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
261	2025-10-07	Directional Characteristic Enhancement of an Omnidirectional Detection Sensor Enabled by Strain Partitioning Effects in a Periodic Composite Hole Substrate 2024-11-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c01097 PMID:39431947	研究论文	本研究通过应变分配调制策略开发了一种具有方向特性增强的全向可拉伸应变传感器	提出基于应变分配调制的灵敏度各向异性放大策略，通过定制化周期性孔阵列结构参数调制敏感导电网络的应力分布	NA	开发具有高方向识别能力的全向应变传感器，用于运动检测和人机交互	可拉伸应变传感器及其传感阵列	传感器技术	NA	应变分配调制，周期性孔阵列结构设计	深度学习网络	应变传感器数据	NA	NA	轻量级深度学习网络	识别率，灵敏度	NA
262	2025-10-07	An explainable longitudinal multi-modal fusion model for predicting neoadjuvant therapy response in women with breast cancer 2024-11-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53450-8 PMID:39511143	研究论文	开发了一种可解释的纵向多模态融合模型，用于预测乳腺癌患者新辅助治疗反应	提出MRP系统模拟真实世界医生评估，整合跨模态知识挖掘和时间信息嵌入策略处理缺失模态数据	未明确说明模型在更广泛人群中的泛化能力	预测乳腺癌患者新辅助治疗反应	乳腺癌患者	医学影像分析	乳腺癌	多模态图像分析	深度学习模型	多模态图像数据	多中心研究数据	NA	多模态融合模型	AUROC	NA
263	2025-10-07	PACT-3D, a deep learning algorithm for pneumoperitoneum detection in abdominal CT scans 2024-11-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54043-1 PMID:39511229	研究论文	开发并验证用于腹部CT扫描中气腹检测的深度学习算法PACT-3D	首个专门针对气腹检测的深度学习模型，在排除少量游离气体病例时灵敏度显著提升至0.92-0.98	未提及模型在更广泛医疗机构中的泛化能力验证	开发能够准确检测CT扫描中气腹的深度学习模型以改善急诊诊疗流程	腹部CT扫描图像	计算机视觉	气腹	CT扫描	深度学习	医学影像	远东纪念医院20,390例扫描（训练集14,039+前瞻测试集6,351）+ Cedars-Sinai医学中心480例外部验证	NA	PACT-3D	灵敏度, 特异性	NA
264	2025-10-07	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	提出一种能预测未见细胞类型表观遗传信号的深度学习模型Enformer Celltyping	首次在深度学习模型中整合远端DNA相互作用效应（最远100,000碱基对）以实现跨细胞类型的表观遗传信号预测	基因组深度学习模型在遗传变异效应预测方面仍存在局限性	开发能预测不同细胞类型表观遗传谱的计算模型	细胞类型特异性表观遗传信号	机器学习	NA	染色质可及性数据，表观遗传插补	深度学习	DNA序列数据，表观遗传数据	NA	NA	Enformer	NA	NA
265	2025-10-07	Digital profiling of gene expression from histology images with linearized attention 2024-11-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54182-5 PMID:39543087	研究论文	开发了一种名为SEQUOIA的线性化注意力模型，能够从组织学图像中预测癌症转录组谱	首次将线性化注意力机制应用于全切片图像分析，解决了传统transformer在医学图像处理中模型复杂度过高和数据量有限的问题	模型在16种癌症类型上训练，可能对其他罕见癌症类型的泛化能力有限	开发从组织学图像预测基因表达谱的深度学习方法，实现癌症个性化管理	癌症肿瘤样本	数字病理学	癌症	全切片图像分析，转录组分析	Transformer	图像	7584个肿瘤样本用于模型开发，1368个肿瘤样本用于验证	NA	线性化注意力Transformer	NA	NA
266	2025-10-07	Interformer: an interaction-aware model for protein-ligand docking and affinity prediction 2024-11-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54440-6 PMID:39587070	研究论文	提出一种基于图Transformer架构的交互感知模型Interformer，用于蛋白质-配体对接和亲和力预测	采用交互感知混合密度网络捕获非共价相互作用，并引入负采样策略校正交互分布	NA	改进蛋白质-配体对接和亲和力预测的泛化能力和可解释性	蛋白质-配体复合物	机器学习	NA	深度学习	图Transformer	分子结构数据	公开数据集和内部数据集	NA	Graph-Transformer	对接任务SOTA性能	NA
267	2025-10-07	Whole-cell multi-target single-molecule super-resolution imaging in 3D with microfluidics and a single-objective tilted light sheet 2024-11-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54609-z PMID:39582043	研究论文	开发了一种结合微流控和单物镜倾斜光片技术的3D多靶点单分子超分辨率成像平台	通过可操纵的倾斜光片减少荧光背景，结合3D纳米打印微流控系统反射光片，实现了全细胞多靶点3D超分辨率成像	NA	解决全细胞多靶点3D单分子超分辨率成像中的高荧光背景和慢采集速度问题	哺乳动物细胞内的亚细胞结构	生物医学成像	NA	单分子超分辨率荧光显微镜，微流控技术，Exchange-PAINT	深度学习	3D图像	NA	NA	NA	成像精度，成像速度	NA
268	2025-10-07	ClickGen: Directed exploration of synthesizable chemical space via modular reactions and reinforcement learning 2024-11-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54456-y PMID:39578485	研究论文	开发了一种利用模块化反应和强化学习生成高可合成性分子的深度学习模型	结合点击化学模块化反应组装分子，并整合强化学习和修复技术确保分子多样性、新颖性和强结合倾向	仅针对三种蛋白质的现有结合剂进行了验证，适用范围有待进一步扩展	解决生成分子可合成性低的问题，推动AI驱动的自动化实验和闭环分子设计	化学分子空间，特别是针对PARP1等蛋白质靶点的小分子化合物	机器学习	癌症	点击化学，强化学习，修复技术	深度学习模型	化学分子数据	针对三种蛋白质靶点的分子生成和验证	NA	NA	新颖性，可合成性，对接构象相似性	NA
269	2025-10-07	In-context learning enables multimodal large language models to classify cancer pathology images 2024-11-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51465-9 PMID:39572531	研究论文	本研究评估了GPT-4V模型通过上下文学习在癌症病理图像分类任务中的表现	首次系统评估多模态大语言模型在医学图像分析中的上下文学习能力，无需参数更新即可完成专业医疗图像分类	仅评估了三种特定的癌症病理学任务，未涵盖更广泛的医学图像类型	探索上下文学习在医学图像分类中的应用，降低技术门槛	结直肠癌组织亚型分类、结肠息肉亚型分类和淋巴结切片中乳腺肿瘤检测	计算机视觉	癌症	上下文学习	多模态大语言模型	病理图像	仅需少量样本	GPT-4V	GPT-4V	与专业神经网络性能对比	NA
270	2025-10-07	LungVis 1.0: an automatic AI-powered 3D imaging ecosystem unveils spatial profiling of nanoparticle delivery and acinar migration of lung macrophages 2024-11-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54267-1 PMID:39604430	研究论文	开发了一个名为LungVis 1.0的AI驱动成像生态系统，用于三维可视化纳米颗粒在肺部递送的空间分布和肺泡巨噬细胞的迁移行为	首次整合光片荧光显微镜与深度学习图像分析，实现了纳米颗粒在支气管和肺泡区域沉积的全面定量映射，并挑战了组织驻留巨噬细胞为静态实体的传统范式	研究目前仅限于小鼠肺部模型，尚未在人类或其他物种中验证	探索肺部靶向药物递送动力学和巨噬细胞介导的肺部免疫机制	小鼠肺部纳米颗粒沉积和肺泡巨噬细胞行为	数字病理学	呼吸系统疾病	光片荧光显微镜，深度学习图像分析	深度学习	三维荧光图像	NA	NA	NA	NA	NA
271	2025-05-15	Using Deep Learning to Suggest Treatment for Proximal Humerus Fractures 2024-11-22, Studies in health technology and informatics DOI:10.3233/SHTI241080 PMID:39575796	research paper	该研究开发了一个基于深度学习的模型，用于根据肱骨近端骨折的放射影像预测治疗类型	利用深度学习模型预测肱骨近端骨折的治疗类型，其准确性和观察者间可靠性超过了肩部外科医生的判断	模型仅在特定测试数据集上进行了验证，可能需要更多样化的数据以提高泛化能力	开发一个治疗决策支持系统，以加快急诊科对肱骨近端骨折的治疗决策	肱骨近端骨折患者	digital pathology	骨折	深度学习	NA	image	NA	NA	NA	NA	NA
272	2025-10-07	Noninvasive fetal genotyping using deep neural networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf067 PMID:39992001	研究论文	本研究开发了首个基于深度学习的循环游离DNA胎儿基因分型框架，用于无创产前单基因病检测	首次将深度学习应用于cfDNA胎儿基因分型，整合了DNA核苷酸、片段、突变区域、样本和家族特征等多层次信息	NA	开发基于深度学习的无创产前单基因病检测方法	孕妇血浆中的循环游离DNA	数字病理	单基因遗传病	超深度全基因组测序	深度学习	基因组测序数据	NA	NA	深度神经网络	突变检测准确性	NA
273	2025-10-07	[Deep Learning Reconstruction Algorithm Combined With Smart Metal Artifact Reduction Technique Improves Image Quality of Upper Abdominal CT in Critically Ill Patients] 2024-Nov-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition DOI:10.12182/20241160102 PMID:39990832	研究论文	评估深度学习重建算法结合智能金属伪影减少技术对危重患者上腹部CT图像质量的改善效果	首次将深度学习重建算法与智能金属伪影减少技术结合应用于无法抬臂且需心电图监测的危重患者腹部CT成像	回顾性研究设计，样本量相对有限（102例患者），未评估对诊断准确性的影响	改善危重患者上腹部CT图像质量，特别是减少金属伪影和图像噪声	102例无法抬臂且需心电图监测的危重患者	医学影像处理	危重疾病	CT成像，智能金属伪影减少技术	深度学习重建算法	CT图像	102例危重患者	NA	NA	CT值，噪声，信噪比，对比噪声比，5分制定性评分	NA
274	2025-10-07	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	本研究通过优化ISDra2 TnpB系统并开发深度学习预测模型，实现了高效的基因组编辑	开发了增强型TnpBmax系统使编辑效率提高4.4倍，创建了K76突变变体扩展靶向范围，并建立了深度学习模型TEEP预测ωRNA活性	NA	开发更紧凑高效的基因组编辑工具用于研究和治疗	哺乳动物细胞、小鼠肝脏和大脑	机器学习	NA	基因组编辑、深度学习	深度学习模型	基因组编辑效率数据	10,211个靶位点的编辑效率数据集	NA	TEEP（TnpB编辑效率预测器）	相关系数r>0.8，编辑效率（小鼠肝脏75.3%，大脑65.9%）	NA
275	2025-05-08	Introducing TEC-LncMir for prediction of lncRNA-miRNA interactions through deep learning of RNA sequences 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf046 PMID:39927859	研究论文	介绍了一种名为TEC-LncMir的新方法，通过深度学习和Transformer Encoder结合CNN来预测lncRNA-miRNA的相互作用	使用Transformer Encoder和CNN结合的方法，将lncRNA和miRNA序列视为自然语言，并通过接触张量进行特征提取，显著提高了预测性能	未明确提及具体局限性	提高lncRNA-miRNA相互作用预测的性能	lncRNA和miRNA的相互作用	自然语言处理	阿尔茨海默病	深度学习和序列分析	Transformer Encoder和CNN	RNA序列	NA	NA	NA	NA	NA
276	2025-10-07	G-Protein Signaling in Alzheimer's Disease: Spatial Expression Validation of Semi-supervised Deep Learning-Based Computational Framework 2024-Nov-06, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.0587-24.2024 PMID:39327003	研究论文	开发了一种半监督深度学习计算框架digID，用于预测阿尔茨海默病相关基因并识别新的治疗靶点	提出结合半监督深度学习分类器和蛋白质相互作用网络分析的新计算框架，发现G蛋白信号通路在AD中的新作用机制	计算预测结果需要实验验证，研究样本和脑区覆盖可能有限	识别阿尔茨海默病相关基因和新的治疗靶点	阿尔茨海默病相关基因、G蛋白亚基(GNAI1, GNB1)、KNG1蛋白、淀粉样前体蛋白(APP)	机器学习	阿尔茨海默病	多组学数据分析、STORM超分辨率显微镜、mRNA表达分析	半监督深度学习	多组学数据、基因表达数据、显微镜图像	NA	NA	NA	NA	NA
277	2025-10-07	DeepPFP: a multi-task-aware architecture for protein function prediction 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae579 PMID:39905954	研究论文	提出一种名为DeepPFP的多任务感知架构，用于解决蛋白质功能预测中的泛化问题	结合模型无关元学习与蛋白质语言模型，能够捕获不同序列-功能映射任务间的共享特征	仅在五个域外深度突变扫描数据集上进行了训练验证	开发能够跨领域泛化的蛋白质功能预测模型	蛋白质序列与功能关系	生物信息学	NA	深度突变扫描，进化尺度建模	蛋白质语言模型，元学习模型	蛋白质序列数据	五个DMS数据集，包括SARS-CoV-2和Ube4b数据集（其中Ube4b使用500个样本子集）	NA	DeepPFP	皮尔逊相关系数	NA
278	2025-05-04	Deep learning-based design and experimental validation of a medicine-like human antibody library 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf023 PMID:39851074	研究论文	本文描述了一种基于深度学习的模型，用于计算生成具有高人类抗体可变区域的文库，这些区域的固有物理化学性质类似于已上市抗体生物治疗药物的可变区域	利用生成式深度学习算法计算生成具有理想开发属性的新型抗体序列，这是首次实现计算生成可开发的人类抗体文库	研究仅针对IGHV3-IGKV1种系对的抗原无关人类抗体，可能不适用于其他类型的抗体	加速基于抗体的生物治疗药物的计算发现，并扩展可药物抗原空间	人类抗体可变区域	机器学习	NA	深度学习	生成式深度学习模型	序列数据	训练数据集包含31416个满足计算开发性标准的人类抗体，生成了100000个可变区域序列，实验评估了51个高度多样化的计算生成抗体	NA	NA	NA	NA
279	2025-05-03	scHiClassifier: a deep learning framework for cell type prediction by fusing multiple feature sets from single-cell Hi-C data 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf009 PMID:39831891	研究论文	提出了一种名为scHiClassifier的深度学习框架，通过融合单细胞Hi-C数据的多个特征集来预测细胞类型	提出了四个具有明确解释性和生物学意义的新特征集，并开发了一个基于多头自注意力编码器、1D卷积和特征融合的新型深度学习框架	当前基于单细胞Hi-C数据的细胞类型预测框架有限，常面临特征解释性和生物学意义的挑战，且缺乏令人信服和稳健的分类性能验证	开发一种能够利用单细胞Hi-C数据识别细胞类型的方法	单细胞Hi-C数据	生物信息学	NA	单细胞高通量染色体构象捕获技术（Hi-C）	多头自注意力编码器、1D卷积	单细胞Hi-C数据	六个数据集	NA	NA	NA	NA
280	2025-05-02	Deep learning in integrating spatial transcriptomics with other modalities 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae719 PMID:39800876	综述	本文系统回顾了深度学习在整合空间转录组学与其他模态数据中的应用	首次全面综述了深度学习在整合空间转录组学与其他模态数据中的方法与应用	未涉及具体实验验证，主要基于文献综述	促进开发更强大的计算方法以更全面地利用多模态信息	空间转录组学数据与其他模态数据的整合方法	生物信息学	NA	空间转录组学、单细胞RNA测序(scRNA-seq)、深度学习	深度学习(DL)	空间转录组学数据、组织学图像、染色质图像、scRNA-seq数据	NA	NA	NA	NA	NA