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
41	2025-10-06	Evaluating large language models for annotating proteins 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae177 PMID:38706315	研究论文	本文提出并评估了一种基于蛋白质大语言模型的迁移学习协议，用于改进蛋白质结构域注释	首次将蛋白质大语言模型与机器学习架构结合，显著提升蛋白质家族分类性能，相比标准方法将预测误差降低60%	对于数据量较少的蛋白质家族可能存在挑战	改进蛋白质结构域注释的自动预测方法	UniProtKB数据库中的蛋白质序列	自然语言处理	NA	迁移学习，自监督学习，监督学习	大语言模型，机器学习模型	蛋白质序列数据	超过2.51亿个蛋白质，其中0.25%已注释	NA	蛋白质大语言模型	分类准确率，预测误差	NA
42	2025-10-06	SC-Track: a robust cell-tracking algorithm for generating accurate single-cell lineages from diverse cell segmentations 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae192 PMID:38704671	研究论文	开发了一种名为SC-Track的鲁棒细胞追踪算法，用于从多样化的细胞分割结果中生成准确的单细胞谱系	提出基于细胞分裂和运动动态生物学观察的分层概率缓存级联模型，无需参数调整即可在不同分割质量下保持鲁棒性能	NA	解决当前基于深度学习的细胞分割方法产生的噪声问题，构建准确的单细胞谱系	荧光延时显微镜图像中的单细胞	计算机视觉	NA	荧光延时显微镜成像	CNN	图像	NA	NA	NA	NA	NA
43	2025-10-06	Genotypic-phenotypic landscape computation based on first principle and deep learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae191 PMID:38701420	研究论文	提出基于第一性原理和深度学习的基因型-表型景观计算方法	提出表型嵌入定理和基于共注意力Transformer的基因型-适应度模型，首次从第一性原理计算SARS-CoV-2基本再生数	NA	建立可解释的基因型-表型景观计算方法	病毒中性进化和免疫逃逸突变	计算生物学	COVID-19	深度学习	Transformer	基因型数据	NA	NA	Co-attention based Transformer	NA	NA
44	2025-10-06	A comprehensive review of protein-centric predictors for biomolecular interactions: from proteins to nucleic acids and beyond 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae162 PMID:38739759	综述	本文系统回顾了超过160种蛋白质-配体相互作用预测工具，涵盖蛋白质-蛋白质、蛋白质-核酸、蛋白质-肽及蛋白质-其他配体的相互作用类型	首次从输入特征、模型架构、可用性等多维度对四类蛋白质-配体相互作用预测工具进行系统性比较分析	NA	总结蛋白质-配体相互作用预测计算方法的现状与发展趋势	蛋白质与核酸、肽段、核苷酸、血红素、离子等配体的相互作用	生物信息学	NA	高通量技术	深度学习	蛋白质序列、结构数据	超过160种预测工具	NA	基于序列的预训练模型、基于结构的模型	NA	NA
45	2025-10-06	Optimal fusion of genotype and drug embeddings in predicting cancer drug response 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae227 PMID:38754407	研究论文	本研究探索了基因特征和药物特征的最佳融合方法以预测癌症药物反应	在原始基于拼接的DrugCell架构中注入基因和药物潜在特征之间的乘法关系，显著提升了预测性能	NA	寻找基因特征和药物特征的最佳融合方法来预测癌症药物反应	癌症药物反应预测	机器学习	癌症	深度学习	可见神经网络	基因组数据, 药物特征数据	NA	NA	DrugCell	预测性能, 运行时间速度	NA
46	2025-10-06	Analysis of Emerging Variants of Turkey Reovirus using Machine Learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae224 PMID:38752857	研究论文	本研究使用机器学习方法分析和分类火鸡呼肠孤病毒的新兴变异株	首次将聚类方法和多种机器学习算法应用于火鸡呼肠孤病毒变异株的分类和识别	深度学习模型（CNN）在此分类任务中表现不如传统机器学习方法	检测和分类火鸡呼肠孤病毒的不同类型，识别新兴变异株	火鸡关节炎呼肠孤病毒(TARV)、火鸡肝炎呼肠孤病毒(THRV)和火鸡肠道呼肠孤病毒	机器学习	禽类病毒性疾病	病毒序列分析	K-means, Hierarchical clustering, SVM, Naive Bayes, Random Forest, Decision Tree, CNN	序列数据	真实火鸡呼肠孤病毒序列数据	NA	CNN	准确率, F1-Macro, F1-Weighted	NA
47	2025-10-06	Contrastive learning for enhancing feature extraction in anticancer peptides 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae220 PMID:38725157	研究论文	本研究开发了一种基于对比学习的深度学习模型，用于仅使用肽序列筛选抗癌肽	采用对比学习技术提升模型性能，并使用两个独立编码器替代传统数据增强方法	NA	开发高效的计算预测工具来筛选抗癌肽	抗癌肽(ACPs)	机器学习	癌症	深度学习	深度学习模型	肽序列	NA	NA	对比学习框架	NA	NA
48	2025-10-06	GSScore: a novel Graphormer-based shell-like scoring method for protein-ligand docking 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae201 PMID:38706316	研究论文	提出了一种基于Graphormer和壳层图架构的新型蛋白质-配体对接评分方法GSScore	首次将Graphormer与壳层图架构结合用于蛋白质-配体对接评分，能有效捕获近天然构象与非天然构象间的细微差异	未提及方法在特定蛋白质家族或配体类型上的性能局限	开发更准确的蛋白质-配体对接构象RMSD预测方法	蛋白质-配体复合物结构	机器学习	NA	蛋白质-配体对接	Graphormer	分子结构图数据	PDBBind 2019子集、CASF2016和DUD-E数据集	NA	Graphormer, 壳层图架构	RMSE, Pearson相关系数, Spearman相关系数, 对接能力	NA
49	2025-10-06	Artificial Intelligence-Enhanced Breast MRI: Applications in Breast Cancer Primary Treatment Response Assessment and Prediction 2024-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001010 PMID:37493391	综述	本文综述了人工智能增强MRI在乳腺癌新辅助治疗反应评估和预测中的应用现状	系统总结了人工智能技术（从经典机器学习到深度学习）在乳腺癌新辅助治疗反应预测中的最新应用进展	讨论了临床实施面临的挑战和局限性	探索人工智能在乳腺癌新辅助治疗反应评估和预测中的应用价值	接受新辅助治疗的乳腺癌患者	医学影像分析	乳腺癌	磁共振成像	机器学习,深度学习	MRI图像	NA	NA	NA	NA	NA
50	2025-07-23	Cancer Mutations Converge on a Collection of Protein Assemblies to Predict Resistance to Replication Stress 2024-Mar-01, Cancer discovery IF:29.7Q1 DOI:10.1158/2159-8290.CD-23-0641 PMID:38236062	研究论文	该研究开发了一个预测模型集合，用于阐明癌症突变如何影响对常见复制压力诱导药物的反应	利用深度学习的最新进展，实现了多药物预测和机制解释，并识别了41个分子组装体，这些组装体整合了数百个基因的改变以准确预测药物反应	分子通路对药物抗性的理解不完全	阐明癌症突变如何影响对复制压力诱导药物的反应，以推动精准医疗	肿瘤细胞和接受顺铂治疗的宫颈癌患者	机器学习	宫颈癌	深度学习	ensemble of predictive models	基因突变数据和药物反应数据	肿瘤细胞和宫颈癌患者样本	NA	NA	NA	NA
51	2025-10-06	Deep learning analysis of epicardial adipose tissue to predict cardiovascular risk in heavy smokers 2024-Mar-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00475-1 PMID:38480863	研究论文	本研究利用深度学习自动量化心外膜脂肪组织，预测重度吸烟者的心血管风险	首次在重度吸烟者群体中验证深度学习自动量化心外膜脂肪组织对心血管风险的预测价值，并与传统风险因素和冠状动脉钙化评分进行比较	研究仅针对重度吸烟者群体，结果可能不适用于其他人群；使用非ECG同步、非对比低剂量胸部CT扫描可能影响测量精度	评估深度学习自动量化心外膜脂肪组织对重度吸烟者心血管风险的预测价值	24,090名成年重度吸烟者（59%男性，平均年龄61±5岁）	医学影像分析	心血管疾病	低剂量胸部计算机断层扫描	深度学习	医学影像	24,090名成年重度吸烟者	NA	NA	风险比, P值	NA
52	2025-10-06	Topical hidden genome: discovering latent cancer mutational topics using a Bayesian multilevel context-learning approach 2024-Mar-27, Biometrics IF:1.4Q2 DOI:10.1093/biomtc/ujae030 PMID:38682463	研究论文	提出一种基于主题模型的贝叶斯多层次上下文学习方法，用于发现癌症突变中的潜在主题	首次将计算语言学中的主题模型应用于癌症突变上下文分析，实现了可解释的降维和严格的全贝叶斯推断	未明确说明模型对特定癌症类型的普适性限制	推断全基因组范围内超罕见体细胞突变的癌症类型特异性	全基因组体细胞突变数据	机器学习	癌症	全基因组测序	主题模型,贝叶斯模型	基因组变异数据	数千个肿瘤样本的数千万个变异	NA	多层次多逻辑隐藏基因组模型	预测性能	NA
53	2025-10-06	Distinct chemical environments in biomolecular condensates 2024-Mar, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-023-01432-0 PMID:37770698	研究论文	通过小分子探针和深度学习研究生物分子凝聚物内不同化学环境及其对分子分布的影响	首次证明不同类型生物分子凝聚物具有不同的化学溶剂化特性，并利用深度学习预测探针在凝聚物中的选择性分配	未具体说明实验所用凝聚物类型数量及小分子探针的规模	探究无膜生物分子凝聚物的化学环境差异及其对分子选择性分布的机制	生物分子凝聚物和小分子探针	机器学习	NA	小分子探针技术	深度学习	化学性质数据	NA	NA	NA	NA	NA
54	2025-10-06	Comparison of Deep Learning Approaches for Conversion of International Classification of Diseases Codes to the Abbreviated Injury Scale 2024-Mar-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.06.24303847 PMID:38562696	研究论文	比较两种深度学习架构在将国际疾病分类代码转换为简明损伤定级标准方面的性能	首次系统比较前馈神经网络和神经机器翻译模型在损伤严重程度预测中的表现，提出间接转换路径的优越性	仅使用美国国家创伤数据库数据，可能限制模型在其他人群的泛化能力	开发从ICD代码自动预测损伤严重程度分类的系统	创伤病例的ICD编码和AIS严重程度分类	自然语言处理	创伤损伤	深度学习	FFNN, NMT	医疗编码文本数据	训练验证集2,031,793例（2017-2018年），测试集1,091,792例（2019年）	NA	编码器-解码器架构	准确率	NA
55	2025-10-06	Deep learning-based NT-proBNP prediction from the ECG for risk assessment in the community 2024-03-25, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2023-0743 PMID:37982681	研究论文	开发基于深度学习的心电图算法预测NT-proBNP水平，用于社区心血管疾病风险评估	首次使用深度学习模型从心电图中预测NT-proBNP生物标志物水平，为心血管疾病风险筛查提供经济高效的替代方案	研究基于特定人群队列，需要在更广泛人群中验证模型的普适性	开发深度学习模型通过心电图预测NT-proBNP水平，实现心血管疾病风险的高效筛查	社区人群的心电图数据和NT-proBNP测量值	医疗人工智能	心血管疾病	心电图分析，深度学习	CNN	心电图信号	汉堡城市健康研究(HCHS) 8,253人，SHIP-START队列3,002人，SHIP-TREND队列3,819人	NA	深度卷积神经网络	Pearson相关系数，AUROC	NA
56	2025-10-06	Generative interpolation and restoration of images using deep learning for improved 3D tissue mapping 2024-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.07.583909 PMID:38496512	研究论文	利用生成式AI模型进行3D生物图像的空间插值和修复以提升组织映射质量	将原本用于时间插值的FILM生成式AI模型创新应用于多种3D图像类型的空间插值，显著优于传统线性插值方法	NA	解决生物图像中缺失区域、损伤组织和分辨率不足的问题，提升3D组织映射质量	多种成像模态的生物图像数据，包括组织学、光片显微镜、磁共振成像等	计算机视觉	NA	生成式AI、图像插值	生成式AI模型	3D图像	涵盖人类、小鼠的多种组织样本（胰腺、肺、脑部）	NA	FILM	生物信息保留度、图像质量（对比度、方差、亮度）、细胞计数准确性	NA
57	2025-10-06	The Transformative Potential of AI in Obstetrics and Gynaecology 2024-03, Journal of obstetrics and gynaecology Canada : JOGC = Journal d'obstetrique et gynecologie du Canada : JOGC IF:2.0Q2 DOI:10.1016/j.jogc.2023.102277 PMID:37951574	综述	探讨人工智能在妇产科领域的应用潜力及发展方向	系统分析AI在妇产科三大重点领域的应用前景，并提出伦理实施和治理建议	NA	探索人工智能在妇产科领域的变革潜力	妇产科医疗实践	医疗人工智能	妇产科疾病	深度学习，大语言模型	深度学习模型，大语言模型	医学图像，医疗文本	NA	NA	NA	NA	NA
58	2025-10-06	Screening of Moyamoya Disease From Retinal Photographs: Development and Validation of Deep Learning Algorithms 2024-03, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.123.044026 PMID:38258570	研究论文	开发并验证基于视网膜照片筛查烟雾病及其分期的深度学习算法	首次利用视网膜照片和深度学习技术实现烟雾病的自动筛查和分期预测	回顾性研究，样本量相对有限，需进一步前瞻性验证	开发辅助诊断烟雾病及其分期的深度学习模型	烟雾病患者和健康参与者的视网膜照片	计算机视觉	烟雾病	视网膜摄影	CNN	图像	498张烟雾病患者视网膜照片（78名患者），3835张健康参与者照片（1649名参与者）	PyTorch	ResNeXt50	AUC, 准确率, 灵敏度, 特异性, F1分数	NA
59	2025-10-06	Deep learning-based predictive classification of functional subpopulations of hematopoietic stem cells and multipotent progenitors 2024-03-13, Stem cell research & therapy IF:7.1Q1 DOI:10.1186/s13287-024-03682-8 PMID:38475857	研究论文	本研究开发了基于深度学习的模型，仅通过细胞形态图像即可区分造血干细胞和多能祖细胞的不同功能亚群	首次在稳态条件下使用深度学习技术区分造血干细胞和多能祖细胞，无需依赖表面标记物或移植实验	研究仅使用小鼠细胞数据，尚未在人类细胞中验证	开发基于深度学习的细胞分类系统，用于造血干细胞功能亚群的识别和分离	小鼠造血干细胞(HSCs)和多能祖细胞(MPPs)	计算机视觉	血液系统疾病	光学显微镜(DIC)成像	深度学习	图像	大量图像数据集	NA	LSM模型	NA	NA
60	2025-10-06	Artificial intelligence unravels interpretable malignancy grades of prostate cancer on histology images 2024-Mar-06, Npj imaging.. DOI:10.1038/s44303-023-00005-z PMID:40604230	研究论文	利用人工智能开发基于组织学图像的前列腺癌可解释恶性分级系统	开发了独立于现有Gleason分级系统的新型四风险组分级系统，在长期随访数据验证下表现优于当前五级分组	研究基于根治性前列腺切除术患者数据，结果可能不适用于其他治疗方式的患者群体	解决前列腺癌恶性分级中观察者间变异性的核心问题，开发更准确的风险分层系统	2647名接受根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	深度学习	NA	组织学图像	2647名患者，随访时间≥10年	NA	NA	生存分析，生化复发风险，癌症特异性死亡风险	NA