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
1061	2024-08-05	Engineering a Robust UDP-Glucose Pyrophosphorylase for Enhanced Biocatalytic Synthesis via ProteinMPNN and Ancestral Sequence Reconstruction 2024-Jul-10, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.4c03126 PMID:38918953	研究论文	本研究关注于通过多酶催化合成UDP-葡萄糖，采用深度学习和祖先序列重建工程化热稳定UGP变体	创新点在于利用深度学习和祖先序列重建设计了一个热稳定性显著提高的UDP-葡萄糖焦磷酸酶变体	NA	研究UDP-葡萄糖的合成方法以降低成本	UDP-葡萄糖焦磷酸酶及其工程化变体	生物催化	NA	深度学习	NA	化学反应数据	实验验证了工程化UGP变体的合成能力，合成量为52.6 mM
1062	2024-08-05	Transformer-Based Weakly Supervised Learning for Whole Slide Lung Cancer Image Classification 2024-Jul-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3425434 PMID:38980777	研究论文	本文提出了一种基于变压器的弱监督学习框架，用于肺癌全切片图像分类	提出了一个新的两阶段变压器框架SSRViT，有效利用弱标签来解决标注成本高和注释一致性差的问题	未提及手动注释的需要和适用性问题	旨在改善肺癌全切片图像分类的准确性	研究对象为肺癌全切片图像及其不同类型的组织	计算机视觉	肺癌	变压器	SRViT和SViT	图像	在训练中使用的样本数量未提及
1063	2024-08-05	In silico design of DNA sequences for in vivo nucleosome positioning 2024-Jul-08, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae468 PMID:38828788	研究论文	本研究提出了一种结合动力学Monte Carlo框架和基于深度学习预测的深度突变筛选的计算方法，用于设计合成DNA序列	提出了一种新的计算方法，可用于优化酵母中的核小体排列，同时创建能够容纳更大重复长度的合成序列	RNA-seq结果表明这些序列的转录并非由核小体重复长度驱动	旨在在合成基因组领域中设计具有特定体内性质的合成DNA序列	针对特定核小体重复长度的合成DNA序列进行设计和验证	合成基因组学	NA	深度学习、RNA-seq	NA	DNA序列	涉及数千千碱基长的计算优化序列
1064	2024-08-05	A deep learning-driven discovery of berberine derivatives as novel antibacterial against multidrug-resistant Helicobacter pylori 2024-Jul-08, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-024-01895-0 PMID:38972904	研究论文	这篇文章提出了一种基于深度学习的图神经网络模型，用于发现对抗多药耐药幽门螺旋杆菌的新型小分子。	文章创新性地开发了一种新的小分子8，其在抗药性幽门螺旋杆菌中表现出优异的抑菌活性，并确定其靶标为SecA和BamD。	尚未提及具体的临床试验数据或长期安全性评估。	研究旨在发现新的抗幽门螺旋杆菌药物，以应对其耐药性问题。	研究对象为新发现的berberine衍生物以及幽门螺旋杆菌的药物敏感性和耐药性菌株。	机器学习	幽门螺旋杆菌感染	化学蛋白组学	图神经网络	分子数据	使用了13,638个分子的训练集
1065	2024-08-05	Mining the interpretable prognostic features from pathological image of intrahepatic cholangiocarcinoma using multi-modal deep learning 2024-Jul-08, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-024-03482-0 PMID:38972973	研究论文	该研究建立了一种可解释的深度学习模型，从肝内胆管癌的病理图像中提取预后特征	提出了一种综合的预后神经网络，并且通过多模态数据提取与临床结果相关的形态特征	缺乏可解释性仍然是临床应用的一个重要障碍	研究肝内胆管癌的病理图像分析与癌症预后之间的关系	373名肝内胆管癌患者的病理图像	数字病理学	肝内胆管癌	深度学习	集成神经网络	图像和多组学数据	373名肝内胆管癌患者
1066	2024-08-05	LVPocket: integrated 3D global-local information to protein binding pockets prediction with transfer learning of protein structure classification 2024-Jul-07, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00871-8 PMID:38972994	研究论文	本文提出了一种新方法LVPocket，能够整合局部和全局信息以提高蛋白质结合位点预测的精确度	通过整合Transformer编码器，本研究创新性地捕获了蛋白质结构的局部与全局信息	研究未详细讨论模型在极端蛋白质折叠结构上的适用性	旨在改进蛋白质结合位点预测的准确性	不同结构类别的蛋白质及其结合位点	计算机视觉	NA	转移学习	Transformer	蛋白质结构数据	四种不同结构类别的蛋白质数据
1067	2024-08-05	Exploring the efficacy of GRU model in classifying the signal to noise ratio of microgrid model 2024-Jul-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66387-1 PMID:38971840	研究论文	本文提出了一种名为噪声分类仿真模型（NCSM）的分类模型，用于实时预测微电网系统中的信噪比（SNR）值	创新点在于利用深度学习模型GRU进行信号到噪声比的分类预测，提供了一种新的方法应对微电网中的噪声干扰	本文的具体局限性未作详细说明	研究旨在确保微电网系统操作的稳定性，通过预测因通信网络引起的噪声	主要研究对象为微电网系统的信号到噪声比（SNR）	机器学习	NA	深度学习	GRU	网络流量数据	实验结果未提供具体的样本数量
1068	2024-08-05	Learning dynamical systems from data: An introduction to physics-guided deep learning 2024-Jul-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2311808121 PMID:38913886	研究论文	介绍了物理指导深度学习的框架，重点是学习动态系统	将第一性原理的物理知识整合到数据驱动方法中，以便更好地解决科学问题	传统物理建模依赖于强假设和昂贵的数值积分，需要显著的计算资源和领域专长	旨在通过物理指导的深度学习来建模复杂的物理动态	复杂物理动态和动态系统的学习	机器学习	NA	深度学习	NA	NA	NA
1069	2024-08-05	Pairing interacting protein sequences using masked language modeling 2024-Jul-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2311887121 PMID:38913900	研究论文	本文开发了一种基于掩蔽语言模型的相互作用蛋白质序列配对方法	提出了差异化配对（DiffPALM）方法，利用MSA Transformer在多序列比对中填充掩蔽氨基酸的能力	依赖于MSA Transformer的表现，未进行微调，对单链数据的训练可能影响性能	预测氨基酸序列中相互作用的蛋白质对	两种蛋白质家族的平行异构体	计算机视觉	NA	MSA Transformer	NA	氨基酸序列	从普遍存在的原核生物蛋白质数据集中提取的浅层多序列比对的困难基准
1070	2024-08-05	A lightweight hybrid model for the automatic recognition of uterine fibroid ultrasound images based on deep learning 2024 Jul-Aug, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23703 PMID:38676550	研究论文	该文章提出了一种轻量级混合模型，用于自动识别子宫肌瘤的超声图像	结合了MobileNetV2网络和深度卷积生成对抗网络（DCGAN），创新性地用于子宫肌瘤的自动分类和特征评估	NA	提高子宫肌瘤超声图像的自动分类精度和速度	子宫肌瘤的超声图像	计算机视觉	NA	深度学习	MobileNetV2和DCGAN	图像	NA
1071	2024-08-05	Hybrid deep learning assisted multi classification: Grading of malignant thyroid nodules 2024-Jul, International journal for numerical methods in biomedical engineering IF:2.2Q2 DOI:10.1002/cnm.3824 PMID:38736034	研究论文	本研究提出了一种混合深度学习辅助的多分类方法，用于恶性甲状腺结节的分级	开发了一种创新的混合深度学习模型，结合了多种特征提取和分类技术，以提高甲状腺结节的准确性和效率	在甲状腺结节检测中仍然面临准确性和有效性的挑战	研究旨在提高甲状腺结节的检测和分类能力	研究对象为甲状腺结节的影像	计算机视觉	甲状腺癌	深度学习	混合模型（Deep Maxout和CNN）	图像	NA
1072	2024-08-05	[Constructing a cataplexy face prediction model for narcolepsy type 1 based on ResNet-18] 2024-Jul-16, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20231220-01431 PMID:38978380	研究论文	建立了基于ResNet-18的猝倒面孔预测模型，以识别猝睡症1型患者的面孔特征	首次使用深度学习网络ResNet-18建立猝倒面孔识别模型，并与其他模型进行比较	样本量较小，仅限于单一医院的患者和健康对照	研究猝倒面孔的特征识别以提高猝睡症的诊断效率	25名首次确诊且未接受治疗的猝睡症1型患者与25名健康对照	计算机视觉	猝睡症	深度学习图像识别	ResNet-18	图像	共计50个样本（25名患者和25名健康对照）
1073	2024-08-05	Predicting the Temperature Dependence of Surfactant CMCs Using Graph Neural Networks 2024-Jul-09, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00314 PMID:38920084	研究论文	本文开发了一种图神经网络模型用于预测表面活性剂的温度依赖性临界胶束浓度（CMC）	提出了考虑温度依赖性的表面活性剂CMC预测模型，与以往未考虑此因素的模型相比具有创新性	模型在特定表面活性剂类别的表现可能会有所不同，限制了其通用性	研究表面活性剂在不同温度下的临界胶束浓度	本研究对象为各类表面活性剂，包括离子型、非离子型和两性离子型	机器学习	NA	图神经网络	NA	数据点	约1400个数据点
1074	2024-08-05	Molybdenum Disulfide-Assisted Spontaneous Formation of Multistacked Gold Nanoparticles for Deep Learning-Integrated Surface-Enhanced Raman Scattering 2024-Jul-09, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c00978 PMID:38913718	研究论文	本研究报道了一种将深度学习与表面增强拉曼散射相结合的生物传感平台，利用二硫化钼辅助的金纳米颗粒进行COVID-19的现场筛查	创新点在于通过二硫化钼辅助的自发合成实现高密度且高度有序的金纳米颗粒，并结合卷积神经网络提高了SERS性能	尚未提及具体的实验局限性	研究目的在于开发一种快速、低损害和高通量的无标记检测平台	研究对象为人类泪液中的 COVID-19 检测	数字病理	冠状病毒病	表面增强拉曼散射（SERS）	卷积神经网络	液体样品	NA
1075	2024-08-05	DeCoGAN: MVCT image denoising via coupled generative adversarial network 2024-Jul-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5d4c PMID:38979700	研究论文	本研究提出了一种基于深度学习的去噪方法以提高MVCT图像质量	提出了一种基于耦合生成对抗网络（DeCoGAN）的无配对MVCT去噪网络，利用共享潜在空间重建图像	没有提到具体的限制因素	提升MVCT图像质量以提高成像清晰度和人视觉感知	MVCT图像的去噪处理	计算机视觉	NA	深度学习	生成对抗网络	图像	未具体提及样本数量
1076	2024-08-05	Addressing the Accuracy-Cost Trade-off in Material Property Prediction Using a Teacher-Student Strategy 2024-Jul-09, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00625 PMID:38875176	研究论文	本研究提出了一种新的教师-学生策略，以提高基于化学成分的材料性质预测模型的准确性	引入了教师-学生策略，利用预训练的结构基础预测模型来提高化学成分基础预测模型的精度	主要评估是在涉及100条数据的情况下进行的，可能限制了方法的普适性	提高材料 property 预测的准确性，同时降低探索成本	化学成分基础的材料属性预测模型，采用钙钛矿作为案例研究	机器学习	NA	深度学习	NA	数据条目	100条数据
1077	2024-08-05	Applications of Biosensors in Bladder Cancer 2024-Jul-08, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2024.2373923 PMID:38978228	综述	这篇综述文章强调了生物传感器在膀胱癌中的应用	探讨了电化学和光学传感器在检测肿瘤标志物方面的临床相关性	目前面临的挑战包括缺乏大规模临床试验和先进技术的整合	研究生物传感器在膀胱癌早期检测和治疗中的潜力	聚焦于膀胱癌相关的肿瘤标志物和治疗方法	数字病理学	膀胱癌	生物传感器	NA	NA	NA
1078	2024-08-05	HiDiff: Hybrid Diffusion Framework for Medical Image Segmentation 2024-Jul-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3424471 PMID:38976467	研究论文	提出了一种名为HiDiff的混合扩散框架，用于医学图像分割	通过结合生成模型的知识，填补了判别性分割方法的不足，提出了一种新的二元伯努利扩散模型作为扩散细化器	未提及具体的局限性	旨在提高医学图像分割的性能	医学图像分割，如腹部器官、脑肿瘤、息肉及视网膜血管	计算机视觉	NA	深度学习	混合扩散模型	医学图像	多个分割数据集，涵盖四种广泛使用的模态
1079	2024-08-05	Mask-Guided Vision Transformer for Few-Shot Learning 2024-Jul-08, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3418527 PMID:38976473	research paper	提出了一种新颖的掩膜引导视觉变换器（MG-ViT），以实现有效的少样本学习（FSL）	MG-ViT通过引入掩膜操作和残差连接，在不增加其他成本的情况下，继承了预训练视觉变换器（ViT）的参数	当前方法依赖于有限的标注数据，可能在某些特定任务上表现不如预期	研究如何在数据稀缺的情境下实现视觉变换器的有效少样本学习	通过掩膜引导的方式筛选任务相关的图像补丁进行少样本学习	计算机视觉	NA	NA	视觉变换器（ViT）	图像	NA
1080	2024-08-05	Deep learning CT reconstruction improves liver metastases detection 2024-Jul-06, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01753-1 PMID:38971933	研究论文	本研究旨在评估深度学习CT重建在检测肝转移方面的有效性。	深度学习图像重建相较于传统的迭代重建提供了更好的噪声减少和肝转移检测能力。	研究未明确提及深度学习重建对所有患者群体的普适性。	研究目标是确定深度学习图像重建是否影响肝转移的检测数量。	研究对象为121名肝转移患者的CT图像。	医学影像处理	肝癌	CT重建	深度学习模型	图像	121个肝转移患者的CT图像