 3D Protein Model Quality 2024-09-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168531 PMID:39237204	研究论文	介绍ModFOLD9网络服务器，用于独立评估3D蛋白质模型质量	整合了基于深度学习的新评分方法，显著提高了预测准确性	未提及具体局限性	提供可靠的独立模型质量估计以识别错误并选择最佳模型	蛋白质三维结构模型	机器学习	NA	NA	深度学习模型	蛋白质结构数据	NA	NA	NA	预测准确性	NA
312	2026-06-01	Deep learning-based pathological prediction of lymph node metastasis for patient with renal cell carcinoma from primary whole slide images 2024-06-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05382-6 PMID:38877591	研究论文	基于深度学习从肾细胞癌原发性全切片图像预测淋巴结转移的病理学模型	利用聚类约束注意力多实例学习方法开发了直接从原发性全切片图像预测肾细胞癌淋巴结转移的深度学习策略，并验证其在冰冻病理切片上的适用性及对预后预测的作用	NA	开发并验证基于病理组学的肾细胞癌微转移预测模型，辅助临床治疗决策	肾细胞癌患者的原发性全切片图像	数字病理学	肾细胞癌	全切片成像	深度学习模型	全切片图像	895张福尔马林固定石蜡包埋全切片图像（来自上海总医院、CPTAC和TCGA三个队列）和588张TCGA冰冻切片全切片图像	NA	聚类约束注意力多实例学习网络	AUC	NA
313	2026-06-01	Imaging at the nexus: how state of the art imaging techniques can enhance our understanding of cancer and fibrosis 2024-06-13, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05379-1 PMID:38872212	综述	详细描述了癌症和纤维化这两种疾病的最先进成像技术进展及其相互交叉应用	阐明了癌症与纤维化共同的分子病理生理学机制，并系统总结了PET、MRI、SGHI、超声、影像组学和人工智能等多种成像技术如何相互促进以提高对两种疾病的检测和监测能力	未提及具体研究局限	综述癌症和纤维化成像技术的最新进展及交叉应用，以改善诊断和监测	癌症和纤维化疾病的成像技术	医学影像、人工智能、数字病理学	癌症、纤维化	PET、MRI、SGHI、超声、影像组学、人工智能	深度学习	图像	NA	NA	深度学习架构	NA	NA
314	2026-06-01	Nacre-like block lattice metamaterials with targeted phononic band gap and mechanical properties 2024-06, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2024.106511 PMID:38518512	研究论文	提出一种基于人工神经网络的深度学习方法来设计具有同时波动过滤和增强力学性能的层级块格超材料，通过贝叶斯优化确定最优几何参数	首次将深度学习与贝叶斯优化相结合，用于仿生多层次块格超材料的前向预测、参数设计和拓扑设计，实现多目标优化（力学性能与波动过滤）	仅通过数值模拟验证，未涉及实验样机制造和实际测试；层级结构对动态行为的影响机制尚未完全阐明	克服传统设计方法的局限，开发能够同时实现波动过滤和增强力学性能的层级架构块格超材料	仿珍珠层复合材料的块格超材料，包括其几何构型、体积分数分布对声波/弹性波带隙和力学性能的影响	机器学习	NA	NA	人工神经网络（ANN）	数值模拟数据	NA	NA	人工神经网络	NA	NA
315	2026-05-31	iACP-DFSRA: Identification of Anticancer Peptides Based on a Dual-channel Fusion Strategy of ResCNN and Attention 2024-11-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168810 PMID:39362624	研究论文	提出了一种基于深度学习的双通道融合策略模型iACP-DFSRA，用于识别抗癌肽	结合了ProtBert_BFD预训练语言模型和手工特征进行序列编码，采用LightGBM进行特征选择，并利用ResCNN和注意力机制分别提取局部和全局特征，最后通过注意力机制深度融合关键特征	未明确提及，但可能依赖于现有数据集和特定特征编码技术，泛化性需进一步验证	开发一种准确且成本有效的抗癌肽识别方法	抗癌肽序列的识别	自然语言处理	癌症	蛋白质序列嵌入技术	ResCNN和注意力机制	序列数据	未明确说明，但使用了独立测试数据集和额外数据集	PyTorch	ResCNN, Attention机制, LightGBM	特异性(Sp), 敏感性(Sn), 准确率(Acc), 马修斯相关系数(MCC)	NA
316	2026-05-31	Prediction of peptide hormones using an ensemble of machine learning and similarity-based methods 2024-10, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202400004 PMID:38803012	研究论文	提出了一种结合机器学习与基于相似性方法的集成策略，用于高精度预测激素肽	创新性地将基于相似性的方法（BLAST和MERCI）与机器学习模型（逻辑回归）集成，并开发了可识别激素相关基序的网络服务器HOPPred	基于相似性的方法存在无匹配结果或预测序列有限的问题，且集成模型在独立验证集上的性能仍有提升空间	开发一种高准确率的激素肽预测方法，并提供一个实用的网络工具	激素肽和非激素肽序列（各1174条）	机器学习	NA	NA	逻辑回归	序列	2348条肽序列（1174条激素肽和1174条非激素肽）	NA	NA	AUROC, 准确率, 马修斯相关系数 (MCC)	NA
317	2026-05-31	Model fusion for predicting unconventional proteins secreted by exosomes using deep learning 2024-09, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300184 PMID:38643383	研究论文	提出一种融合多个深度学习模型的方法，用于预测外泌体分泌的非传统分泌蛋白	首次结合卷积神经网络和多种密集连接神经网络，融合蛋白质序列与进化信息，提升了预测准确性	未提及模型在实际应用中的泛化能力或计算资源消耗	提高外泌体介导的非传统分泌蛋白预测准确性，探索非经典蛋白分泌和细胞间通讯的调控机制	外泌体分泌的非传统蛋白质	机器学习	NA	蛋白质序列分析、进化信息分析	CNN, DNN	蛋白质序列数据	独立测试数据集	NA	CNN, DNN	ACC, MCC	NA
318	2026-05-31	An efficient hybrid deep learning architecture for predicting short antimicrobial peptides 2024-07, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300382 PMID:38837544	研究论文	提出了一种高效的混合深度学习架构iAMP-DL，用于预测短抗菌肽	结合长短期记忆网络和卷积神经网络构建混合模型，在独立测试集上表现优于现有方法，并通过10次重复实验验证了模型的鲁棒性和稳定性	未明确说明局限性，可能对非短抗菌肽的预测效果需进一步验证	开发一种高效、鲁棒的短抗菌肽预测方法以支持抗菌药物研发	短抗菌肽序列	机器学习	NA	NA	长短期记忆网络（LSTM）和卷积神经网络（CNN）	序列数据	使用了独立测试集进行性能评估，具体样本数量未在摘要中说明	NA	LSTM, CNN	未在摘要中明确列出具体指标，但通过比较分析和重复实验评估性能	NA
319	2026-05-30	MPCD: A Multitask Graph Transformer for Molecular Property Prediction by Integrating Common and Domain Knowledge 2024-12-12, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c02193 PMID:39620982	研究论文	提出MPCD多任务图变换器模型，通过整合通用知识与领域知识提升分子性质预测性能	通过领域知识对齐预训练与微调优化目标，结合多任务学习提高数据利用率和模型鲁棒性，并采用关系感知自注意力机制全面捕获分子局部与全局结构	NA	提升分子性质预测中深度学习模型的迁移性能和数据利用率	分子化合物的吸收、分布、代谢、排泄和毒性及物理化学性质预测	机器学习	NA	NA	图变换器	分子结构数据	NA	NA	图变换器	NA	NA
320	2026-05-30	Hybrid similarity based feature selection and cascade deep maxout fuzzy network for Autism Spectrum Disorder detection using EEG signal 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108177 PMID:39226758	研究论文	提出一种基于混合相似度特征选择与级联深度最大输出模糊网络的模型，用于通过EEG信号检测自闭症谱系障碍	将深度最大输出网络与级联神经模糊系统整合，形成级联深度最大输出模糊网络；采用混合相似度度量（堪培拉距离和Kumar-Hassebrook距离）进行特征选择	未在论文标题和摘要中明确提及	通过EEG信号和深度学习模型实现自闭症谱系障碍的早期、低成本且准确的诊断	自闭症谱系障碍患者及健康对照人群的EEG信号数据	机器学习	自闭症谱系障碍	EEG信号采集	级联深度最大输出模糊网络	EEG信号数据	使用了EEG数据集和BCIAUT_P300数据集，但未具体说明样本数量	NA	级联深度最大输出网络、混合级联神经模糊系统	准确率、阴性预测值、阳性预测值、真阴性率、真阳性率	NA