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
701	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
702	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
703	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
704	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
705	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
706	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
707	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
708	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
709	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
710	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
711	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
712	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
713	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
714	2026-03-28	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery using multi-omics data 2024-Sep-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.10.612292 PMID:39314346	研究论文	介绍G2PDeep-v2，一个基于深度学习的网络平台，用于从多组学数据中预测表型和发现生物标志物	提供了一个交互式界面，允许用户创建深度学习模型，并利用高性能计算资源自动进行超参数调优，支持跨多种生物体的多组学数据分析	未提及具体性能限制或数据规模限制	开发一个网络平台，用于表型预测和生物标志物发现，以揭示复杂疾病和其他生物过程的分子机制	人类、植物、动物和病毒的多组学数据	机器学习	NA	多组学数据分析	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
715	2026-03-28	Deep Learning Based on Computed Tomography Predicts Response to Chemoimmunotherapy in Lung Squamous Cell Carcinoma 2024-05-12, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2024.0169 PMID:38916736	研究论文	本研究开发了一种基于增强CT图像的深度学习模型，用于预测肺鳞癌患者对新辅助化疗免疫治疗的病理缓解反应	首次将深度学习模型应用于预测肺鳞癌患者对新辅助化疗免疫治疗的主要病理缓解，并探索了其与基因突变、免疫微环境和瘤内微生物的关联机制	样本量相对有限（309例），且为回顾性研究，需要前瞻性验证	开发预测模型以识别对新辅助化疗免疫治疗有响应的肺鳞癌患者，并阐明其生物学机制	肺鳞癌患者	数字病理学	肺癌	增强计算机断层扫描	CNN	图像	309例肺鳞癌患者	NA	ResNet50	AUC	NA
716	2026-03-28	Cardiovascular Significance and Genetics of Epicardial and Pericardial Adiposity 2024-May-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0080 PMID:38477908	研究论文	本研究利用深度学习模型量化心外膜和心包脂肪组织面积，评估其与心血管疾病的关联，并进行了全基因组关联分析	首次在大规模人群队列中结合深度学习语义分割技术量化EPAT，并系统评估其与多种心血管疾病的横断面及前瞻性关联，同时进行了全基因组关联研究以阐明其遗传基础	研究结果可能受到残余混杂因素的影响，且EPAT与心血管疾病的关联在控制腹部内脏脂肪组织体积后不再显著，表明关联可能主要反映代谢不健康的脂肪表型	评估心外膜和心包脂肪组织与心血管疾病的关联，并阐明其遗传基础	来自UK Biobank的44,475名参与者（平均年龄64.1岁，51.7%为女性）以及独立FinnGen队列的453,733名参与者	数字病理学	心血管疾病	磁共振成像，全基因组关联研究	深度学习模型	图像（四腔磁共振图像）	UK Biobank: 44,475名参与者；FinnGen: 453,733名参与者	NA	语义分割模型	β系数，Pearson相关系数，风险比，比值比，95%置信区间，P值	NA
717	2026-03-25	Multiclass arrhythmia classification using multimodal smartwatch photoplethysmography signals collected in real-life settings 2024-Dec-13, Research square DOI:10.21203/rs.3.rs-5463126/v1 PMID:39711547	研究论文	本研究提出了一种使用多模态智能手表光电容积脉搏波信号在真实生活环境中进行多类心律失常分类的方法	使用真实生活环境中收集的多模态数据（包括PPG、加速度计和心率数据），并采用计算高效的1D双向门控循环单元模型，在独立数据集上实现了对PAC/PVC的高灵敏度检测，同时保持了AF检测的高准确率	研究依赖于特定临床试验收集的数据集，样本量相对有限（106名受试者），且模型在更广泛人群和设备上的泛化能力仍需进一步验证	开发一种能够在真实生活环境中准确检测多种心律失常（特别是房颤和房性/室性早搏）的智能手表监测系统	智能手表收集的光电容积脉搏波信号及其相关多模态数据	机器学习	心血管疾病	光电容积脉搏波	深度学习	时间序列数据	106名受试者，收集为期两周的智能手表PPG数据	NA	1D双向门控循环单元	灵敏度, 准确率, 宏平均受试者工作特征曲线下面积	NA
718	2026-03-25	Modernizing histopathological analysis: a fully automated workflow for the digital image analysis of the intestinal microcolony survival assay 2024-Dec-12, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.09.627578 PMID:39713436	研究论文	本文开发了一个全自动工作流程，用于数字图像分析肠道微菌落存活实验，以量化辐射引起的胃肠道损伤	实现了微菌落存活实验中空肠隐窝计数的全自动化，消除了主观观察者间变异和人为错误	未明确说明自动化工作流程在不同实验室或设备间的泛化能力	自动化组织病理学分析，提高微菌落存活实验的效率和准确性	小鼠空肠组织切片图像	数字病理学	辐射损伤	组织病理学成像	深度学习语义图像分割	图像	60只小鼠的540张图像	NA	NA	平均绝对百分比偏差	NA
719	2026-03-25	EM-COGLOAD: An investigation into age and cognitive load detection using eye tracking and deep learning 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.03.014 PMID:38638116	研究论文	本文介绍了一个公开可用的眼动数据集EM-COGLOAD，并利用深度学习技术对健康成年人在不同认知负荷下的眼动轨迹进行分类，以探索年龄和认知负荷检测的可行性	提出了一个新的公开眼动数据集EM-COGLOAD，并首次将卷积神经网络应用于眼动时间序列分类，以区分不同认知负荷和年龄组	研究仅涉及75名健康成年人，未包括阿尔茨海默病患者，且样本量相对较小	探索眼动行为作为非侵入性生物标志物，用于检测认知负荷和年龄相关变化，以辅助阿尔茨海默病的早期诊断	75名健康成年人的眼动数据	机器学习	阿尔茨海默病	眼动追踪	CNN	时间序列	75名健康成年人	NA	卷积神经网络	准确率	NA
720	2026-03-25	DeepGenomeScan of 15 Worldwide Bovine Populations Detects Spatially Varying Positive Selection Signals 2024-10, Omics : a journal of integrative biology IF:2.2Q3 DOI:10.1089/omi.2024.0154 PMID:39315920	研究论文	本研究利用深度学习框架DeepGenomeScan，在全球15个牛种群中检测空间变化的阳性选择信号	首次在牛基因组选择信号研究中应用深度学习，发现了传统方法未能检测到的38个新选择基因	未明确说明样本的具体地理分布或种群规模细节	识别牛基因组中受空间变化选择影响的区域，以理解物种进化与适应的遗传机制	全球15个牛种群的基因组数据	机器学习	NA	基因组扫描	深度学习	基因组数据	15个牛种群	DeepGenomeScan	NA	NA	NA