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
7221	2024-09-14	Integrating physics in deep learning algorithms: a force field as a PyTorch module 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae160 PMID:38514422	研究论文	本文介绍了一种将物理力场集成到深度学习算法中的方法，通过实现一个可微分的PyTorch模块MadraX，使得深度学习算法能够与物理力场进行端到端的交互	本文的创新点在于将物理力场实现为一个可微分的PyTorch模块，使得深度学习算法能够直接利用物理规则进行训练和预测	本文未提及具体的局限性	研究目的是解决深度学习算法在结构生物学中由于数据有限而难以收敛到有意义解的问题	研究对象是深度学习算法与物理力场的集成	机器学习	NA	深度学习	PyTorch模块	NA	NA
7222	2024-09-14	MotGen: a closed-loop bacterial motility control framework using generative adversarial networks 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae170 PMID:38552318	研究论文	本文提出了一种基于生成对抗网络的闭环细菌运动控制框架，用于实时调节细菌运动动态	首次提出了一种基于生成对抗网络的闭环控制框架，能够实时调节细菌运动动态，填补了现有研究中对细菌运动动态系统探索的空白	NA	开发一种能够实时调节细菌运动动态的新方法，以应用于生物医学领域	细菌的运动性能和运动模式	机器学习	NA	生成对抗网络	生成对抗网络	图像	NA
7223	2024-09-14	Hi-GeoMVP: a hierarchical geometry-enhanced deep learning model for drug response prediction 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae204 PMID:38614131	研究论文	提出了一种名为Hi-GeoMVP的新型深度学习方法，用于药物反应预测	结合了分层药物表示和多组学数据，利用图神经网络和变分自编码器进行详细的药物和细胞系表示，并采用多任务学习方法	NA	提高药物反应预测的准确性，以支持个性化癌症治疗	药物反应预测	机器学习	NA	图神经网络，变分自编码器	深度学习模型	多组学数据	GDSC数据集
7224	2024-09-14	EvoAug-TF: extending evolution-inspired data augmentations for genomic deep learning to TensorFlow 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae092 PMID:38366935	研究论文	本文介绍了EvoAug-TF，一个将进化启发式数据增强扩展到TensorFlow的工具包，用于基因组深度学习	EvoAug-TF将EvoAug的功能扩展到TensorFlow，使得更多基于TensorFlow的基因组深度学习模型能够应用进化启发式数据增强	NA	扩展EvoAug的功能至TensorFlow，以提高基因组深度学习模型的泛化能力和可解释性	基因组深度学习模型	机器学习	NA	深度神经网络（DNNs）	深度神经网络（DNNs）	基因组数据	NA
7225	2024-09-14	ViTAL: Vision TrAnsformer based Low coverage SARS-CoV-2 lineage assignment 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae093 PMID:38374486	研究论文	本文介绍了一种基于Vision Transformer的深度学习算法ViTAL，用于低覆盖度SARS-CoV-2基因组的谱系分配	ViTAL结合了MinHash和Vision Transformer，能够在低覆盖度下实现高精度的谱系分配，显著优于现有的工具	NA	开发一种高效、廉价且准确的病毒谱系分配方法，以应对快速传播的病毒疾病	低覆盖度全基因组测序的SARS-CoV-2基因组	机器学习	COVID-19	低覆盖度全基因组测序（LC-WGS）	Vision Transformer	基因组数据	NA
7226	2024-09-14	pyM2aia: Python interface for mass spectrometry imaging with focus on deep learning 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae133 PMID:38445753	研究论文	本文介绍了一个名为pyM2aia的Python包，专注于质谱成像（MSI）数据的深度学习任务	pyM2aia优化了MSI数据的内存处理和访问，便于深度学习应用	NA	开发一个适用于质谱成像数据深度学习任务的Python接口	质谱成像数据及其在深度学习中的应用	机器学习	NA	质谱成像	深度学习模型	图像	NA
7227	2024-09-14	iNGNN-DTI: prediction of drug-target interaction with interpretable nested graph neural network and pretrained molecule models 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae135 PMID:38449285	研究论文	提出了一种可解释的嵌套图神经网络iNGNN-DTI，用于药物-靶点相互作用预测，并结合了预训练的分子和蛋白质模型	使用预训练的分子和蛋白质模型，通过交叉注意力模块捕捉药物和靶点子结构之间的相互作用信息，提高了特征表示能力	未提及	预测药物与蛋白质靶点之间的相互作用	药物和蛋白质靶点	机器学习	NA	图神经网络	嵌套图神经网络	图数据	三个基准数据集
7228	2024-09-14	AACFlow: an end-to-end model based on attention augmented convolutional neural network and flow-attention mechanism for identification of anticancer peptides 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae142 PMID:38452348	研究论文	本文提出了一种基于注意力增强卷积神经网络和流注意力机制的端到端模型AACFlow，用于识别抗癌肽	本文创新性地结合了注意力增强卷积神经网络和多层卷积神经网络，形成深度表示学习模块，并引入基于流网络的多头流注意力机制，以挖掘序列的深层特征，提高模型效率	NA	开发一种高效的端到端模型，用于识别抗癌肽	抗癌肽的识别	机器学习	NA	卷积神经网络	CNN	序列	独立测试数据集
7229	2024-09-14	StructuralDPPIV: a novel deep learning model based on atom structure for predicting dipeptidyl peptidase-IV inhibitory peptides 2024-02-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae057 PMID:38305458	研究论文	本文介绍了一种名为StructuralDPPIV的新型深度学习模型，用于预测二肽基肽酶IV抑制肽	StructuralDPPIV模型结合了氨基酸的分子图特征和序列信息，显著优于现有的最先进方法	NA	开发一种有效的工具来发现二肽基肽酶IV抑制肽，以缓解糖尿病的影响	二肽基肽酶IV抑制肽的预测	机器学习	糖尿病	深度学习	深度学习模型	分子图特征和序列信息	独立测试数据集和两个湿实验数据集
7230	2024-09-14	T-S2Inet: Transformer-based sequence-to-image network for accurate nanopore sequence recognition 2024-02-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae083 PMID:38366607	研究论文	本文提出了一种基于Transformer的序列到图像网络T-S2Inet，用于提高纳米孔序列识别的准确性	本文创新性地提出了一个序列到图像（S2I）模块，将不等长序列转换为图像，并结合Transformer模型捕捉重要信息，从而提高分类准确性	NA	提高纳米孔序列识别的准确性	纳米孔序列数据	机器学习	NA	纳米孔测序	Transformer	序列数据	NA
7231	2024-09-14	Geometry-complete perceptron networks for 3D molecular graphs 2024-02-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae087 PMID:38373819	研究论文	本文介绍了一种新的几何感知SE(3)-等变图神经网络GCPNet，用于3D生物分子图的表示学习	GCPNet能够学习3D分子的重要手性属性并检测外部力场，适用于多种不变或等变节点级、边级和图级任务	NA	开发一种新的图神经网络模型，用于3D生物分子图的表示学习	3D生物分子图及其手性属性和外部力场	机器学习	NA	几何深度学习	图神经网络	3D分子图	涉及四个不同的分子几何任务
7232	2024-09-14	Phenotype prediction from single-cell RNA-seq data using attention-based neural networks 2024-02-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae067 PMID:38390963	研究论文	本文提出了一种基于注意力机制神经网络的单细胞RNA测序数据表型预测方法ScRAT	ScRAT通过使用mixup模块增加训练样本数量，并采用多头注意力机制学习每个表型中最具信息量的细胞，无需依赖给定的细胞类型注释	NA	开发一种能够在有限样本数量下准确预测疾病表型的方法	单细胞RNA测序数据中的细胞表型	生物信息学	冠状病毒病	单细胞RNA测序	注意力机制神经网络	基因表达数据	三个公开的COVID数据集
7233	2024-09-14	EvoAug-TF: Extending evolution-inspired data augmentations for genomic deep learning to TensorFlow 2024-Jan-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.17.575961 PMID:38293144	研究论文	本文将基于进化启发的数据增强方法EvoAug扩展到TensorFlow框架，以提高基因组深度学习模型的泛化能力和可解释性	将EvoAug的功能扩展到TensorFlow框架，使其适用于更广泛的基于TensorFlow的基因组深度学习模型	NA	扩展EvoAug的功能以支持TensorFlow框架，提高基因组深度学习模型的性能	基因组深度学习模型及其在预测非编码基因组调控区域分子功能中的应用	机器学习	NA	深度神经网络（DNNs）	深度神经网络（DNNs）	基因组数据	NA
7234	2024-09-14	Antivirals for monkeypox virus: Proposing an effective machine/deep learning framework 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299342 PMID:39264896	研究论文	本文提出了一个用于猴痘病毒抗病毒药物预测的计算框架	首次研究了深度学习方法在猴痘病毒抗病毒药物预测中的应用	NA	开发一种有效的计算框架来预测猴痘病毒的抗病毒药物	猴痘病毒及其潜在的抗病毒药物	机器学习	NA	深度学习	深度学习方法	病毒-抗病毒数据集	NA
7235	2024-09-13	Unveiling the black box: A systematic review of Explainable Artificial Intelligence in medical image analysis 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.08.005 PMID:39252818	综述	本文系统回顾了应用于医学图像分析的可解释人工智能（XAI）方法，讨论了当前的挑战和未来的研究方向，并探讨了评估XAI方法的指标	本文强调了先进的XAI方法，并指出了它们如何满足ML/DL决策中对透明度和信任的需求	本文指出了XAI方法面临的挑战，并提出了未来研究方向以改进医疗领域的XAI	本文旨在弥合尖端计算技术与其在医疗保健中的实际应用之间的差距，促进AI在医疗环境中更透明、可信和有效的使用	本文研究了应用于医学图像分析的可解释人工智能（XAI）方法	计算机视觉	NA	可解释人工智能（XAI）	NA	图像	NA
7236	2024-09-13	Domain-knowledge enabled ensemble learning of 5-formylcytosine (f5C) modification sites 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.08.004 PMID:39253057	研究论文	本文介绍了一种创新的集成学习方法，用于计算识别5-甲酰胞嘧啶（f5C）修饰位点	通过整合32个新颖的领域衍生基因组特征，显著提高了单个模型的性能，并构建了集成模型以进一步增强准确性和鲁棒性	NA	开发一种计算方法来准确识别f5C修饰位点，以揭示其分子功能和调控机制	5-甲酰胞嘧啶（f5C）修饰位点	机器学习	NA	集成学习	循环神经网络、卷积神经网络和基于Transformer的模型	序列信息	NA
7237	2024-09-13	A deep learning-based model for estimating pollution fluxes from rivers into the sea and its optimization 2024-Nov-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175434 PMID:39128526	研究论文	本文基于流域-河口-近岸水体系统的源汇过程，建立了一个深度学习模型来估算河流向海洋的污染通量，并分析了其时空异质性	提出了一个基于深度学习的模型来简化污染通量的估算，并提出了一种估算不同空间梯度污染通量贡献率的方法	NA	研究过去40年污染通量的变化趋势及其驱动机制，并建立一个简化的深度学习模型来估算污染通量	渤海沿岸流域的污染通量及其时空异质性	机器学习	NA	深度学习	深度学习模型	社会经济数据和气象数据	1980年至2020年间的数据，包括总氮和总磷的污染通量
7238	2024-09-13	Long-term trend forecast of chlorophyll-a concentration over eutrophic lakes based on time series decomposition and deep learning algorithm 2024-Nov-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175451 PMID:39134277	研究论文	本文开发了一种基于时间序列分解和深度学习算法的混合方法，用于预测富营养化湖泊中叶绿素a浓度的长期趋势	本文提出了一种结合STL分解、小波相干分析和CNN-BiLSTM的混合深度学习方法，有效解决了叶绿素a浓度与水环境因素之间的非线性关系和时间序列中的趋势、季节性和残差成分问题	NA	预测富营养化湖泊中叶绿素a浓度的长期趋势，为湖泊富营养化管理和污染控制规划提供支持	太湖中叶绿素a浓度的长期趋势及其与水环境因素的关系	机器学习	NA	STL分解、小波相干分析、CNN-BiLSTM	CNN-BiLSTM	时间序列数据	以太湖为例
7239	2024-09-13	Detecting the interaction between microparticles and biomass in biological wastewater treatment process with Deep Learning method 2024-Nov-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175813 PMID:39191331	研究论文	本文提出了一种基于深度学习的方法，用于自动检测和量化生物废水处理过程中微粒与生物量的相互作用	本文创新性地使用深度学习模型（如Cascade Mask R-CNN）来自动检测微粒与生物量的相互作用，显著提高了检测精度和处理效率	本文未详细讨论深度学习模型在不同环境条件下的泛化能力	研究生物废水处理过程中微粒与生物量的相互作用	微粒与生物量的相互作用	计算机视觉	NA	深度学习	Cascade Mask R-CNN	图像	包含标记显微镜图像的'TU Delft-微粒与生物量相互作用'数据集
7240	2024-09-13	An unrolled neural network for accelerated dynamic MRI based on second-order half-quadratic splitting model 2024-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110218 PMID:39069026	研究论文	本文提出了一种基于二阶半二次分裂模型的展开式神经网络，用于加速动态磁共振图像的重建	本文的创新点在于提出了一种基于二阶半二次分裂算法的展开式深度学习网络，并通过引入退化感知模块和信息融合变压器来提高重建效果	本文未提及具体的局限性	研究目的是减少动态磁共振图像重建的时间并提高重建质量	研究对象是动态磁共振图像的重建	计算机视觉	NA	半二次分裂算法	展开式神经网络	图像	未提及具体样本数量