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
161	2024-08-21	Improving Deep Learning-Based Algorithm for Ploidy Status Prediction Through Combined U-NET Blastocyst Segmentation and Sequential Time-Lapse Blastocysts Images 2024 Apr-Jun, Journal of reproduction & infertility DOI:10.18502/jri.v25i2.16006 PMID:39157795	research paper	本文通过结合U-NET胚胎分割和时间序列胚胎图像，改进了基于深度学习的算法，用于预测胚胎的倍性状态	采用U-NET架构进行胚胎图像分割，并结合时间序列胚胎图像，提高了预测模型的准确性	NA	评估使用U-NET架构进行胚胎分割和时间序列胚胎图像提取的有效性，以提高胚胎倍性状态预测模型的准确性	胚胎的倍性状态预测	machine learning	NA	convolutional neural network (CNN)	U-NET, CNN	image	1,020个时间序列胚胎视频，生成31,642和99,324张胚胎图像
162	2024-08-18	Semi-Supervised, Attention-Based Deep Learning for Predicting TMPRSS2:ERG Fusion Status in Prostate Cancer Using Whole Slide Images 2024-04-02, Molecular cancer research : MCR IF:4.1Q2 DOI:10.1158/1541-7786.MCR-23-0639 PMID:38284821	研究论文	本研究利用半监督的注意力机制深度学习方法，通过全切片图像预测前列腺癌中的TMPRSS2:ERG融合状态	本研究展示了深度学习在从常规可用的组织学切片中有效推断前列腺癌关键遗传改变方面的潜力	NA	探索深度学习在前列腺癌诊断中的应用	前列腺癌中的TMPRSS2:ERG融合状态	数字病理学	前列腺癌	深度学习	注意力机制	图像	NA
163	2024-08-18	DeepDynaForecast: Phylogenetic-informed graph deep learning for epidemic transmission dynamic prediction 2024-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011351 PMID:38598563	研究论文	本文介绍了一种基于系统发育树的深度学习系统DeepDynaForecast，用于预测流行病传播动态	利用原始-对偶图学习结构和快捷多层聚合，适用于早期识别和预测高风险群体中的传播动态	NA	开发一种基于系统发育树的深度学习系统，用于预测流行病传播风险和模式	流行病传播动态	机器学习	NA	深度学习	图深度学习	系统发育树数据	使用佛罗里达州2012年至2020年的人类免疫缺陷病毒流行病大型数据集
164	2024-08-16	WET-UNet: Wavelet integrated efficient transformer networks for nasopharyngeal carcinoma tumor segmentation 2024 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504241232537 PMID:38567422	研究论文	本文提出了一种基于UNet网络的混合模型WET-UNet，用于鼻咽癌图像分割，通过集成小波变换和注意力机制来提高分割的准确性和鲁棒性	集成小波变换到UNet中，利用低频成分调整编码器并优化Transformer的后续计算过程，同时使用注意力机制捕捉图像中的远程依赖，提高模型的识别能力	NA	提高鼻咽癌肿瘤分割的准确性和稳定性	鼻咽癌肿瘤图像	计算机视觉	鼻咽癌	小波变换	UNet	图像	5000个样本，训练和验证比例为8:2
165	2024-08-14	A physics-informed deep learning framework for modeling of coronary in-stent restenosis 2024-Apr, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-023-01796-1 PMID:38236483	研究论文	本文开发了一种基于物理信息的深度学习框架，用于模拟冠状动脉支架内再狭窄	采用物理信息神经网络（PINNs）这一新型深度学习方法，将物理定律和测量数据融入模型中，提高了预测准确性	NA	开发一种稳健的多物理场代理模型，用于估计支架内再狭窄，并提供疾病进展因素的见解	冠状动脉支架内再狭窄的预测和治疗规划	机器学习	心血管疾病	物理信息神经网络（PINNs）	物理信息神经网络（PINNs）	患者特定数据（手术相关、临床和遗传等）	NA
166	2024-08-10	Patterns of subregional cerebellar atrophy across epilepsy syndromes: An ENIGMA-Epilepsy study 2024-Apr, Epilepsia IF:6.6Q1 DOI:10.1111/epi.17881 PMID:38411286	研究论文	本研究使用结构磁共振成像和深度学习方法，量化了1602名癫痫患者和1022名健康对照者的跨区域小脑小叶体积，探讨了小脑亚区域灰质体积损失与癫痫综合征的关系。	首次详细描述了不同癫痫综合征中小脑亚区域的灰质体积损失情况，特别是后叶区域的损失，并探讨了与癫痫发作年龄、持续时间和治疗的关系。	研究为横断面设计，未涉及纵向变化；样本主要为成人，可能不适用于儿童和青少年。	探讨不同癫痫综合征中小脑亚区域的结构变化，并评估这些变化与临床特征的关系。	癫痫患者和健康对照者的小脑亚区域体积。	神经科学	癫痫	结构磁共振成像	深度学习	图像	1602名癫痫患者和1022名健康对照者
167	2024-08-09	Deep Probabilistic Principal Component Analysis for Process Monitoring 2024-Apr-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386890 PMID:38652625	研究论文	本文提出了一种新的深度概率主成分分析（DePPCA）模型，结合了概率建模和深度学习的优势，用于工业过程的监控和故障检测	DePPCA模型通过贪婪逐层预训练和端到端微调两个阶段构建，能够提取高层次特征并提高模型对高层次特征的表示能力	NA	开发一种能够实现精确和高效过程监控的新模型	工业过程的监控和故障检测	机器学习	NA	概率主成分分析（PPCA）	深度学习模型	工业过程数据	具体样本数量未在摘要中提及
168	2024-08-09	Classification of substances by health hazard using deep neural networks and molecular electron densities 2024-Apr-16, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00835-y PMID:38627862	研究论文	本文提出了一种利用3D电子密度信息训练深度神经网络管道来分割高、中、低电负性区域并分类物质为健康有害或无害的方法	本文首次使用3D电子密度表示法训练机器学习模型，利用分子的真实空间域进行预测	NA	旨在通过展示深度学习网络可以基于分子的3D电子密度表示进行训练，为用于训练机器学习算法的多样化3D分子表示做出贡献	研究对象包括化妆品和食品产品中的有害和无害物质	机器学习	NA	3D电子密度计算	3D-UNet	3D电子密度立方体	自定义的欧洲化学品管理局(ECHA)子集和自定义食品数据集(CompFood)
169	2024-08-09	Artificial Intelligence in Cataract Surgery: A Systematic Review 2024-Apr-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.4.20 PMID:38618893	综述	本研究旨在评估基于人工智能（AI）算法在分析白内障手术视频中的当前应用和可靠性	NA	研究显示质量参差不齐，且由于公开数据集数量少（特别是手动小切口白内障手术）和很少发布源代码，复制研究存在挑战	评估基于人工智能（AI）算法在分析白内障手术视频中的应用和可靠性	白内障手术视频的术中分析	机器学习	NA	机器学习技术	NA	视频	包括了550项研究中的38项
170	2024-08-09	Medical long-tailed learning for imbalanced data: Bibliometric analysis 2024-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108106 PMID:38452661	综述	本研究利用文献计量技术对医学领域中长尾学习的深度学习应用进行系统综述，分析研究趋势、核心作者和核心期刊	首次通过文献计量分析提供医学领域长尾学习研究的系统概览	NA	总结近年来在医学深度学习中应用长尾学习的进展，并通过文献计量分析和可视化知识图谱解释新趋势、来源、核心作者、期刊和研究热点	医学领域中长尾学习的深度学习应用文献	机器学习	NA	文献计量技术	NA	文献	579篇文章
171	2024-08-07	Physics-Informed Generative Model for Drug-like Molecule Conformers 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01816 PMID:38486425	research paper	本文提出了一种基于扩散的生成模型用于生成药物类似分子的构象	模型利用深度学习技术从训练集中推断原子类型和几何参数，并通过扩散生成方法实现构象采样，训练于优化后的半经验GFN2-xTB方法的大型合成数据集上，实现了对键合参数的高精度预测	NA	开发一种新的生成模型用于药物类似分子的构象生成	药物类似分子的构象	machine learning	NA	diffusion-based generation	generative model	molecular data	大型合成数据集
172	2024-08-07	PROTACable Is an Integrative Computational Pipeline of 3-D Modeling and Deep Learning To Automate the De Novo Design of PROTACs 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01878 PMID:38504115	研究论文	本文介绍了一种名为PROTACable的集成计算流程，结合三维建模和深度学习技术，用于自动化从头设计PROTACs。	开发了一种新的方法PROTACable，用于预测和自动化设计PROTACs，利用三维建模和SE(3)-等变图变换网络。	NA	探索结合计算化学和深度学习策略，以预测PROTAC活性并实现其自动化设计。	PROTACs的设计和活性预测。	机器学习	NA	三维建模	图变换网络	三维模型	使用了一个包含E3连接酶和连接子的库
173	2024-08-07	LGGA-MPP: Local Geometry-Guided Graph Attention for Molecular Property Prediction 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c02058 PMID:38516950	研究论文	本文提出了一种新的分子属性预测方法LGGA-MPP，该方法通过整合局部几何信息到图注意力机制中，以增强模型对分子局部结构细节的捕捉能力	LGGA-MPP方法创新地将局部几何信息引入到图神经网络的注意力和消息传递机制中，以更好地捕捉分子的局部结构和可解释性	NA	提高分子属性预测的准确性，推动药物发现及相关领域的发展	分子属性预测	机器学习	NA	图神经网络	图注意力网络	分子图	多种数据集
174	2024-08-07	Discovery of Covalent Lead Compounds Targeting 3CL Protease with a Lateral Interactions Spiking Neural Network 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01900 PMID:38520328	研究论文	本文提出使用横向交互尖峰神经网络的深度学习方法构建共价先导化合物筛选模型，以快速筛选共价先导化合物	利用横向交互尖峰神经网络构建共价先导化合物筛选模型，提高了筛选效率和准确性	需要进一步验证化合物对3CL蛋白酶的选择性和抑制活性	开发一种新的方法来筛选针对3CL蛋白酶的共价先导化合物	SARS-CoV-2的3CL蛋白酶及其共价先导化合物	机器学习	NA	共价对接	横向交互尖峰神经网络	化合物数据集	32种化合物
175	2024-08-07	PaCh (Packed Chemicals): Computationally Effective Binary Format for Chemical Structure Encoding 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01720 PMID:38554112	研究论文	本文提出了一种新的分子和反应编码二进制数据格式PaCh，旨在结合SMILES和MDL MOL的优点并解决它们的局限性	PaCh格式在大小效率、处理速度和全面表示之间取得了平衡，并提供了存储原子连接性、电子状态、立体化学等关键分子属性的显式方法	NA	旨在提高化学信息学中数据存储效率和软件工具间的互操作性	分子和化学反应的编码格式	自然语言处理	NA	NA	NA	二进制数据	NA
176	2024-08-07	ALDELE: All-Purpose Deep Learning Toolkits for Predicting the Biocatalytic Activities of Enzymes 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00058 PMID:38573056	研究论文	开发了一种名为ALDELE的全能深度学习工具包，用于预测酶的生物催化活性	ALDELE整合了蛋白质的结构和序列表示以及配体的子图和整体物理化学性质，能够预测酶的催化活性，并识别基于残基的热点以指导酶工程	NA	加速生物催化剂筛选，以可持续地生产有价值的工业化学品	酶的生物催化活性	机器学习	NA	深度学习	NA	蛋白质结构和序列数据，配体数据	NA
177	2024-08-07	Modeling Zinc Complexes Using Neural Networks 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00095 PMID:38587510	研究论文	本文利用深度学习架构来模拟锌有机金属配合物的能量学	本文开发了一种深度学习模型，用于模拟锌配合物的长程相互作用，并发现部分电荷在模型中的重要作用	本文主要集中在锌有机金属配合物上，而大多数相关工作主要关注有机分子	研究大型分子的能量景观，以促进化学和生物系统的研究	锌有机金属配合物的能量学	机器学习	NA	深度学习	神经网络	数据集	配置和构象多样化的锌配合物数据集
178	2024-08-07	DeepP450: Predicting Human P450 Activities of Small Molecules by Integrating Pretrained Protein Language Model and Molecular Representation 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00115 PMID:38587937	研究论文	本文通过整合预训练的蛋白质语言模型和分子表示，建立了一个名为DeepP450的深度学习模型，用于预测小分子的人体P450酶活性	DeepP450模型通过特征集成和交叉注意力及自注意力层，实现了对CYP活性预测的高准确性，超越了当前的基准	NA	开发一个早期预测CYP活性和底物识别的模型，以促进药物设计	人体P450酶活性及小分子化合物	机器学习	NA	深度学习	深度学习模型	蛋白质和分子数据	涉及九种主要人体CYP酶的底物/非底物预测
179	2024-08-07	Substituted Oligosaccharides as Protein Mimics: Deep Learning Free Energy Landscapes 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00179 PMID:37040394	研究论文	本研究通过微秒时间尺度的增强采样分子动力学模拟，揭示了一系列956种取代的葡萄糖吡喃寡聚物（长度为3至12）的构象景观，并利用深度卷积网络预测更长寡糖结构的稳定性。	本研究首次使用深度学习方法分析寡糖的构象景观，并设计深度生成对抗网络来建议任意长度和取代序列的寡糖模拟物的可能构象。	研究主要集中在寡糖的构象分析上，未涉及其在蛋白质模拟中的实际应用效果。	探索寡糖作为蛋白质模拟物的构象偏好，并利用深度学习技术预测其稳定性。	一系列取代的葡萄糖吡喃寡聚物及其在蛋白质界面模拟中的应用。	机器学习	NA	分子动力学模拟	深度卷积网络，深度生成对抗网络	构象数据	956种取代的葡萄糖吡喃寡聚物
180	2024-08-07	RPI-EDLCN: An Ensemble Deep Learning Framework Based on Capsule Network for ncRNA-Protein Interaction Prediction 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00377 PMID:37158609	研究论文	提出了一种基于胶囊网络的集成深度学习框架RPI-EDLCN，用于预测非编码RNA与蛋白质的相互作用	使用了胶囊网络结合卷积神经网络、深度神经网络和堆叠自编码器进行特征学习，提高了预测准确性	未提及具体限制	开发一种新的计算方法来预测非编码RNA与蛋白质的相互作用	非编码RNA与蛋白质的相互作用	机器学习	NA	胶囊网络（CapsuleNet）	胶囊网络（CapsuleNet）	序列特征、二级结构序列特征、基序信息和理化性质	RPI1807、RPI2241和NPInter v2.0数据集