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
141	2025-10-06	Graph-Based Spatial Proximity of Super-Resolved Protein-Protein Interactions Predicts Cancer Drug Responses in Single Cells 2024-Oct, Cellular and molecular bioengineering IF:2.3Q3 DOI:10.1007/s12195-024-00822-1 PMID:39513000	研究论文	开发基于图结构的超分辨率蛋白质-蛋白质相互作用技术，用于预测单细胞水平的癌症药物反应	首次将图神经网络与超分辨率显微镜结合，实现单细胞水平蛋白质相互作用空间网络的三维解析	研究样本数量有限（约10,000个细胞），仅针对EGFR突变细胞系进行验证	开发空间信号网络解析技术以理解癌症耐药机制	EGFR突变PC9和HCC827癌细胞、临床肺组织样本、T细胞	计算生物学	肺癌	空间邻近连接分析、超分辨率显微镜、3D空间蛋白质组分子像素化	图神经网络	蛋白质相互作用图像、3D空间蛋白质数据	超过10,000个EGFR突变细胞	深度学习框架	图神经网络架构	准确率、AUC、F1分数	NA
142	2025-10-06	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2024-Oct-31, Research square DOI:10.21203/rs.3.rs-5112726/v1 PMID:39574884	研究论文	提出一种基于深度学习的回归模型N2GNet，能够从帕金森病患者丘脑底核局部场电位实时追踪步态表现	首次开发能够直接从STN LFP信号追踪步态性能的深度学习模型，利用全面频带信息而非仅限于beta波段	研究样本量较小（18名患者），仅在原地踏步任务中验证	开发用于帕金森病自适应脑深部电刺激的实时步态性能追踪算法	帕金森病患者	机器学习	帕金森病	局部场电位记录，地面反作用力测量	深度学习回归模型	神经信号，生物力学数据	18名帕金森病患者	NA	N2GNet	相关性分析	NA
143	2025-10-06	PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae084 PMID:39282083	研究论文	开发了一个基于电子健康记录的疾病全表型预测框架PheW2P2V，通过加权患者向量实现个性化预测	提出加权患者向量计算方法，通过提升与特定表型相关的医疗记录权重来实现个性化预测	需要进一步研究嵌入表示在不同数据库间的可迁移性	开发基于电子健康记录的计算预测工具，实现疾病全表型的风险预测	电子健康记录中的患者医疗数据	机器学习	多种疾病	Phecode映射，国际疾病分类代码	嵌入表示模型	电子健康记录	MIMIC-III数据库中的942个全表型预测	NA	加权患者向量	AUC-ROC, F1-score, AUC-PR	NA
144	2025-10-06	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	本研究通过实验量化超过10万种蛋白质序列的淀粉样蛋白成核过程，并开发了可解释的深度学习模型CANYA来预测蛋白质聚集	创建了前所未有的大规模蛋白质聚集实验数据集，开发了结合卷积和注意力机制的混合神经网络模型，并将基因组神经网络可解释性分析应用于蛋白质聚集预测	NA	解决蛋白质聚集预测中数据不足的问题，开发准确且可解释的预测模型	超过10万种蛋白质序列的淀粉样蛋白成核过程	机器学习	NA	实验量化分析	CNN,注意力机制	蛋白质序列数据	>100,000个蛋白质序列	NA	卷积-注意力混合神经网络	NA	NA
145	2025-10-06	Deep learning-based segmentation and strain analysis of left heart chambers from long-axis CMR images 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf070 PMID:40657429	研究论文	提出结合深度学习和特征追踪的自动化流程，用于长轴心脏磁共振图像的左心室和左心房分割及心肌应变分析	首次将3D-ResUnet应用于长轴心脏磁共振图像的左心腔分割，并与特征追踪算法结合实现全自动应变分析	研究样本量有限（共684例），仅针对左心腔进行分析	开发自动化心肌应变评估方法以减少人工初始化带来的变异性和繁琐操作	左心室和左心房的心肌应变	医学影像分析	心血管疾病	心脏磁共振成像	CNN	2D和3D心脏磁共振图像	684名个体的845个训练样本、281个调优样本和116个测试样本	NA	2D-ResUnet, 3D-ResUnet	Dice系数, ICC, Bland-Altman偏差, 相关系数	NA
146	2025-10-06	An Automated Multi-scale Feature Fusion Network for Spine Fracture Segmentation Using Computed Tomography Images 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01091-0 PMID:38622384	研究论文	提出一种用于CT图像中脊柱骨折自动分割的多尺度特征融合深度学习模型	设计了包含特征融合模块、注意力机制和空间金字塔池化的新型多尺度特征融合架构	NA	开发自动脊柱骨折分割方法以辅助临床决策	脊柱骨折的CT图像	计算机视觉	脊柱骨折	计算机断层扫描(CT)	深度学习	医学图像	NA	NA	多尺度特征融合网络,包含FFM,SEM,ASPP,RCBAM,RBRAB,LPRAB模块	准确度	NA
147	2025-10-06	Predicting Affinity Through Homology (PATH): Interpretable Binding Affinity Prediction with Persistent Homology 2024-Oct-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.16.567384 PMID:38014181	研究论文	提出了一种基于持续同调的蛋白质-配体结合亲和力预测算法PATH，具有可解释性和高效性	使用反对距离计算蛋白质-配体复合物的持续同调特征，开发了运行时间与蛋白质大小无关的最快算法，并提出了可解释的持久性指纹表示方法	NA	开发可解释且高效的蛋白质-配体结合亲和力预测方法	蛋白质-配体复合物	计算生物学	NA	持续同调，拓扑数据分析	回归树集成	蛋白质-配体复合物结构数据	NA	NA	浅回归树集成	结合亲和力预测准确度	NA
148	2025-10-06	Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning 2024-10-30, Journal of proteomics IF:2.8Q2 DOI:10.1016/j.jprot.2024.105322 PMID:39341565	研究论文	通过深度学习模型研究氨基酸二聚体基序对质谱MS1强度的影响	首次使用带有注意力机制的编码器-解码器深度学习模型系统分析氨基酸二聚体基序与质谱响应的关系	氨基酸二聚体序列表示相比单氨基酸表示未能提高预测能力	探索氨基酸局部环境与质谱MS1强度之间的潜在关系	质谱分析中的肽段序列	机器学习	NA	质谱分析，ESI-MS	RNN，编码器-解码器	肽段序列数据，质谱强度数据	约200,000个独特肽段的等摩尔肽池	NA	带有注意力机制的编码器-解码器架构	平均百分比误差，皮尔逊相关系数	NA
149	2025-10-06	Assessing substrate scope of the cyclodehydratase LynD by mRNA display-enabled machine learning models 2024-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.14.618330 PMID:39464139	研究论文	本研究通过mRNA展示技术结合深度学习模型评估了RiPP环化脱水酶LynD的底物广谱性	首次将mRNA展示高通量肽段展示技术与深度学习模型相结合，用于预测RiPP酶的底物处理能力	研究仅针对LynD单一酶进行，未验证其他RiPP酶的应用潜力	阐明核糖体合成后修饰肽天然产物酶的底物广谱性及其预测方法	RiPP环化脱水酶LynD及其肽底物	机器学习	NA	mRNA展示技术	深度学习	肽序列数据	通过mRNA展示技术构建的大规模肽库	NA	NA	NA	NA
150	2025-10-06	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	研究论文	比较基于放射组学和3D-CNN的模型在18F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	首次比较半自动化放射组学模型与全自动3D-CNN模型在帕金森综合征诊断中的性能，并在外部测试集验证模型在经验不足医院的临床应用价值	回顾性研究，仅包含两个医疗中心的数据	开发并验证人工智能模型用于神经退行性帕金森综合征的自动诊断	687名具有帕金森综合征运动症状的患者	医学影像分析	帕金森综合征	18F-FDOPA PET脑部扫描	支持向量机, 3D-CNN	PET图像	687名患者（训练集417人，内部测试集100人，外部测试集170人）	NA	3D-CNN	平衡准确度	NA
151	2025-10-06	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	研究论文	本研究探索PET/CT健康器官影像组学特征在非小细胞肺癌预后预测中的附加价值	首次提出'器官组学'概念，将健康器官的影像组学特征纳入肺癌预后预测模型	样本量相对较小（154例患者），仅使用公开数据库数据	评估健康器官影像组学特征对非小细胞肺癌预后预测的附加价值	非小细胞肺癌患者的PET/CT影像和临床数据	医学影像分析	肺癌	PET/CT影像, 影像组学分析	nnU-Net, 随机生存森林, Cox比例风险模型	医学影像（PET/CT）	154例患者	nnU-Net	nnU-Net	C-index	NA
152	2025-10-06	A Deep Learning Application of Capsule Endoscopic Gastric Structure Recognition Based on a Transformer Model 2024-Oct-01, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000001972 PMID:38457410	研究论文	基于Transformer模型开发用于胶囊内镜胃结构识别的深度学习应用	首次将Transformer模型应用于胶囊内镜胃结构识别，通过自注意力机制提升胃肠道图像识别性能	数据来源于单一医院（南方医院），样本时间跨度较长（2011-2021年）	建立胶囊内镜胃结构识别模型，提升深度学习在内镜图像识别中的临床应用价值	胶囊内镜视频中的15种上消化道结构	计算机视觉	胃部病变	胶囊内镜	Transformer	视频	3343个无线胶囊内镜视频用于无监督预训练，2433个用于训练，118个用于验证	NA	Transformer	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
153	2025-10-06	An adaptive weight ensemble approach to forecast influenza activity in an irregular seasonality context 2024-10-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52504-1 PMID:39366942	研究论文	开发自适应权重集成方法预测香港地区流感活动，解决季节性不规律带来的预测挑战	提出自适应权重混合集成方法，能动态更新模型贡献度，在不同流行趋势和季节中均优于单一模型	研究主要基于香港地区数据，在其他地理区域的适用性需要进一步验证	预测具有不规则季节性的热带和亚热带地区的流感活动	香港地区1998-2019年期间的32次流感疫情监测数据	机器学习	流感	疾病监测数据分析	集成学习,统计模型,机器学习,深度学习	时间序列监测数据	32次流感疫情数据（1998-2019年），外加2023-2024年后疫情数据作为测试集	NA	简单平均集成,自适应权重混合集成	均方根误差,加权区间评分	NA
154	2025-10-06	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599135 PMID:38915491	研究论文	提出一种基于深度学习的稀疏标注方法，能够快速生成密集3D分割用于生物图像分析	开发了从稀疏2D标注快速生成密集3D分割的新方法，将人工标注时间减少了三个数量级	方法主要针对脑神经纤维网的复杂结构，在其他生物组织上的适用性需要进一步验证	解决生物成像数据中密集3D重建的实例分割问题，降低训练数据生成的人工成本	脑神经纤维网中的树突、轴突和胶质细胞过程	计算机视觉	NA	连续切片电子显微镜成像	深度学习模型	3D生物医学图像，2D序列切片图像	NA	NA	NA	分割准确度	NA
155	2025-10-06	Cognitive Dysfunction in the Addictions (CDiA): A Neuron to Neighbourhood Collaborative Research Program on Executive Dysfunction and Functional Outcomes in Outpatients Seeking Treatment for Addiction 2024-Oct-28, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.30.24312806 PMID:39252904	研究论文	介绍认知功能障碍在成瘾性疾病中的综合性研究项目，旨在探索执行功能与成瘾治疗结果的关系	采用从神经元到社区的多学科协作研究方法，整合临床、临床前和健康服务研究，应用全人建模和深度学习识别患者亚型	样本量相对有限（目标N=400），研究周期为一年，可能无法完全捕捉长期恢复过程	填补对物质使用障碍中执行功能的理解空白，改善成瘾患者的健康结局	寻求成瘾治疗的18-60岁成年人，啮齿类动物模型	数字病理	成瘾性疾病	重复经颅磁刺激，药理学治疗，血液生物标志物分析，脑回路研究	深度学习，聚类分析	多模态数据（临床、生物标志物、脑成像、行为数据）	目标400名18-60岁寻求成瘾治疗的成年人	NA	NA	NA	NA
156	2025-10-06	Antiviral Peptide-Generative Pre-Trained Transformer (AVP-GPT): A Deep Learning-Powered Model for Antiviral Peptide Design with High-Throughput Discovery and Exceptional Potency 2024-10-25, Viruses DOI:10.3390/v16111673 PMID:39599788	研究论文	提出一种基于Transformer的深度学习模型AVP-GPT，用于高效设计抗病毒肽	首次将Transformer语言模型与多模态架构结合用于抗病毒肽设计，生成效率比传统方法显著提升	目前主要针对呼吸道病毒验证，尚未扩展到其他病毒类型	开发高效抗病毒肽设计方法以加速抗病毒药物发现	呼吸道合胞病毒(RSV)、甲型流感病毒(INFVA)等呼吸道病毒	自然语言处理	呼吸道病毒感染	深度学习	Transformer	肽序列数据	生成10,000个独特肽序列	NA	GPT, Transformer	困惑度, AUC	GPU系统
157	2025-10-06	ImmuneApp for HLA-I epitope prediction and immunopeptidome analysis 2024-10-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53296-0 PMID:39414796	研究论文	开发了用于HLA-I表位预测和免疫肽组分析的深度学习框架ImmuneApp	提出可解释的深度学习框架，整合单等位基因和多等位基因数据，开发了更准确的模型反卷积方法	NA	改进HLA-I表位预测和新表位优先排序，促进新型新抗原发现和免疫疗法开发	HLA配体数据集和免疫肽组样本	机器学习	NA	质谱分析，免疫肽组学	深度学习	HLA配体数据，免疫肽组数据	216个多等位基因免疫肽组样本，835,551个配体，覆盖100多种HLA-I等位基因	NA	复合模型(ImmuneApp-MA, ImmuneApp-Neo)	预测性能，免疫原性预测准确性	NA
158	2025-10-06	Protein complex structure modeling by cross-modal alignment between cryo-EM maps and protein sequences 2024-10-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53116-5 PMID:39394203	研究论文	提出一种通过冷冻电镜图谱与蛋白质序列跨模态对齐实现蛋白质复合物结构建模的全自动方法EModelX	首次实现无需先验链分离的冷冻电镜蛋白质复合物建模，通过跨模态对齐解决链分离错误累积问题	未明确说明方法对低分辨率冷冻电镜数据的适用性	开发全自动蛋白质复合物结构建模方法	蛋白质复合物结构	计算生物学	NA	冷冻电镜(cryo-EM)	多任务深度学习	冷冻电镜图谱、蛋白质序列	NA	NA	NA	RMSD, TM-score	NA
159	2025-10-06	MATES: a deep learning-based model for locus-specific quantification of transposable elements in single cell 2024-10-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53114-7 PMID:39394211	研究论文	提出一种基于深度学习的模型MATES，用于在单细胞水平上实现转座子元件的位点特异性定量	利用侧翼相邻读段比对信息，将多定位读段准确分配到转座子特定位点，克服现有方法仅能在亚家族水平分类的局限	未明确说明模型在非转录组学单细胞数据上的具体应用限制	开发能够精确量化转座子元件位点特异性的单细胞分析方法	转座子元件及其在单细胞中的表达	机器学习	NA	单细胞组学	深度学习	基因组测序数据	NA	NA	NA	定量准确性	NA
160	2025-10-06	Determinants of Visual Impairment Among Chinese Middle-Aged and Older Adults: Risk Prediction Model Using Machine Learning Algorithms 2024-10-09, JMIR aging IF:5.0Q1 DOI:10.2196/59810 PMID:39382570	研究论文	本研究使用机器学习算法预测中国中老年人视觉损伤风险并识别关键影响因素	首次在中国普通中老年人群中应用多种机器学习算法预测视觉损伤风险，并采用堆叠集成方法提高预测性能	研究基于中国健康与养老追踪调查数据，可能存在选择偏倚，且模型性能仍有提升空间	预测中国中老年人视觉损伤风险并识别关键决定因素	中国中老年人群（来自CHARLS调查的19,047名参与者）	机器学习	视觉损伤	问卷调查、体格检查、血液生物标志物检测	梯度提升机, 分布式随机森林, 广义线性模型, 深度学习, 堆叠集成	结构化健康数据	19,047名参与者（来自2011-2018年四轮CHARLS调查）	NA	堆叠集成	AUC, 校准曲线	NA