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
21	2026-03-31	Traversing chemical space with active deep learning for low-data drug discovery 2024-10, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00697-2 PMID:39333789	研究论文	本文通过模拟低数据药物发现场景，系统分析了六种主动学习策略与两种深度学习架构在三个大规模分子库上的表现，旨在优化化学空间探索	首次系统比较主动深度学习在低数据药物发现中的策略与性能，揭示了成功的关键决定因素，并展示了相比传统方法高达六倍的命中发现提升	研究基于模拟场景，可能未完全反映真实药物发现中的复杂因素，如实验验证延迟或成本限制	探索主动深度学习在低数据药物发现中的应用，解决化学空间探索、与传统方法对比及低数据场景适应性问题	大规模分子库中的化合物	机器学习	NA	主动深度学习	深度学习架构	分子数据	三个大规模分子库	NA	NA	命中发现率	NA
22	2026-03-31	Reliable deep learning in anomalous diffusion against out-of-distribution dynamics 2024-10, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00703-7 PMID:39394501	研究论文	本文提出了一种评估深度学习在异常扩散中处理分布外动态的通用框架，并开发了一种基线方法以实现稳健的分布外动态检测和准确的分布内异常扩散识别	开发了一个通用框架来评估基于深度学习的分布外动态检测方法，并提出了一个基线方法，该方法在分布外动态检测和分布内异常扩散识别方面均表现出色	NA	提高深度学习在异常扩散识别中对分布外动态的可靠性和准确性	异常扩散现象，包括膜中的烟碱型乙酰胆碱受体、葡聚糖溶液中的荧光珠和经历主动内吞的银纳米粒子	机器学习	NA	NA	深度学习网络	动态数据	NA	NA	NA	NA	NA
23	2026-03-31	Visceral and Subcutaneous Abdominal Fat Predict Brain Volume Loss at Midlife in 10,001 Individuals 2024-08-01, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2023.0820 PMID:37728587	研究论文	本研究通过深度学习分析10,001名健康个体的腹部脂肪与脑体积关系，发现内脏和皮下脂肪可预测中年脑体积损失	首次在大规模人群（10,001人）中系统量化内脏/皮下脂肪与多脑区体积的关联，并揭示脂肪分布对脑健康的年龄特异性影响	横断面研究无法确定因果关系，仅使用1.5T MRI可能限制空间分辨率，未考虑饮食/运动等混杂因素	探究腹部脂肪类型与脑体积损失的关联及其作为脑健康可调控因素的潜力	10,001名健康参与者（52.8%男性，47.2%女性），平均年龄52.9±13.1岁	数字病理学	老年疾病	MRI成像	深度学习	医学影像	10,001名参与者	FastSurfer	NA	相关系数(r值), p值, 比值比(OR)	NA
24	2026-03-31	An assessment of the value of deep neural networks in genetic risk prediction for surgically relevant outcomes 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294368 PMID:39008506	研究论文	本研究评估了深度神经网络在预测手术相关结局（如心房颤动、静脉血栓栓塞和肺炎）的遗传风险中的价值	结合深度神经网络、基因组学与已建立的临床预测因子，以改进手术风险预测	未明确说明模型在减少相关死亡率和发病率方面的实际效果	评估深度神经网络在预测手术相关结局遗传风险中的价值	UK Biobank中的手术患者数据	机器学习	心血管疾病	GWAS	线性模型, 深度神经网络	遗传数据, 临床特征数据	UK Biobank数据集	NA	NA	ROC-AUC, 精确度, 召回率	NA
25	2026-03-31	Validation of a Natural Language Machine Learning Model for Safety Literature Surveillance 2024-01, Drug safety IF:4.0Q1 DOI:10.1007/s40264-023-01367-4 PMID:37938539	研究论文	本研究验证了一种用于安全文献监测的自然语言机器学习模型，通过前瞻性验证比较其与人工监测团队在真实世界中的性能	采用深度学习算法自动化文献监测的初步尝试，并在良好药物警戒实践框架下进行前瞻性验证，关注模型召回率以降低安全信号漏报风险	深度学习算法引入独特风险，且模型在药物警戒实践中的验证仍是一个开放性问题，未来需进一步改进和社区协作	验证自动化深度学习方法在文献监测中的应用，以提升AstraZeneca公司的安全监测效率	安全文献监测中的文章筛选过程	自然语言处理	NA	自然语言处理	深度学习模型	文本	数千篇潜在相关文章	NA	NA	召回率	NA
26	2026-03-30	Deep learning large-scale drug discovery and repurposing 2024-08, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00679-4 PMID:39169261	研究论文	本文提出了一种基于线粒体表型变化进行药物作用机制识别的方法，并开发了名为MitoReID的深度学习模型	利用时间分辨的线粒体成像数据，首次将重识别框架应用于药物作用机制识别，为大规模药物发现和再利用提供了自动化、低成本的新途径	模型仅基于线粒体表型变化进行识别，可能无法覆盖所有药物作用机制；测试集仅包含6种未训练药物的验证	开发一种自动化、高通量的药物作用机制识别方法，以加速大规模药物发现和再利用	美国食品药品监督管理局批准的1,068种药物及其处理的细胞	计算机视觉	NA	时间分辨线粒体成像	CNN	图像	570,096张单细胞图像，覆盖1,068种药物	NA	Inflated 3D ResNet	Rank-1准确率, 平均精度均值	NA
27	2026-03-30	Discrete latent embedding of single-cell chromatin accessibility sequencing data for uncovering cell heterogeneity 2024-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00625-4 PMID:38730185	研究论文	本文提出了一种基于向量量化变分自编码器的深度生成模型CASTLE，用于从单细胞染色质可及性测序数据中提取离散潜在嵌入，以揭示细胞异质性	CASTLE模型采用离散潜在嵌入，克服了传统变分自编码器中高斯假设与真实数据不符的局限性，并能有效整合大规模参考数据集信息	未明确说明模型在处理极稀疏数据或特定细胞类型时的具体限制	开发一种深度生成模型，以改善单细胞表观基因组数据的下游分析，特别是细胞类型识别和可视化	单细胞染色质可及性测序数据	机器学习	NA	单细胞染色质可及性测序	变分自编码器, 深度生成模型	表观基因组数据	NA	NA	向量量化变分自编码器	细胞类型识别准确性, 可视化合理性	NA
28	2026-03-30	Automated discovery of symbolic laws governing skill acquisition from naturally occurring data 2024-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00629-0 PMID:38811819	研究论文	本文提出了一种两阶段算法，从大规模训练日志数据中自动发现技能习得的符号定律	开发了一种结合深度学习与符号回归的两阶段算法，以解决认知状态不可观测和搜索空间爆炸问题，并发现了两种新的技能习得定律形式	未明确说明算法在噪声范围外的泛化能力，且可能依赖于特定数据源（如Lumosity）	从自然发生的大规模数据中挖掘技能学习的普遍定律	技能习得过程，特别是从训练日志数据中提取的认知状态与学习规律	机器学习	NA	深度学习，符号回归	深度学习模型，符号回归算法	训练日志数据	大规模Lumosity训练数据（具体数量未提供）	NA	NA	拟合度	NA
29	2026-03-30	Discovery of novel TACE inhibitors using graph convolutional network, molecular docking, molecular dynamics simulation, and Biological evaluation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315245 PMID:39729480	研究论文	本研究采用集成深度学习模型结合传统药物筛选方法，从FDA批准药物库中筛选出新型TACE抑制剂，并通过分子对接、分子动力学模拟和生物学评估验证了Vorinostat的抑制潜力	首次将图卷积网络（GCN）模型应用于TACE抑制剂的虚拟筛选，并结合分子对接、动力学模拟和细胞实验进行多维度验证，成功将抗癌药物Vorinostat重新定位为潜在的抗炎靶点抑制剂	研究仅使用DUD-E数据库的参考数据集，可能未覆盖所有TACE相关化合物；生物学验证仅在RAW 264.7细胞系中进行，缺乏体内实验数据	开发一种基于深度学习的药物重定位方法，以发现针对TACE（TNF-α转换酶）的新型抑制剂	FDA批准药物库中的化合物，重点关注TACE（ADAM17）酶及其抑制剂	机器学习	类风湿关节炎	分子对接、分子动力学模拟、细胞生物学评估	图卷积网络（GCN）	分子结构数据（化学信息学特征）	DUD-E数据库中TACE特异性活性化合物和诱饵化合物数据集，以及FDA批准药物库	DeepChem, RDKit	GraphConvMol	NA	NA
30	2026-03-30	Using sequences of life-events to predict human lives 2024-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00573-5 PMID:38177491	研究论文	本文通过将人类生活事件序列类比为语言结构，利用自然语言处理技术预测人类生活轨迹，包括早期死亡率和个性特征等多样结果	首次将人类生活事件序列表示为类似语言的结构，并应用NLP技术进行生活轨迹预测，在多个预测任务上大幅超越现有最优模型	研究基于丹麦的登记数据集，可能受限于特定文化和社会制度，泛化性需进一步验证	探索人类生活事件的演变规律和可预测性，开发个性化干预的可能性	丹麦多年人口登记数据中的个体生活事件序列	自然语言处理	NA	自然语言处理技术，事件序列嵌入	深度学习模型	结构化事件序列数据	丹麦多年全国人口登记数据集	NA	NA	NA	NA
31	2026-03-30	Unbiased organism-agnostic and highly sensitive signal peptide predictor with deep protein language model 2024-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00576-2 PMID:38177492	研究论文	本文介绍了一种基于深度学习的新型信号肽预测方法USPNet，用于解决信号肽分类和切割位点预测问题	USPNet是一种无偏且不依赖物种信息的信号肽预测器，通过深度蛋白质语言模型处理极端数据不平衡问题，无需额外蛋白质组信息	NA	开发一种高灵敏度、无偏的信号肽预测工具，以改进信号肽的识别和发现	信号肽（SPs）及其在跨膜和分泌蛋白定位中的作用	自然语言处理	NA	深度学习，蛋白质语言模型	深度学习模型	原始氨基酸序列	NA	NA	USPNet	分类性能提升10%，序列一致性，模板建模分数	NA
32	2026-03-29	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2024-11-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53628-0 PMID:39487131	研究论文	本文介绍了ChromaFold，一种深度学习模型，能够仅从单细胞ATAC测序数据预测3D接触图谱和调控相互作用	ChromaFold是首个仅使用单细胞ATAC测序数据预测3D接触图谱的模型，无需Hi-C或ChIP-seq数据，实现了在有限细胞数下的高分辨率预测	模型训练依赖于配对的scATAC-seq和Hi-C数据，可能受限于数据可用性和质量	预测细胞类型特异性的3D染色质相互作用，以解析基因调控和解释疾病相关的非编码变异	人类和小鼠样本中的单细胞染色质可及性数据	计算生物学	NA	单细胞ATAC测序（scATAC-seq），Hi-C	深度学习模型	染色质可及性数据，CTCF基序轨迹	人类和小鼠的多种测试细胞类型	NA	轻量级架构	准确性	标准GPU
33	2026-03-29	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	研究论文	本研究开发了一个名为AmyloidPETNet的端到端深度学习模型，用于对最小化处理的脑部PET扫描进行淀粉样蛋白阳性或阴性的自动分类	该模型无需依赖经验丰富的放射科医生或结构MRI，可直接对最小化处理的PET扫描进行端到端分类，并在不同示踪剂和独立数据集上表现出良好的泛化能力	本研究为回顾性研究，模型性能在主要为模棱两可的病例样本上与医生的一致性仅为一般水平	开发一个深度学习模型，用于自动、准确地分类脑部PET扫描的淀粉样蛋白状态，并评估其在不同数据集和示踪剂上的性能	脑部PET扫描图像	数字病理学	阿尔茨海默病	PET成像	深度学习模型	图像	8476次PET扫描（6722名患者），训练集1538次扫描（766名患者），验证集205次扫描（95名患者），内部测试集184次扫描（95名患者）	NA	AmyloidPETNet	AUC, 其他性能指标, Cohen κ	NA
34	2026-03-29	Graph Structured Neural Networks for Perturbation Biology 2024-Feb-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.28.582164 PMID:38464019	研究论文	本文提出了一种称为图结构化神经网络（GSNN）的新方法，用于扰动生物学中的计算建模，以更准确地预测分子相互作用和细胞反应	提出了一种替代传统图神经网络（GNN）的GSNN方法，通过将细胞信号知识编码为图数据结构，为深度学习添加归纳偏置，从而鼓励更具机制性的预测逻辑	方法需要进一步精炼才能产生适用于临床决策辅助的可信药物反应模型	开发能够更准确捕获分子相互作用序列并支持精准医学实现的扰动生物学计算模型	分子元素与细胞反应之间的关系，特别是药物扰动下的基因表达、细胞活力和疾病特异性药物优先排序	机器学习	NA	NA	GSNN	图数据	使用LINCS L1000数据集和文献整理的分子相互作用数据	NA	图结构化神经网络	NA	NA
35	2026-03-29	Direct Observation and Automated Measurement of Stomatal Responses to Pseudomonas syringae pv. tomato DC3000 in Arabidopsis thaliana 2024-02-09, Journal of visualized experiments : JoVE DOI:10.3791/66112 PMID:38407316	研究论文	本文介绍了一种评估拟南芥气孔对细菌入侵反应的新方法，包括喷雾接种、便携式成像设备直接观察和基于深度学习的图像分析管道自动测量气孔孔径	结合便携式成像设备和深度学习图像分析管道，实现了在植物不离体条件下直接观察和自动测量气孔对细菌入侵的动态响应，更贴近自然感染过程	方法目前仅应用于拟南芥，可能不适用于其他植物物种；便携式设备的分辨率和适用性可能有限	开发一种更简便、更贴近自然条件的方法来评估植物气孔对病原细菌入侵的响应	拟南芥（Arabidopsis thaliana）的气孔及其对Pseudomonas syringae pv. tomato DC3000（Pto）入侵的反应	植物病理学与计算机视觉交叉	植物细菌性病害	喷雾接种、便携式成像设备观察、深度学习图像分析	深度学习模型	图像	NA	NA	NA	NA	NA
36	2026-03-28	Risk-Specific Training Cohorts to Address Class Imbalance in Surgical Risk Prediction 2024-Dec-01, JAMA surgery IF:15.7Q1 DOI:10.1001/jamasurg.2024.4299 PMID:39382865	研究论文	本研究评估了在手术风险预测中，针对不同风险等级（高风险、中风险、低风险）的队列分别训练深度学习模型，以解决类别不平衡问题对预测性能的影响	提出了一种基于先验知识（手术特定风险类别）构建风险特异性训练队列的方法，以改善类别不平衡问题，特别是在低发生率并发症（如院内死亡率）的预测上	研究为横断面研究，可能无法捕捉时间动态；结果基于单一医疗系统的数据，外部有效性有待验证；风险分类的阈值定义基于经验性三分位数，可能具有主观性	评估在手术风险预测模型中，使用风险特异性训练队列对预测性能的影响，以解决类别不平衡问题	109,445例在佛罗里达大学健康系统两家医院进行的住院手术操作	机器学习	手术并发症	深度学习	深度学习模型	临床数据（手术代码、并发症发生率等）	109,445例住院手术操作	NA	NA	AUROC, AUPRC, F1分数, 准确率	NA
37	2026-03-28	A Competition for the Diagnosis of Myopic Maculopathy by Artificial Intelligence Algorithms 2024-Nov-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.3707 PMID:39325442	研究论文	本研究通过国际竞赛评估了深度学习算法在近视性黄斑病变分类、分割及球镜当量预测任务中的性能，并与眼科医生进行了比较	首次通过国际竞赛形式系统比较多种AI算法在近视性黄斑病变诊断任务中的表现，并展示了模型集成方法能超越单个算法及眼科医生的诊断性能	研究基于特定竞赛数据集，可能无法完全代表临床实际场景；参与团队数量有限（7、4、4队），且未详细说明所有算法的具体架构	评估和比较深度学习算法在近视性黄斑病变自动诊断中的性能	近视性黄斑病变患者的眼底图像	计算机视觉	近视性黄斑病变	眼底成像	深度学习模型	图像	分类任务2306张、分割任务294张、预测任务2003张眼底图像	NA	NA	二次加权κ系数, F1分数, 灵敏度, 特异性, Dice相似系数, R2, 平均绝对误差	NA
38	2024-10-18	Deep Learning to Improve Diagnosis Must Also Not Do Harm 2024-Nov-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.4377 PMID:39418056	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
39	2026-03-28	Deep Learning to Discriminate Arteritic From Nonarteritic Ischemic Optic Neuropathy on Color Images 2024-Nov-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.4269 PMID:39418057	研究论文	本研究开发并测试了一个深度学习系统，用于在急性期通过彩色眼底图像区分动脉炎性前部缺血性视神经病变与非动脉炎性前部缺血性视神经病变	首次开发了一个深度学习系统，仅基于彩色眼底图像（无需临床或生物标志物信息）在眼水平上高精度区分AAION与NAION，并展示了疾病特异性平均类激活图	研究依赖于历史图像数据，未在实时临床环境中验证；外部测试集样本量相对较小（121名患者）；未考虑所有可能的混杂因素	开发、训练和测试一个深度学习系统，以在急性期通过彩色眼底图像区分动脉炎性前部缺血性视神经病变与非动脉炎性前部缺血性视神经病变	802名患者（共961只眼）的彩色眼底图像，这些患者确诊为AAION或NAION	数字病理学	心血管疾病	彩色眼底成像	深度学习系统	图像	训练和验证集：802名患者（961只眼）；外部测试集：121名患者	NA	NA	AUC, 灵敏度, 特异度, 准确度	NA
40	2026-03-28	Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model 2024-10-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae412 PMID:39445422	研究论文	本研究使用深度学习模型预测个体认知特质，基于任务态动态功能连接性数据	结合多尺度卷积和长短期记忆层，利用任务态动态功能连接性预测认知得分，并证明其优于静息态连接性	未发现特定皮层网络在预测一般和流体智力中具有显著相关性，可能限制了空间特异性解释	预测个体认知特质，如一般智力和流体智力，从神经影像数据中理解其神经基础	874名来自人类连接组计划的受试者，使用语言和工作记忆功能磁共振成像任务状态	机器学习	NA	功能磁共振成像	CNN, LSTM	图像	874名受试者	NA	多尺度卷积层, 长短期记忆层	方差解释率	NA