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
221	2024-10-03	Identification of individuals using functional near-infrared spectroscopy based on a one-dimensional convolutional neural network 2024-03, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300453 PMID:38282446	研究论文	本研究利用功能性近红外光谱（fNIRS）和一维卷积神经网络（Conv1D）进行个人识别	创新性地将深度学习框架与fNIRS数据结合用于个人识别	NA	探索利用fNIRS和深度学习技术进行个人识别的可行性	成年人的静息态fNIRS信号	机器学习	NA	功能性近红外光谱（fNIRS）	一维卷积神经网络（Conv1D）	信号	56名成年参与者
222	2024-10-03	Implementation of a portable diffraction phase microscope for digital histopathology 2024-03, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300496 PMID:38358045	研究论文	本文介绍了一种便携式衍射相位显微镜（DPM）系统，用于数字病理学中的定量相位成像	开发了一种便携式DPM系统，无需染色即可区分生物组织结构和细胞，并应用深度学习技术进行虚拟染色	NA	开发一种便携式系统，使定量相位成像在病理学中的应用更加普及	小鼠各种器官的细胞和组织结构	数字病理学	NA	衍射相位显微镜（DPM）	深度学习	图像	小鼠各种器官
223	2024-09-30	Machine Learning for Sequence and Structure-Based Protein-Ligand Interaction Prediction 2024-03-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01841 PMID:38385768	研究论文	本文探讨了基于序列和结构的计算方法在蛋白质-配体相互作用预测中的应用	本文总结了经典机器学习模型和深度学习模型在蛋白质-配体相互作用研究中的应用，并提出了模型评估方法和可解释性	本文未详细讨论具体模型的性能和比较	研究如何利用机器学习方法准确预测蛋白质-配体相互作用，以加速药物发现过程	蛋白质-配体相互作用	机器学习	NA	机器学习	经典机器学习模型和深度学习模型	序列和结构数据	NA
224	2024-09-20	ChildAugment: Data augmentation methods for zero-resource children's speaker verification 2024-03-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0025178 PMID:38530014	研究论文	本文提出了一种名为ChildAugment的数据增强方法，用于零资源儿童说话人验证，通过调整成人语音的共振峰频率和带宽来模拟儿童语音	创新点在于通过儿童特定的数据增强方法，将成人语音数据转化为儿童语音数据，以提高儿童说话人验证系统的准确性	NA	研究目的是探索更有效的方法来利用成人语音数据，以提高儿童说话人验证系统的准确性	研究对象是儿童说话人验证系统及其数据增强方法	机器学习	NA	数据增强	时间延迟神经网络识别器	语音	使用了CSLU kids语料库进行评估
225	2024-09-14	phylaGAN: data augmentation through conditional GANs and autoencoders for improving disease prediction accuracy using microbiome data 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae161 PMID:38569898	研究论文	本文提出了一种基于条件生成对抗网络（C-GAN）和自动编码器的深度学习框架phylaGAN，用于通过数据增强提高微生物组数据疾病预测的准确性	本文创新性地结合了条件生成对抗网络和自动编码器，生成模拟的微生物组数据，以解决现有机器学习方法在微生物组数据预测中面临的样本量小、样本不平衡和高成本等问题	本文未详细讨论生成的合成数据在实际临床应用中的潜在风险和伦理问题	提高微生物组数据疾病预测的准确性	微生物组数据	机器学习	NA	条件生成对抗网络（C-GAN）、自动编码器	C-GAN、自动编码器	微生物组数据	涉及两个数据集（T2D研究和肝硬化研究）以及一个外部验证队列（肥胖和瘦弱受试者分类）
226	2024-09-14	MINDG: a drug-target interaction prediction method based on an integrated learning algorithm 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae147 PMID:38483285	研究论文	提出了一种基于集成学习算法的药物-靶点相互作用预测方法MINDG	结合了深度学习和图学习的优势，通过混合深度网络提取序列特征，并提出高阶图注意力卷积网络来捕捉结构特征，最终通过多视角自适应集成决策模块提升预测性能	NA	解决现有药物-靶点相互作用预测方法的局限性，提升预测性能	药物-靶点相互作用	机器学习	NA	深度学习，图学习	混合深度网络，高阶图注意力卷积网络	序列数据，结构数据	两个数据集
227	2024-09-14	TemStaPro: protein thermostability prediction using sequence representations from protein language models 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae157 PMID:38507682	研究论文	本文介绍了一种基于蛋白质语言模型嵌入的蛋白质热稳定性预测方法	利用预训练的蛋白质语言模型生成嵌入，通过迁移学习高效训练和验证高性能预测模型	NA	开发一种可靠的蛋白质热稳定性预测方法	蛋白质序列及其热稳定性	机器学习	NA	蛋白质语言模型	NA	序列	超过一百万个序列
228	2024-09-14	Contrastive pre-training and 3D convolution neural network for RNA and small molecule binding affinity prediction 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae155 PMID:38507691	研究论文	本文介绍了一种名为RLaffinity的新型深度学习模型，用于预测RNA与小分子的结合亲和力，基于3D结构	首次提出基于3D卷积神经网络和对比学习预训练模型的RNA与小分子结合亲和力预测方法	NA	开发一种计算模型，有效提取相关特征并准确预测RNA与小分子的结合亲和力	RNA与小分子的结合亲和力	机器学习	NA	3D卷积神经网络	3D-CNN	3D结构	NA
229	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
230	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
231	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
232	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
233	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
234	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
235	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
236	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
237	2024-09-13	Machine learning and single-cell transcriptome profiling reveal regulation of fibroblast activation through THBS2/TGFβ1/P-Smad2/3 signalling pathway in hypertrophic scar 2024-Mar, International wound journal IF:2.6Q1 DOI:10.1111/iwj.14481 PMID:37986676	研究论文	本研究通过单细胞转录组测序和机器学习方法，揭示了肥厚性瘢痕中纤维母细胞激活的调控机制	首次通过单细胞转录组测序和多种机器学习算法，识别出与肥厚性瘢痕相关的关键基因模块，并建立了基于卷积神经网络的诊断和预测模型	研究样本量较小，可能影响结果的普适性	揭示肥厚性瘢痕形成机制，并提供诊断和治疗的新生物标志物	肥厚性瘢痕中的纤维母细胞及其相关基因	数字病理学	皮肤疾病	单细胞RNA测序	卷积神经网络	基因表达数据	正常皮肤和肥厚性瘢痕样本
238	2024-09-11	Utilizing adaptive deformable convolution and position embedding for colon polyp segmentation with a visual transformer 2024-03-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57993-0 PMID:38538774	研究论文	本文提出了一种基于视觉变换器的结肠息肉分割模型，结合了自适应可变形卷积和位置嵌入	本文提出的Polyp-Vision Transformer (Polyp-ViT)模型在传统Transformer架构基础上，增强了特征提取和位置嵌入的自适应机制	NA	开发一种自动化的结肠息肉检测系统，以辅助早期诊断结直肠癌	结肠息肉	计算机视觉	结直肠癌	视觉变换器 (ViT)	Transformer	图像	在Kvasir-seg和CVC-Clinic DB数据集上进行了测试，分别包含NA和NA个样本
239	2024-09-08	Deep5hmC: Predicting genome-wide 5-Hydroxymethylcytosine landscape via a multimodal deep learning model 2024-Mar-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.04.583444 PMID:38496575	研究论文	本文介绍了一种名为Deep5hmC的多模态深度学习框架，用于预测全基因组范围内的5-羟甲基胞嘧啶修饰	Deep5hmC通过整合DNA序列和组蛋白修饰信息，显著提高了5hmC修饰的定性和定量预测能力	NA	开发一种能够准确预测全基因组范围内5-羟甲基胞嘧啶修饰的深度学习模型	5-羟甲基胞嘧啶修饰及其在基因表达调控中的作用	机器学习	阿尔茨海默病	深度学习	多模态深度学习模型	DNA序列和组蛋白修饰数据	在四个时间点的前脑类器官发育和17种人体组织中收集的5hmC测序数据
240	2024-09-08	An open-source toolbox for measuring vocal tract shape from real-time magnetic resonance images 2024-03, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-023-02171-9 PMID:37507650	研究论文	本文介绍了一种从实时磁共振图像中测量声道形状的开源工具箱	提出了一个信号处理流程，能够从唇部到喉部的实时磁共振图像中生成声道轮廓，量化声道的动态形态	该方法依赖于研究者指定的感兴趣区域，且尚未完全自动化	开发一种能够从实时磁共振图像中量化声道形态的工具	实时磁共振图像中的声道形态	计算机视觉	NA	实时磁共振成像 (rtMRI)	NA	图像	涵盖了多种行为的数据集，如说话、夸张的语音、笑声和口哨声