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
1	2025-06-04	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	利用深度学习蛋白质设计工具设计针对肽-MHC-I复合物的小蛋白结合物	采用深度学习工具设计能够特异性结合肽-MHC复合物的小蛋白，避免与MHC载体广泛接触	NA	开发高特异性结合肽-MHC复合物的蛋白质，用于疾病治疗	肽-MHC-I复合物	蛋白质设计	NA	深度学习	NA	蛋白质结构	十个目标pMHC复合物
2	2025-06-04	Time-Series Deep Learning and Conformal Prediction for Improved Sepsis Diagnosis in Non-ICU Hospitalized Patients 2024-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.21.24317716 PMID:39606323	研究论文	该研究开发了一种针对非ICU环境的深度学习模型，用于早期预测脓毒症，并通过共形预测框架处理不确定性	结合时间序列深度学习和共形预测框架，提高了在非ICU环境中脓毒症早期诊断的准确性和特异性，减少了假阳性率	研究依赖于MIMIC-IV和eICU-CRD数据集，可能无法完全代表所有非ICU环境的多样性	开发一种能够在非ICU环境中准确早期预测脓毒症的深度学习模型，以改善临床诊断和资源分配	非ICU住院患者	机器学习	脓毒症	深度学习，共形预测	DL	时间序列数据	83,813名患者（训练集），eICU-CRD数据集（验证集）
3	2025-06-04	Bidirectional Long Short-Term Memory-Based Detection of Adverse Drug Reaction Posts Using Korean Social Networking Services Data: Deep Learning Approaches 2024-11-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/45289 PMID:39565685	研究论文	本文提出了一种基于双向长短期记忆网络(Bi-LSTM)的深度学习模型，用于从韩国社交网络服务(SNS)数据中检测药物不良反应(ADR)帖子	利用韩国SNS数据开发了Bi-LSTM分类模型，用于自动监测药物不良反应，并验证了模型在两种非甾体抗炎药上的性能	研究仅针对两种特定药物(酮洛芬和醋氯芬酸)进行了验证，模型的泛化能力有待进一步测试	开发一个能够自动分类药物不良反应帖子的深度学习模型，用于药物监测系统	韩国社交网络服务(SNS)上包含药物信息的帖子	自然语言处理	药物不良反应	自然语言处理技术	Bi-LSTM	文本	2005年至2020年NAVER门户网站上的博客帖子、论坛帖子和问答帖子
4	2025-06-04	Deep Learning in Gene Regulatory Network Inference: A Survey 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3442536 PMID:39137088	综述	本文综述了使用深度学习模型推断基因调控网络（GRN）的12种方法，并对其进行了详细分析和评估	提供了对12种GRN推断方法的全面分析，包括它们的核心概念、具体步骤以及在不同场景下的有效性和可扩展性	未提及具体方法的局限性，仅讨论了整体挑战	探讨深度学习在基因调控网络推断中的应用及未来发展方向	基因调控网络（GRN）	机器学习	NA	深度学习	NA	基因表达数据	NA
5	2025-06-03	Balanced Training Sets Improve Deep Learning-Based Prediction of CRISPR sgRNA Activity 2024-11-15, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00542 PMID:39495623	research paper	该研究探讨了平衡训练集对基于深度学习的CRISPR sgRNA活性预测的影响	通过使用平衡和不平衡的数据集训练CNN和LLM模型，并测试合成sgRNA对预测性能的提升，强调了平衡训练集的重要性	研究仅针对CRISPR-Cas12a和CRISPR-Cas9系统，可能不适用于其他CRISPR系统	提高CRISPR sgRNA活性预测的准确性	CRISPR sgRNA	machine learning	NA	CRISPR-Cas12a和CRISPR-Cas9筛选	CNN, LLM	序列数据	来自酵母的CRISPR-Cas12a筛选数据及CRISPR-Cas9数据集
6	2025-06-03	DMAMP: A Deep-Learning Model for Detecting Antimicrobial Peptides and Their Multi-Activities 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3439541 PMID:39106141	研究论文	提出了一种名为DMAMP的深度学习模型，用于同时检测抗菌肽及其多种活性	通过多任务学习结合两个相关任务的特征共享，同时检测抗菌肽及其活性，提高了检测效率	未提及具体的数据集规模限制或模型泛化能力的局限性	开发一种高效的计算方法来检测抗菌肽及其多种活性，以降低实验成本	抗菌肽（AMPs）及其多种活性	机器学习	NA	深度学习	CNN, 残差块, 全连接层	肽序列	未提及具体样本数量
7	2025-05-31	Predicting cell type-specific epigenomic profiles accounting for distal genetic effects 2024-11-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54441-5 PMID:39550354	研究论文	介绍了一种名为Enformer Celltyping的深度学习模型，用于预测未见细胞类型的表观遗传信号，并考虑了DNA的远端遗传效应	该模型能够整合DNA远端相互作用（长达100,000个碱基对）的影响，预测未见细胞类型的表观遗传信号，并在表观遗传插补方面优于当前最佳方法	在基因组深度学习模型中，遗传变异效应预测的评估框架揭示了当前模型的局限性	理解遗传变异如何影响表观基因组，以解释GWAS结果	细胞类型特异性表观遗传谱	机器学习	NA	深度学习	Enformer Celltyping	DNA和染色质可及性数据	NA
8	2025-05-31	Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney 2024-11-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77582-5 PMID:39516256	research paper	本文提出了一种基于深度学习的3D血管分割方法，应用于分层相位对比断层扫描（HiP-CT）成像技术，以肾脏为例进行研究	利用HiP-CT这一新型成像技术，创建了一个经过双标注验证的血管数据集，并使用nnU-Net框架在高分辨率器官成像中评估模型性能	Dice相似系数（DSC）作为主要评估指标存在局限性，无法全面反映血管特征；大血管由于缺乏静水压力（HiP-CT为离体技术）而塌陷，导致分割效果不佳；细血管连通性降低和血管边界分割错误	为血管分割建立一个稳健的基线模型，并评估其在HiP-CT成像数据上的性能	肾脏血管	digital pathology	NA	HiP-CT	nnU-Net	3D image	三个肾脏的血管数据
9	2025-05-31	Boosting Cardiac Color Doppler Frame Rates With Deep Learning 2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3424549 PMID:38976463	研究论文	本文探讨了使用深度学习模型从减少的滤波I/Q信号中估计心内多普勒速度，以提高心脏彩色多普勒成像的帧率	提出使用深度学习模型（如U-Net和ConvNeXt）从减少的滤波I/Q信号中估计多普勒速度，有效减轻混叠和噪声，优于现有的自相关器方法	未观察到实数与复数数据之间的显著差异，且仅在体外和体内实验中验证了模型	提高心脏彩色多普勒成像的帧率，以更全面地分析心室充盈	心脏彩色多普勒成像中的血流速度	数字病理	心血管疾病	深度学习	CNN, U-Net, ConvNeXt	图像	模拟患者心脏彩色多普勒采集数据，并通过数据增强策略扩大训练数据集
10	2025-05-31	A Comparison of CT-Based Pancreatic Segmentation Deep Learning Models 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.015 PMID:38944630	research paper	该研究比较了五种基于CT的胰腺分割深度学习模型在不同扫描和患者/胰腺特征下的性能	首次对五种高性能胰腺分割模型在多指标下进行分层比较，并分析了影响分割性能的扫描和患者特征	研究为回顾性设计，部分患者特征数据缺失	评估不同胰腺分割模型在多种临床特征下的性能差异	胰腺CT图像分割	digital pathology	pancreatic pathologies	CT imaging	CNN, transformer network (AAUNet, AASwin, TS, nnUNetv1, DM-UNet)	CT scans	352例CT扫描（8448例训练集用于AAUNet/AASwin，1204例用于TS，282例用于MSD-nnUNet，427例用于DM-UNet）
11	2025-05-31	Artificial Intelligence to Facilitate Clinical Trial Recruitment in Age-Related Macular Degeneration 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100566 PMID:39139546	研究论文	本研究探讨了人工智能在年龄相关性黄斑变性（AMD）临床试验招募中的应用，特别是针对地理萎缩（GA）患者	利用深度学习模型分析OCT扫描图像，自动筛选符合临床试验条件的GA患者，相比传统电子健康记录（EHR）搜索方法提高了筛选效率和准确性	研究依赖于单一医疗中心的数据，可能影响结果的普遍性	评估人工智能在GA临床试验患者招募中的效果	年龄相关性黄斑变性（AMD）患者，特别是地理萎缩（GA）阶段患者	数字病理	年龄相关性黄斑变性	OCT成像，深度学习	深度学习模型	图像	306651名患者（602826只眼睛）的回顾性数据集
12	2025-05-31	Deep Learning-Based Clustering of OCT Images for Biomarker Discovery in Age-Related Macular Degeneration (PINNACLE Study Report 4) 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100543 PMID:39139544	research paper	介绍了一种基于深度学习的生物标志物提案系统，用于加速年龄相关性黄斑变性(AMD)的生物标志物发现	使用自监督对比学习训练神经网络，无需临床注释即可发现AMD相关特征，并提出新的生物标志物候选	研究依赖于视网膜专家的半结构化访谈来解读聚类结果，可能存在主观性	加速AMD生物标志物的发现	视网膜OCT图像	digital pathology	geriatric disease	OCT	CNN	image	3456名51-102岁成年人的46496张视网膜OCT图像
13	2025-05-31	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448373 PMID:39178097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同的身体多参数磁共振成像（mpMRI）序列类型，以提高放射科医生阅读检查的效率	使用多种深度学习分类器（ResNet、EfficientNet和DenseNet）对8种不同的MRI序列进行分类，并比较它们的性能，最终确定最佳分类器DenseNet-121	模型在外部数据集（DLDS和CPTAC-UCEC）上的准确率有所下降，分别为0.872和0.810	提高放射科医生阅读多参数磁共振成像（mpMRI）检查的效率	8种不同的身体mpMRI序列类型	计算机视觉	NA	多参数磁共振成像（mpMRI）	ResNet、EfficientNet、DenseNet	图像	超过729项研究数据
14	2025-05-31	Synthesizing Real-Time Ultrasound Images of Muscle Based on Biomechanical Simulation and Conditional Diffusion Network 2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3445434 PMID:39186423	research paper	提出了一种基于生物力学模拟和条件扩散网络的肌肉实时超声图像合成方法，用于生成大量可靠的合成超声数据集	结合生物力学模拟（FEM）、稀疏肌束重建算法和扩散网络，生成多样化的实时超声图像，解决了超声图像斑点噪声导致的标注难题	合成图像的逼真度仍需进一步验证，且参数调整可能影响生成数据的多样性	开发无需人工扫描标注的肌肉超声图像合成流程，增强深度学习模型的训练和评估	肌肉运动超声图像	medical imaging	NA	finite-element method (FEM), conditional diffusion network	diffusion network	ultrasound images	3030张合成超声图像
15	2025-05-31	Investigating the Use of Traveltime and Reflection Tomography for Deep Learning-Based Sound-Speed Estimation in Ultrasound Computed Tomography 2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3459391 PMID:39264782	研究论文	本研究探讨了在超声计算机断层扫描中，使用走时层析成像和反射层析成像作为深度学习输入模态对声速估计的影响	提出了一种基于双通道（走时层析成像和反射层析成像）的卷积神经网络方法，用于高分辨率声速重建，相比全波形反演具有更高的计算效率	研究主要基于数值乳腺模型，临床数据验证有限	提高超声计算机断层扫描中声速估计的准确性和计算效率	数值乳腺模型和临床人类乳腺数据	医学影像处理	乳腺癌	超声计算机断层扫描（USCT），走时层析成像（TT），反射层析成像（RT）	CNN	图像	数值乳腺模型和临床人类乳腺数据（具体数量未提及）
16	2025-05-31	Effective genome editing with an enhanced ISDra2 TnpB system and deep learning-predicted ωRNAs 2024-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02418-z PMID:39313558	研究论文	本研究优化了ISDra2 TnpB系统在哺乳动物细胞中的应用，并通过深度学习预测ωRNAs，提高了基因组编辑效率	优化了ISDra2 TnpB系统（TnpBmax），在哺乳动物细胞中平均提高4.4倍的编辑效率，并开发了K76位点突变体以识别替代目标相邻基序（TAMs），扩大了ISDra2 TnpB的靶向范围	NA	优化TnpB系统以提高基因组编辑效率，并开发深度学习模型预测ωRNAs活性	ISDra2 TnpB系统及其在哺乳动物细胞中的应用	基因组编辑	NA	基因组编辑、深度学习	深度学习模型（TEEP）	基因组数据	10,211个靶位点的编辑效率数据集
17	2025-05-31	Artificial intelligence-enabled electrocardiogram for mortality and cardiovascular risk estimation: a model development and validation study 2024-11, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00172-9 PMID:39455192	research paper	开发并验证了一个基于人工智能的心电图（AI-ECG）风险估计平台AIRE，用于预测死亡率和心血管风险	AIRE平台不仅预测死亡率风险，还预测死亡时间，具有个体患者层面的可操作性、可解释性和生物学合理性	现有模型预测在个体患者层面缺乏可操作性、可解释性和生物学合理性	开发一个可操作、可解释且具有生物学合理性的AI-ECG风险估计平台	心电图数据	digital pathology	cardiovascular disease	deep learning, discrete-time survival model	AI-ECG risk estimator (AIRE)	ECG	1,163,401 ECGs from 189,539 patients
18	2025-05-31	Expert-guided protein language models enable accurate and blazingly fast fitness prediction 2024-11-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae621 PMID:39576695	research paper	介绍了一种快速准确的蛋白质变异效应预测工具VespaG，该工具利用蛋白质语言模型嵌入作为最小深度学习模型的输入	通过使用GEMME作为伪标准创建了一个包含3900万个单氨基酸变异的数据集，提高了预测的可解释性，并且速度比现有方法快几个数量级	依赖于GEMME作为伪标准，可能引入偏差	开发一种快速准确的蛋白质变异效应预测方法	人类蛋白质组中的单氨基酸变异	machine learning	NA	protein language model (pLM), deep learning	deep learning model	protein sequence data	39 million single amino acid variants from the human proteome
19	2025-05-29	Self-Powered, Flexible, Wireless and Intelligent Human Health Management System Based on Natural Recyclable Materials 2024-11-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02186 PMID:39436357	research paper	该研究设计了一种基于天然可回收材料的自供电、柔性、无线智能健康管理系统，用于人体运动识别和睡眠呼吸异常的早期预警	通过将丝瓜导电石墨四摩擦层增强的摩擦纳米发电机（LG-TENG）与深度学习模型结合，实现了高精度的运动分析和睡眠呼吸监测	NA	开发一种基于天然可回收材料的自供电健康管理系统，用于肥胖引起的慢性疾病的监测和干预	肥胖引起的慢性疾病（如阻塞性睡眠呼吸暂停、II型糖尿病、心血管疾病和阿尔茨海默病）患者	物联网与大数据	肥胖相关慢性疾病	摩擦纳米发电机（TENG）技术	深度学习模型	运动信号和呼吸信号	三个个体的七种位移速度类别
20	2025-05-29	Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.18.24317499 PMID:39606364	研究论文	本研究整合空间转录组学和单核RNA测序数据，增强了对阿尔茨海默病相关表型的空间信息和细胞类型特异性差异基因表达分析的能力	结合空间转录组学(ST)和单核RNA测序(snRNA-seq)数据，提高了空间信息和细胞类型特异性差异基因表达(DGE)分析的效力，发现了传统方法无法检测到的与阿尔茨海默病相关的基因和通路	研究依赖于推断的空间位置信息，可能不如直接测量的空间数据准确	增强对阿尔茨海默病相关表型的空间信息和细胞类型特异性差异基因表达分析的能力	阿尔茨海默病相关的β-淀粉样蛋白、缠结密度和认知衰退表型	生物信息学	阿尔茨海默病	空间转录组学(ST)、单核RNA测序(snRNA-seq)	深度学习工具CelEry、线性混合回归模型	基因表达数据	436个死后大脑的背外侧前额叶皮层(DLPFC)组织的约150万个细胞