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
41	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
42	2025-05-03	A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae709 PMID:39815828	research paper	提出了一种名为HdFIT的深度学习特征重要性测试框架，用于整合高维生物标志物以提高疾病结果预测	HdFIT框架结合了特征筛选步骤和机器学习模型，能够有效识别关键生物标志物并提高预测准确性	框架在高维设置下的性能尚未在所有类型的生物标志物上得到验证	提高疾病结果预测的准确性并理解疾病机制	行为、临床和高维分子特征	machine learning	NA	deep learning	deep neural networks	high-dimensional molecular profiles	NA
43	2025-05-03	scGO: interpretable deep neural network for cell status annotation and disease diagnosis 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf018 PMID:39820437	research paper	介绍了一种名为scGO的深度学习框架，用于单细胞RNA测序数据的可解释性细胞状态注释和疾病诊断	scGO利用稀疏神经网络和基因本体论（GO）的内在生物学关系，显著提高了可解释性并降低了计算成本	未明确提及具体局限性	开发一种可解释的深度学习模型，用于细胞状态注释和疾病诊断	单细胞RNA测序数据	machine learning	NA	scRNA-seq	deep neural network	RNA-seq data	多样化的scRNA-seq数据集
44	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
45	2025-05-03	Enhancing Generalizability in Biomedical Entity Recognition: Self-Attention PCA-CLS Model 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3429234 PMID:39012749	研究论文	提出了一种名为PCA-CLS的自注意力模型，用于提高生物医学实体识别的泛化能力	结合全局自注意力和字符级卷积神经网络技术，解决生物医学文本中的词汇外挑战	未提及具体局限性	提高生物医学实体识别的泛化能力	生物医学文本中的基因、药物、疾病和物种等实体	自然语言处理	NA	自注意力机制、CNN-LSTM-Softmax	PCA-CLS (Position and Contextual Attention with CNN-LSTM-Softmax)	文本	八个不同的生物医学领域数据集
46	2025-05-03	The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0) 2024-Nov-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268292 PMID:39362762	研究论文	介绍了更新后的REFINE SPECT 2.0注册表，包括更多患者和CT衰减校正成像的设计和初步结果	扩展了REFINE SPECT注册表，增加了CT衰减校正成像，并利用深度学习软件检测冠状动脉钙化	仅8.4%的患者有侵入性冠状动脉造影相关数据	评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果	45,252名患者的心肌灌注成像数据	数字病理学	心血管疾病	SPECT, CT衰减校正成像, 深度学习	深度学习	图像	45,252名患者来自13个中心
47	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
48	2025-05-02	DD-PRiSM: a deep learning framework for decomposition and prediction of synergistic drug combinations 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae717 PMID:39800875	research paper	介绍了一种名为DD-PRiSM的深度学习框架，用于分解和预测协同药物组合的效果	DD-PRiSM能够分解组合疗法的效果，成功识别协同药物对，并展示了协同反应在不同癌症类型中的差异	未明确提及具体限制	预测组合疗法的效果和安全性，特别是针对癌症等复杂疾病	药物组合及其在细胞系中的效果	machine learning	cancer	deep learning	DD-PRiSM (包含Monotherapy模型和Combination therapy模型)	药物结构、细胞系基因表达数据	未明确提及具体样本数量
49	2024-12-05	Letter to the Editor Regarding "A Practical Roadmap to Implementing Deep Learning Segmentation in the Clinical Neuroimaging Research Workflow" 2024-Nov, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.07.121 PMID:39623627	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
50	2025-05-01	Structures of Epstein-Barr virus and Kaposi's sarcoma-associated herpesvirus virions reveal species-specific tegument and envelope features 2024-Nov-19, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01194-24 PMID:39470208	研究论文	通过深度学习增强的冷冻电子断层扫描技术，揭示了EBV和KSHV病毒粒子的结构特征	首次报道了完整的人类γ疱疹病毒粒子的结构，揭示了病毒粒子中衣壳外部的多形性特征以及病毒包膜和皮层结构的物种特异性差异	研究主要关注细胞外病毒粒子，可能无法完全反映细胞内病毒组装过程的动态特性	解析EBV和KSHV病毒粒子的三维结构特征	EB病毒(Epstein-Barr virus)和卡波西肉瘤相关疱疹病毒(Kaposi's sarcoma-associated herpesvirus)	结构生物学	肿瘤相关病毒感染	冷冻电子断层扫描(cryoET)结合深度学习	深度学习增强的图像处理	冷冻电子断层扫描图像	未明确说明样本数量，研究使用EBV和KSHV的细胞外病毒粒子
51	2025-05-01	Deep learning-based fishing ground prediction with multiple environmental factors 2024-Nov, Marine life science & technology IF:5.8Q1 DOI:10.1007/s42995-024-00222-4 PMID:39620085	research paper	本研究开发了一种基于深度学习的多环境因素渔场预测模型，以西北太平洋的飞鱿鱼为例	采用改进的U-Net模型结合多种环境因素（海面温度、高度、盐度和叶绿素）进行渔场预测，显著提高了渔场中心区域的集中度	研究仅针对西北太平洋的飞鱿鱼渔场，模型在其他海域或鱼种的适用性有待验证	提高海洋经济鱼种渔场预测的准确性	西北太平洋的飞鱿鱼渔场	machine learning	NA	深度学习	改进的U-Net	环境参数数据（海面温度、高度、盐度、叶绿素）	2002-2019年7月至11月的数据用于训练，2020年数据用于测试
52	2025-04-27	Advances in artificial intelligence-based technologies for increasing the quality of medical products 2024-Nov-30, Daru : journal of Faculty of Pharmacy, Tehran University of Medical Sciences IF:2.5Q3 DOI:10.1007/s40199-024-00548-5 PMID:39613923	综述	本文综述了人工智能在提高医疗产品质量方面的最新技术进展	探讨了AI在预测药物靶蛋白行为、优化药物物理化学特性及加速产品开发方面的创新应用	未具体说明AI技术在医疗产品应用中面临的技术或伦理挑战	概述AI技术在医疗领域中的应用及其对提高产品质量、成本效益和安全性的潜力	医疗产品及其开发过程	人工智能在医学中的应用	NA	机器学习（ML）、深度学习	NA	NA	NA
53	2025-04-26	Impact of Emerging Deep Learning-Based MR Image Reconstruction Algorithms on Abdominal MRI Radiomic Features 2024 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001648 PMID:39190703	研究论文	本研究评估了基于深度学习的MRI图像重建技术对腹部MRI影像组学特征的影响，并与传统重建技术进行比较	首次系统评估深度学习重建算法对不同器官/组织影像组学特征的影响差异	仅使用单一厂商(MRI)平台数据，样本量较小(17例)	评估深度学习重建算法对MRI影像组学特征的影响	腹部MRI图像及提取的影像组学特征	医学影像分析	NA	深度学习图像重建(MRI)	DL-based reconstruction(SmartSpeed系列)	MRI图像	17例儿科和成人受试者的腹部T2加权MRI图像
54	2025-04-26	Generative Biomedical Event Extraction With Constrained Decoding Strategy 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3480088 PMID:39401115	研究论文	本文提出了一种基于预训练语言模型T5的生物医学事件生成模型，采用序列到序列的生成范式，并结合约束解码算法和课程学习算法	首次将生成式建模应用于生物医学事件提取任务，并引入约束解码算法和课程学习算法以提高模型性能	仅在Genia 2011和Genia 2013两个公开基准数据集上进行了评估，可能需要更多数据集验证泛化能力	改进生物医学事件提取方法，提高提取准确率	生物医学事件	自然语言处理	NA	约束解码算法，课程学习算法	T5	文本	Genia 2011和Genia 2013数据集
55	2025-04-25	c-Triadem: A constrained, explainable deep learning model to identify novel biomarkers in Alzheimer's disease 2024-Nov-20, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.19.24317595 PMID:39606415	研究论文	提出了一种名为c-Triadem的深度学习模型，用于识别阿尔茨海默病的潜在血液生物标志物，并预测轻度认知障碍和阿尔茨海默病	开发了一种新型的深度神经网络模型c-Triadem，结合基因型数据、基因表达数据和临床信息，以高准确率预测疾病状态，并通过SHAP分析识别关键基因和临床特征	研究依赖于ADNI数据库的数据，可能限制了模型的泛化能力	开发一种能够识别阿尔茨海默病血液生物标志物并预测疾病状态的深度学习模型	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	机器学习	阿尔茨海默病	基因型数据分析、基因表达数据分析、SHAP分析	深度神经网络	基因型数据、基因表达数据、临床数据	来自阿尔茨海默病神经影像学倡议(ADNI)的血液基因型数据、微阵列数据和临床特征
56	2025-04-25	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功能活性	采用多任务学习方法，结合卷积神经网络和残差块提取共享特征，并通过全连接层学习各任务的独特信息，同时利用原始进化特征补充遗忘信息	未提及具体的数据集规模限制或模型泛化能力问题	开发计算模型以降低抗菌肽及其活性检测成本	抗菌肽(AMPs)及其多功能活性	机器学习	NA	深度学习	CNN, 残差网络, 多任务学习	肽序列数据	未明确提及具体样本量
57	2025-04-25	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	本文对12种利用深度学习模型推断基因调控网络（GRN）的方法进行了全面分析	提供了基于深度学习模型的GRN推断方法的详细分类和评估，并探讨了未来研究方向	未涉及非深度学习方法的比较，且样本量仅限于12种方法	分析并评估利用深度学习模型推断基因调控网络的方法	基因调控网络（GRN）推断方法	机器学习	NA	深度学习	深度学习模型	基因表达数据	12种GRN推断方法
58	2025-04-25	Parallel Convolutional Contrastive Learning Method for Enzyme Function Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3447037 PMID:39167509	research paper	提出了一种并行卷积对比学习方法（PCCL）用于酶功能预测，以提高预测精度	结合卷积神经网络（CNNs）和对比学习，处理类别不平衡问题，并采用三个并行CNNs充分提取样本特征	未提及具体的数据集规模或多样性限制	提高酶功能预测的精度	酶的功能预测	machine learning	NA	protein language model ESM-2, contrastive learning	CNN	protein sequences	NA
59	2025-04-25	CTsynther: Contrastive Transformer Model for End-to-End Retrosynthesis Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3455381 PMID:39240741	research paper	提出了一种名为CTsynther的端到端深度学习模型，用于单步逆合成预测	在Transformer架构中引入对比学习概念，并在SMILES句子级别使用对比学习语言表示模型，通过混合全局和局部注意力机制捕捉不同原子间的特征和依赖关系	未提及具体的数据集规模限制或模型计算资源需求	解决有机化学和药物合成中的逆合成预测问题	化学分子（通过SMILES表示）	machine learning	NA	对比学习, Transformer	Transformer	text（SMILES字符串）	NA
60	2025-04-25	GenoM7GNet: An Efficient N7-Methylguanosine Site Prediction Approach Based on a Nucleotide Language Model 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3459870 PMID:39302806	research paper	提出了一种基于核苷酸语言模型的高效N7-甲基鸟苷位点预测方法GenoM7GNet	结合BERT预训练和1D CNN，显著提高了m7G位点预测的准确性和计算性能	未提及模型在跨物种或不同RNA类型上的泛化能力	开发高效的m7G位点预测方法以替代传统耗时耗力的实验技术	RNA序列中的N7-甲基鸟苷修饰位点	natural language processing	NA	RNA修饰分析	BERT + 1D CNN	RNA序列数据	未明确说明样本数量