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
281	2024-08-07	Regression-Based Active Learning for Accessible Acceleration of Ultra-Large Library Docking 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01661 PMID:38157481	研究论文	本研究展示了基于回归的主动学习方法如何加速超大规模虚拟筛选，以发现高亲和力命中化合物	提出了一种使用简单线性回归模型的主动学习方法，能够在仅对接10%的配体后，检索到高达90%的顶级命中化合物	NA	加速虚拟筛选过程，减少计算资源需求	超大规模虚拟筛选数据集中的高亲和力命中化合物	计算机视觉	NA	虚拟筛选	线性回归模型	数据集	超大规模虚拟筛选数据集，仅对接2%的库即可检索到70%的顶级命中化合物
282	2024-08-07	Compound Activity Prediction with Dose-Dependent Transcriptomic Profiles and Deep Learning 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01855 PMID:38293736	研究论文	本文介绍了一种基于化合物处理下多个浓度观察到的基因表达谱来预测化合物在其他生化或细胞检测中活性的转录组到活性转换器（TAT）模型	引入了TAT模型，利用化合物在多个浓度下的基因表达数据来预测化合物活性，这是一种新颖的方法	模型在51%的检测中得到了有用的结果，表明仍有一定的局限性	旨在通过计算模型预测化合物在不同检测中的活性，以支持药物发现	研究对象包括2692种化合物在262种剂量反应检测中的活性	机器学习	NA	RASL-seq	TAT	基因表达数据	2692种化合物，262种剂量反应检测
283	2024-08-07	graphLambda: Fusion Graph Neural Networks for Binding Affinity Prediction 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00771 PMID:38366974	研究论文	本文介绍了一种名为graphLambda的图神经网络模型，用于预测蛋白质-配体复合物的结合亲和力	利用图卷积、注意力和同构块来增强预测能力	NA	提高计算机辅助药物发现（CADD）中结合亲和力预测的准确性	蛋白质-配体复合物的结合亲和力	机器学习	NA	图神经网络	图神经网络	图数据	NA
284	2024-08-07	HydraProt: A New Deep Learning Tool for Fast and Accurate Prediction of Water Molecule Positions for Protein Structures 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01559 PMID:38552195	研究论文	本文介绍了一种名为HydraProt的新型深度学习工具，用于快速准确地预测蛋白质结构周围水分子氧原子的精确位置	HydraProt采用两种深度学习架构——3D U-net和多层感知器（MLP），通过粗粒度体素化表示蛋白质，快速采样候选水分子位置，并通过MLP在欧几里得空间中嵌入水-蛋白质关系，最后通过后处理步骤进一步优化预测	NA	开发一种新的深度学习方法，用于准确预测蛋白质结构周围水分子氧原子的位置	蛋白质结构周围水分子氧原子的位置	机器学习	NA	深度学习	3D U-net, 多层感知器（MLP）	蛋白质结构数据	大型蛋白质结构数据集
285	2024-08-04	Label-Free Multiplex Profiling of Exosomal Proteins with a Deep Learning-Driven 3D Surround-Enhancing SERS Platform for Early Cancer Diagnosis 2024-04-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c00669 PMID:38624007	研究论文	本文开发了一种新的三维增强表面增强拉曼光谱平台用于多重监测外泌体蛋白以实现早期癌症诊断	提出了一种新型的三维增强SERS平台，结合深度学习技术，能够高灵敏度和高多重性地检测多个外泌体蛋白	尚未提及具体的实验限制和临床应用的局限性	利用深度学习技术和新型SERS平台，早期诊断肺癌	来自患者的血浆外泌体蛋白，包括CD63、CD81、CD9、CD151、CD171、TSPAN8和PD-L1	数字病理学	肺癌	SERS	深度学习	蛋白质	七种外泌体蛋白质样本
286	2024-08-04	Applications of Data Characteristic AI-Assisted Raman Spectroscopy in Pathological Classification 2024-04-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c04930 PMID:38602477	研究论文	本文探讨了基于拉曼光谱的AI辅助病理分类的应用	通过构建数据特征辅助的AI分类模型，优化了不同类型拉曼光谱数据的AI分类模型	未明确讨论如何处理不同类型的拉曼光谱数据的分类模型优化，相对缺乏对模型选择的指导	探索如何优化不同类型拉曼光谱数据的AI分类模型	选择了五个具有代表性的拉曼光谱数据集，包括子宫内膜癌、肝癌细胞外囊泡、细菌、黑色素瘤细胞、糖尿病皮肤等	数字病理学	内膜癌, 肝癌, 黑色素瘤, 细菌感染, 糖尿病皮肤病	拉曼光谱	ResNet, AlexNet, PCA-SVM, SVM, UMAP-SVM	光谱数据	五个数据集，包括不同样本大小和光谱数据大小
287	2024-08-04	Identifying recurrent and persistent landslides using satellite imagery and deep learning: A 30-year analysis of the Himalaya 2024-Apr-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.171161 PMID:38387570	研究论文	本论文介绍了一种基于遥感的方法，能够有效生成多时相滑坡清单并识别反复发生和持续存在的滑坡。	该研究开发了首个跨越30年的喜马拉雅地区滑坡多年代清单，利用深度学习模型实现了对滑坡事件的高精度识别。	研究仅基于公开的卫星数据，可能受到数据质量和可用性的影响。	研究旨在识别和分析喜马拉雅地区的重复和持续滑坡现象。	研究对象为1992年至2021年间的滑坡事件和区域。	数字路径学	NA	卷积神经网络模型	CNN	卫星影像	>265,000
288	2024-08-04	Magnetic resonance imaging-based bone imaging of the lower limb: Strategies for generating high-resolution synthetic computed tomography 2024-04, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.25707 PMID:37807082	研究论文	本研究旨在评估生成适用于骨科护理的高分辨率磁共振成像（MRI）基础的合成计算机断层扫描（sCT）图像的方法	提出了使用低分辨率数据生成高分辨率sCT图像的新方法	使用低分辨率CT数据训练模型导致产生的sCT图像模糊	研究低分辨率CT数据在生成高分辨率sCT中的应用	针对三个解剖区域的MRI和CT配对数据	数字病理学	NA	深度学习	NA	MRI和CT数据	三种解剖区域的数据（高分辨率的膝盖和踝关节数据，以及低分辨率的髋关节数据）
289	2024-08-05	Clinical Validation of a Handheld Deep Learning Tool for Identification of Glaucoma Medications 2024 Apr-Jun, Journal of ophthalmic & vision research IF:1.6Q3 DOI:10.18502/jovr.v19i2.13983 PMID:39055502	研究论文	本研究验证了一种基于卷积神经网络（CNN）的智能手机应用程序在青光眼眼药水识别中的有效性	应用了CNN技术以提高青光眼药物的识别准确性和效率，特别是在视力受损的患者中	未包含非英语患者，样本数量有限，可能影响普遍适用性	验证一种智能手机应用程序在青光眼患者药物识别中的临床有效性	68名在青光眼门诊就诊的视力正常及受损患者	机器学习	青光眼	卷积神经网络（CNN）	CNN	数据	68名青光眼患者
290	2024-08-05	CAT-DTI: cross-attention and Transformer network with domain adaptation for drug-target interaction prediction 2024-Apr-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05753-2 PMID:38566002	研究论文	本文提出了一种基于跨注意力和变换器的药物-靶标互动预测模型CAT-DTI	该模型通过领域适应能力改善了药物-靶标互动的预测精度，特别是在处理分布外数据时表现出色	研究中未提及具体的样本量和数据集的多样性	提升药物-靶标互动预测的准确性和效率	药物和蛋白质的特征表示及其互动特征	机器学习	NA	卷积神经网络与变换器	跨注意力模型	NA	NA
291	2024-08-05	Insight into Automatic Image Diagnosis of Ear Conditions Based on Optimized Deep Learning Approach 2024-Apr, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-023-03422-8 PMID:38097895	研究论文	这篇文章提出了一种基于优化深度学习的方法用于耳部疾病的自动图像诊断	本文创新性地使用了贝叶斯超参数优化与CNN架构相结合，提高了耳部疾病自动诊断的准确性	文章没有提及该方法在真实临床环境中的应用限制	研究旨在改善耳部疾病的自动诊断方法	研究对象为615张耳部内窥镜图像，分类为正常、耳膜硬化、耳垢堵塞和慢性中耳炎	计算机视觉	耳部疾病	CNN	CNN	图像	616张耳部内窥镜图像用于训练，264张用于测试
292	2024-08-05	Retrieval augmented scientific claim verification 2024-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae021 PMID:38455840	研究论文	本文旨在使用PubMed摘要自动化科学声明验证	开发了CliVER系统，并使用检索增强技术来自动检索相关的临床试验摘要	需进一步测试CliVER的临床效用	自动化科学声明验证	临床试验摘要和科学声明	自然语言处理	NA	检索增强技术	集成深度学习模型	文本	189648个PubMed摘要
293	2024-08-05	Three-dimensional reconstruction of fetal rhesus macaque kidneys at single-cell resolution reveals complex inter-relation of structures 2024-Apr-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.07.570622 PMID:38106004	研究论文	该文章展示了在单细胞分辨率下对胎猴肾脏进行三维重建，以揭示复杂的结构相互关系	该研究利用深度学习技术对肾脏的多种微结构进行了全面标记，展示了深度学习在3D组织图像上的应用潜力	以往的研究依赖于抗体或自发荧光技术，限制了对肾脏多种细微结构的比较能力	研究肾小管与肾血管结构之间的空间相互关系	胎猕猴的肾脏结构	数字病理学	NA	深度学习	NA	3D组织图像	胎猕猴肾脏
294	2024-08-05	A Transformer Approach for Cognitive Impairment Classification and Prediction 2024 Apr-Jun 01, Alzheimer disease and associated disorders DOI:10.1097/WAD.0000000000000619 PMID:38757560	研究论文	本研究探讨了一种变压器方法用于阿尔茨海默病和轻度认知障碍的分类和预测	使用无特征选择的掩蔽变压器编码器处理稀疏输入数据进行预测	模型对输入特征的敏感性分析结果未详细讨论	旨在非侵入性地早期分类和预测阿尔茨海默病和轻度认知障碍	使用国家阿尔茨海默协调中心的数据集进行样本分类和未来诊断预测	机器学习	阿尔茨海默病	变压器	掩蔽变压器编码器	特征数据	涉及的样本数量未具体说明
295	2024-08-05	An efficient lightweight network for image denoising using progressive residual and convolutional attention feature fusion 2024-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60139-x PMID:38664440	研究论文	提出了一种高效轻量级的逐步残差与卷积注意力特征融合网络，用于图像去噪	创新性地将逐步残差融合与卷积注意力机制结合，显著减少网络参数同时提高去噪性能	处理的噪声类型主要集中在高斯噪声和自然噪声，可能对其他噪声类型的适应性不足	研究旨在提升图像去噪技术的效率和效果	主要针对高斯和自然图像噪声进行去噪处理	计算机视觉	NA	卷积神经网络	逐步残差网络与卷积注意力机制融合网络	图像	涉及六个不同数据集的超过20种现有方法的结果优化比较
296	2024-08-05	From big data to big insights: statistical and bioinformatic approaches for exploring the lipidome 2024-Apr, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-023-04991-2 PMID:37875675	review	该文章旨在全面描述脂质组学研究的统计和生物信息学方法	提供了关于脂质组数据分析的统计方法和生物信息学工具的框架	脂质组数据分析面临大数据和高度相关的数据结构导致的挑战	探讨脂质组学数据分析的方法和工具	脂质组学中的细胞脂质	数字病理学	NA	统计分析和深度学习	NA	数据集	NA
297	2024-08-05	Deep learning algorithm for predicting preterm birth in the case of threatened preterm labor admissions using transvaginal ultrasound 2024-Apr, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-023-01394-9 PMID:38097857	研究论文	本研究构建深度学习模型，以预测威胁性早产的超声图像中的早产风险	提出了使用深度学习算法分析经阴道超声图像来预测早产的创新方法	研究中患者样本量较小，可能限制了结果的广泛适用性	旨在改善早产预测的准确性，从而优化围产期护理	纳入了因威胁性早产或宫颈缩短住院的患者	计算机视觉	早产	经阴道超声	卷积神经网络（CNN）和视觉变换器（Vit）	图像	共纳入59名患者，早产组30例，全期组29例
298	2024-08-05	Artifact reduction in photoacoustic images by generating virtual dense array sensor from hemispheric sparse array sensor using deep learning 2024-Apr, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-024-01413-3 PMID:38480548	研究论文	本研究利用深度学习技术生成虚拟密集阵列传感器信号，以减少光声成像中的伪影	通过在不同方向上安装虚拟传感器，采用2D卷积神经网络生成信号，从而克服了使用稀疏阵列传感器带来的技术和成本问题	使用3D卷积神经网络生成信号需要巨大的计算成本，且在此应用中不切实际	研究如何减少光声成像中的伪影，以提高血管成像的质量	本研究主要针对光声成像中的伪影问题进行技术改进	数字病理学	NA	深度学习	2D卷积神经网络	模拟数据与人手掌测量数据	NA
299	2024-08-05	Systematic identification and characterization of exon-intron circRNAs 2024-04-25, Genome research IF:6.2Q1 DOI:10.1101/gr.278590.123 PMID:38609186	研究论文	本研究系统性地识别和表征了保留内含子的外显子-内含子环状RNA（EIciRNAs）	提出了FEICP框架，有效检测高通量测序数据中的EIciRNAs，并揭示了CIRs和EIciRNAs的多种特征	EIciRNAs的全球特征主要未被探索，缺乏生物信息学工具	研究EIciRNAs的特征及其在神经元分化中的功能	外显子-内含子环状RNA（EIciRNAs）及其生物生成	数字病理学	NA	高通量测序（HTS）	深度学习分析	NA	NA
300	2024-08-05	PheSeq, a Bayesian deep learning model to enhance and interpret the gene-disease association studies 2024-04-16, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-024-01330-7 PMID:38627848	研究论文	本文介绍了一种名为PheSeq的贝叶斯深度学习模型，用于增强和解释基因-疾病关联研究	PheSeq模型通过整合和感知表型描述，提高了基因-疾病关联研究的稳健性和解释能力	未提及具体的局限性	旨在提高基因-疾病关联研究的可靠性和可解释性	研究对象包括阿尔茨海默病、乳腺癌和肺癌的基因	机器学习	阿尔茨海默病; 乳腺癌; 肺癌	贝叶斯深度学习	NA	NA	三个案例研究涉及多个基因，阿尔茨海默病1024个基因，乳腺癌818个基因，肺癌566个基因