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
261	2024-09-27	Delta-Conotoxin Structure Prediction and Analysis through Large-scale Comparative and Deep Learning Modeling Approaches 2024-May-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.30.596722 PMID:38854105	研究论文	本文通过大规模比较和深度学习建模方法预测和分析了delta-conotoxin的结构	利用AlphaFold和RosettaCM两种方法对18种未表征的delta-conotoxin进行了建模和分析	NA	预测和分析delta-conotoxin的结构，为药物开发提供见解	18种未表征的delta-conotoxin	生物信息学	NA	深度学习	AlphaFold, RosettaCM	蛋白质结构	18种delta-conotoxin
262	2024-09-27	An intelligent quantification system for fetal heart rhythm assessment: A multicenter prospective study 2024-05, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.01.024 PMID:38266752	研究论文	开发了一种用于自动提取胎儿心脏时间间隔（CTIs）的胎儿心律智能量化系统（HR-IQS），并建立了CTIs的正常参考范围	首次开发了一种自动计算胎儿心脏时间间隔的技术，并建立了正常参考范围	研究仅限于多中心的前瞻性研究，样本量和中心数量有限	开发一种自动提取胎儿心脏时间间隔的系统，并建立其正常参考范围	胎儿心脏时间间隔（CTIs）和心律评估	数字病理学	NA	深度学习	深度学习模型	脉冲波多普勒（PWD）频谱	6498个PWD频谱，涉及2630个胎儿
263	2024-09-27	Artificial intelligence-adjudicated spatiotemporal dispersion: A patient-unique fingerprint of persistent atrial fibrillation 2024-05, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.01.007 PMID:38215808	研究论文	本文研究了持续性心房颤动（PsAF）患者中基于时空分散性的消融治疗的个性化方法	首次使用人工智能（AI）评估时空分散性的程度和分布，并验证其作为患者独特特征的可行性	研究样本量较小，且仅限于持续性和长期持续性心房颤动患者	验证人工智能评估的时空分散性（AI-DED）是否为持续性心房颤动患者的独特特征，并独立于常见的临床和手术参数	持续性心房颤动患者	机器学习	心血管疾病	机器/深度学习分类器	NA	时空分散性图谱	78名持续性和长期持续性心房颤动患者
264	2024-09-21	A robust multi-branch multi-attention-mechanism EEGNet for motor imagery BCI decoding 2024-05, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110108 PMID:38458260	研究论文	本文提出了一种多分支多注意力机制的EEGNet模型（MBMANet），用于运动想象脑机接口的鲁棒解码	本文创新性地结合了多分支和多注意力机制，使模型能够自适应地学习不同的EEG特征，从而提高了解码的鲁棒性	NA	研究目的是提高基于运动想象的脑机接口技术的鲁棒性和实用性	研究对象是运动想象脑机接口中的EEG信号解码	机器学习	NA	深度学习	CNN	EEG信号	9名受试者
265	2024-09-15	Binding Activity Classification of Anti-SARS-CoV-2 Molecules using Deep Learning Across Multiple Assays 2024-05-03, Balkan medical journal IF:1.9Q2 DOI:10.4274/balkanmedj.galenos.2024.2024-1-73 PMID:38462979	研究论文	本文利用深度学习技术，特别是结合了合成少数类过采样技术（SMOTE）的深度神经网络（DNN），来提高抗SARS-CoV-2分子的结合活性分类	本文的创新点在于使用SMOTE技术处理数据集中的类别不平衡问题，并通过深度神经网络优化模型性能	本文的局限性在于不同生物测定数据集的不平衡比例对模型性能的影响，尤其是高不平衡比例的测定数据集	本文的研究目的是利用深度学习技术提高抗SARS-CoV-2分子在多种生物测定中的结合活性分类准确性	本文的研究对象是抗SARS-CoV-2分子的结合活性分类	机器学习	COVID-19	深度学习	深度神经网络（DNN）	生物测定数据	11个生物测定数据集，涵盖不同的SARS-CoV-2相互作用和抑制机制
266	2024-09-14	BindingSiteDTI: differential-scale binding site modelling for drug-target interaction prediction 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae308 PMID:38730554	研究论文	提出了一种名为BindingSiteDTI的新型DTI网络，通过差分尺度方案对结合位点进行建模，以增强药物-靶点相互作用的预测	引入了差分尺度方案，从不同尺度的分子大小中提取多尺度子结构，并从药物中提取固定尺度的子结构，以识别结构相似的子结构标记，并在子结构级别建模隐藏关系	未提及	提高药物-靶点相互作用预测的准确性和可靠性	药物和靶点的子结构及其相互作用	机器学习	NA	深度学习	BindingSiteDTI网络	分子结构数据	使用了DUD-E、human和BindingDB等流行基准数据集进行实验
267	2024-09-14	Inferring gene regulatory networks from single-cell transcriptomics based on graph embedding 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae291 PMID:38810116	研究论文	本文提出了一种基于图嵌入的监督深度学习框架IGEGRNS，用于从单细胞转录组数据中推断基因调控网络	该方法通过GraphSAGE捕捉基因的上下文信息，并使用Top-k池化和堆叠CNNs来预测基因间的潜在调控关系，相比现有方法在时间序列scRNA-seq数据集上表现更好	NA	推断基因调控网络以理解复杂的生物过程	单细胞转录组数据中的基因调控网络	机器学习	NA	图嵌入	CNN	转录组数据	六个时间序列scRNA-seq数据集
268	2024-09-14	Automated segmentation and recognition of C. elegans whole-body cells 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae324 PMID:38775410	研究论文	本文介绍了一种新的自动化细胞分割与识别管道，用于C. elegans全身体细胞的3D荧光显微图像	提出了一种基于位移矢量场的深度学习模型，用于解决高度拥挤细胞的可靠分割问题，并利用细胞位置和结构相似性的统计先验实现细胞识别	仅在L1阶段C. elegans和一些其他细胞类型上进行了验证	开发一种无需标记的自动化方法，用于C. elegans全身体细胞的分割与识别	C. elegans全身体细胞的3D荧光显微图像	计算机视觉	NA	深度学习	基于位移矢量场的深度学习模型	3D荧光显微图像	558个C. elegans全身体细胞，116个C. elegans图像堆栈，包含64,728个细胞
269	2024-09-14	Genotype sampling for deep-learning assisted experimental mapping of a combinatorially complete fitness landscape 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae317 PMID:38745436	研究论文	本文探讨了使用深度学习辅助实验映射组合完全适应度景观的基因型采样策略	本文展示了多层感知器、循环神经网络、卷积网络和变换器等多种模型在解释适应度变异方面的有效性，并发现简单的采样策略在训练深度学习神经网络时表现最佳	本文仅针对特定蛋白质的适应度景观进行了研究，结果的普适性有待进一步验证	研究如何通过深度学习从较小的实验测量的基因型样本中预测大量基因型的适应度	蛋白质基因型的适应度景观	机器学习	NA	深度学习	多层感知器、循环神经网络、卷积网络、变换器	基因型数据	超过260,000个蛋白质基因型
270	2024-09-14	BTR: a bioinformatics tool recommendation system 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae275 PMID:38662583	研究论文	本文介绍了一种名为BTR的生物信息学工具推荐系统，该系统利用深度学习和图神经网络技术来推荐适合特定工作流程的工具	BTR系统通过将工作流程表示为图结构，并利用自然语言处理技术分析工具描述，从而提高了工具推荐的准确性	NA	开发一种能够有效推荐生物信息学工具的系统，以简化科学工作流程的构建	生物信息学工具推荐系统	生物信息学	NA	图神经网络，自然语言处理	深度学习模型	文本	NA
271	2024-09-14	scTPC: a novel semisupervised deep clustering model for scRNA-seq data 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae293 PMID:38684178	研究论文	本文介绍了一种名为scTPC的新型半监督深度聚类模型，用于单细胞RNA测序数据	scTPC模型结合了三重约束、成对约束和交叉熵约束，基于深度学习进行半监督聚类，并引入了加权交叉熵损失来处理不平衡的细胞类型数据集	NA	研究目的是开发一种能够有效处理单细胞RNA测序数据中高维度、稀疏性和“假”零值问题的半监督聚类模型	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	深度学习模型	基因表达数据	10个真实数据集和5个模拟数据集
272	2024-09-14	Revisiting drug-protein interaction prediction: a novel global-local perspective 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae271 PMID:38648052	研究论文	本文提出了一种新的计算框架，通过整合药物-蛋白质二部图中节点的全局和局部特征，用于高效的药物-蛋白质相互作用推断	本文创新性地结合了全局和局部特征，通过能量约束扩散机制和Transformer架构，提高了药物-蛋白质相互作用预测的准确性	NA	提高药物-蛋白质相互作用预测的准确性，以促进药物再利用和个性化医学研究	药物和蛋白质的相互作用	机器学习	NA	MinHash, HyperLogLog, 能量约束扩散机制	Transformer, 多层感知器	图数据	NA
273	2024-09-14	CopyVAE: a variational autoencoder-based approach for copy number variation inference using single-cell transcriptomics 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae284 PMID:38676578	研究论文	本文介绍了一种基于变分自编码器（VAE）的深度学习框架CopyVAE，用于从单细胞转录组数据中推断拷贝数变异（CNV）	CopyVAE在检测CNV的敏感性和特异性方面优于现有方法	NA	提高从单细胞测序数据中推断拷贝数变异的准确性和可靠性	拷贝数变异（CNV）	机器学习	NA	单细胞RNA测序	变分自编码器（VAE）	转录组数据	NA
274	2024-09-08	Deep match: A zero-shot framework for improved fiducial-free respiratory motion tracking 2024-05, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110179 PMID:38403025	研究论文	提出了一种基于深度学习的模板匹配算法Deep Match，用于改进无标记的呼吸运动跟踪	Deep Match是一种零样本学习网络，无需在患者数据上进行训练，能够显著提高无标记跟踪的性能	NA	旨在改进肺部立体定向放疗中的无标记呼吸运动跟踪	肺部肿瘤及其在X射线图像中的运动跟踪	计算机视觉	肺部疾病	深度学习	深度学习网络	图像	10名患者，共38次治疗，2661张图像
275	2024-09-07	Screening for urothelial carcinoma cells in urine based on digital holographic flow cytometry through machine learning and deep learning methods 2024-05-14, Lab on a chip IF:6.1Q2 DOI:10.1039/d3lc00854a PMID:38660758	研究论文	研究利用数字全息流式细胞术结合机器学习和深度学习方法，对尿液中的尿路上皮癌细胞进行筛查	结合微流控芯片技术和数字全息显微镜，实现对尿液中细胞的高通量无染色成像，并利用机器学习和深度学习模型进行高精度分类	NA	开发一种高效、准确的尿路上皮癌早期筛查方法	尿液中的尿路上皮癌细胞	数字病理学	尿路上皮癌	数字全息显微镜	机器学习和深度学习模型	图像	多种细胞类型
276	2024-09-07	Predicting the Utility of Scientific Articles for Emerging Pandemics Using Their Titles and Natural Language Processing 2024-May-10, Disaster medicine and public health preparedness IF:1.9Q3 DOI:10.1017/dmp.2024.109 PMID:38726471	研究论文	本文探讨了使用自然语言处理技术从标题中预测科学文章在应对新兴流行病中的实用性的方法	本文首次提出使用深度学习自然语言处理模型，仅通过文章标题来评估其在公共卫生政策制定中的实用性	研究仅基于COVID-19相关文章，未涵盖其他疾病或流行病	开发一种自动化方法，从公共卫生政策制定的角度评估科学文章的实用性	COVID-19相关科学文章的标题	自然语言处理	NA	自然语言处理	深度学习模型	文本	基于CORD-19数据集中的COVID-19相关文章标题
277	2024-09-06	A deep learning method to identify and localize large-vessel occlusions from cerebral digital subtraction angiography 2024 May-Jun, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.13193 PMID:38506407	研究论文	开发了一种深度学习算法，用于从脑部数字减影血管造影中识别和定位大血管闭塞	使用有限的训练数据集，开发了一种能够有效识别和定位大血管闭塞的深度学习模型	模型的改进需要扩展和完善大血管闭塞的数据集	开发一种算法，用于在脑部数字减影血管造影中识别和定位闭塞的动脉血管	脑部数字减影血管造影图像中的大血管闭塞	计算机视觉	NA	深度学习	深度学习模型	图像	188名患者，其中86名患有M1和近端M2段闭塞
278	2024-09-02	Exploring high-quality microbial genomes by assembling short-reads with long-range connectivity 2024-May-31, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49060-z PMID:38821971	研究论文	本文开发了一种名为Pangaea的生物信息学方法，利用短读长序列的远程连接性来增强元基因组装，以生成高质量的微生物基因组	Pangaea利用深度学习基础的读长分箱算法和多阈值算法策略，提高了高、中丰度微生物基因组的组装质量，并能生成完整的环状元基因组装基因组	NA	开发一种成本效益高的方法，利用短读长序列的远程连接性生成高质量的微生物基因组	微生物基因组	生物信息学	NA	短读长序列组装	深度学习	序列数据	模拟数据、模拟社区和人类肠道元基因组
279	2024-08-31	A computational clinical decision-supporting system to suggest effective anti-epileptic drugs for pediatric epilepsy patients based on deep learning models using patient's medical history 2024-May-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02552-w PMID:38822293	研究论文	本研究开发了一种基于深度学习模型的计算临床决策支持系统，用于根据儿科癫痫患者的病史推荐有效的抗癫痫药物	本研究利用多通道卷积神经网络模型，针对三种特定的抗癫痫药物进行个性化预测，提高了药物推荐的准确性	本研究仅针对三种特定的抗癫痫药物进行模型训练和验证，未来可扩展到更多种类的药物	开发一种辅助医生根据患者病史推荐有效抗癫痫药物的计算系统，以减少不必要的药物尝试和提高治疗效果	儿科癫痫患者及其病史	机器学习	癫痫	卷积神经网络(CNN)	CNN	病历记录	1000名儿科癫痫患者的7507份病历记录
280	2024-08-27	Deep Learning Assessment of Small Renal Masses at Contrast-enhanced Multiphase CT 2024-05, Radiology IF:12.1Q1 DOI:10.1148/radiol.232178 PMID:38742970	研究论文	本文开发并验证了一种深度学习算法，用于在增强多相CT中识别良性小肾肿块	该研究首次开发并验证了一种基于多相CT的深度学习算法，用于识别良性小肾肿块，包括1厘米或更小的病变	NA	开发并验证一种深度学习算法，用于在增强多相CT中识别良性小肾肿块	小肾肿块的准确表征	计算机视觉	泌尿系统疾病	深度学习	深度学习算法	影像	共评估了1703名患者，包括1063个病变（训练集874个，内部测试集189个），多中心外部测试集537个病变，前瞻性测试集103个病变