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
101	2025-05-21	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	本文介绍了ClickGen，一种利用模块化反应和强化学习生成高合成性分子的深度学习模型	结合点击化学和强化学习，确保生成分子具有高多样性、新颖性和强结合倾向	NA	开发一种能够生成高合成性分子的AI模型，以加速新药发现	化学分子	机器学习	癌症	强化学习	深度学习	化学结构数据	针对三种蛋白质的现有结合物进行验证
102	2025-05-21	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	本文探讨了在医学图像分类中使用上下文学习的方法，特别是在癌症病理图像分类中的应用	首次系统评估了GPT-4V在医学图像分析中的上下文学习能力，展示了其在无需参数更新的情况下匹配或超越专门训练的网络的能力	研究仅限于三种特定的癌症组织病理学任务，且依赖于非领域特定数据训练的模型	探索和验证上下文学习在医学图像处理任务中的应用效果	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的乳腺肿瘤检测	数字病理学	结直肠癌、乳腺癌	上下文学习	GPT-4V	图像	少量样本（具体数量未提及）
103	2025-05-20	Increasing phosphorus loss despite widespread concentration decline in US rivers 2024-Nov-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2402028121 PMID:39556745	research paper	该研究利用深度学习方法和大量水文气象数据，重建了美国河流中磷的长期趋势，发现尽管磷浓度普遍下降，但磷流失总量却在增加	利用多任务长短期记忆模型填补历史数据空白，重建了美国河流中总磷的长期趋势	研究依赖于历史数据的重建，可能存在一定的不确定性	分析美国河流中磷的长期变化趋势及其影响因素	美国本土430条河流的总磷浓度和流失量	环境科学	NA	深度学习	LSTM	水文气象数据	430条河流的数据
104	2025-05-19	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	介绍了一个名为LungVis 1.0的AI驱动的3D成像生态系统，用于定量分析纳米颗粒在肺部支气管和肺泡区域的分布及其与肺巨噬细胞的相互作用	首次整合光片荧光显微镜和基于深度学习的图像分析流程，实现了纳米颗粒在肺部分布的定量和整体性分析，并揭示了肺组织驻留巨噬细胞的动态行为	研究仅限于小鼠肺部模型，未涉及人类或其他动物模型	探索肺部药物递送的动态过程，加深对肺巨噬细胞介导的肺部免疫的理解	纳米颗粒在肺部的分布和肺组织驻留巨噬细胞的行为	数字病理学	呼吸系统疾病	光片荧光显微镜，深度学习	深度学习模型（未指定具体类型）	3D图像	小鼠肺部模型
105	2025-05-17	Synthetic augmentation of cancer cell line multi-omic datasets using unsupervised deep learning 2024-11-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54771-4 PMID:39614072	研究论文	本文介绍了一种名为MOSA的无监督深度学习模型，用于整合和增强癌症依赖图谱（DepMap）的多组学数据	MOSA模型通过整合多组学信息，成功生成了分子和表型特征，增加了32.7%的多组学特征数量，并生成了1523个癌细胞系的完整DepMap	NA	整合和增强癌症依赖图谱的多组学数据，以提高统计能力并揭示与耐药性相关的机制	癌细胞系的多组学数据集	机器学习	癌症	无监督深度学习	MOSA	多组学数据	1523个癌细胞系
106	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
107	2025-05-11	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	本研究提出了一种基于深度神经网络的无创胎儿基因分型方法	首次将深度学习框架应用于基于cfDNA的无创胎儿基因分型，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	开发一种高效的无创产前单基因疾病检测方法	孕妇血浆中的游离DNA(cfDNA)	机器学习	单基因遗传病	全基因组测序(WGS)	深度学习(DL)	基因组数据	NA
108	2025-05-11	[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无法举臂且需要心电图监测的危重患者腹部CT图像质量的影响	首次将深度学习重建算法与智能金属伪影减少技术结合，用于改善危重患者腹部CT图像质量	研究为回顾性设计，样本量相对较小（102例患者）	提高危重患者腹部CT图像质量	无法举臂且需要心电图监测的危重患者	医学影像处理	危重病	深度学习重建算法、智能金属伪影减少技术、CT扫描	深度学习	CT图像	102例危重患者
109	2025-05-10	DECA: harnessing interpretable transformer model for cellular deconvolution of chromatin accessibility profile 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf069 PMID:39987573	research paper	介绍了一种基于vision transformer的深度学习模型DECA，用于从批量染色质可及性数据中解析细胞类型信息	DECA利用单细胞ATAC-seq数据集作为参考，提高了精度和分辨率，其多头部注意力机制生成的补丁注意力与Hi-C检测到的染色质相互作用一致	NA	探索发育和疾病中的基因调控程序	批量染色质可及性数据	machine learning	pan-cancer	ATAC-seq, Hi-C	vision transformer	chromatin accessibility profile	NA
110	2025-05-09	Liquid Biopsy-Based Detection and Response Prediction for Depression 2024-11-26, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c08233 PMID:39501510	研究论文	本研究开发了一种基于深度学习的血浆细胞外囊泡（EVs）光谱分析方法，用于抑郁症的检测和治疗反应预测	首次利用深度学习和拉曼信号分析血浆EVs，实现抑郁症的客观诊断和抗抑郁治疗反应预测	样本来源仅限于血浆EVs，未涉及其他生物标志物	开发抑郁症的客观诊断方法和治疗反应预测系统	抑郁症患者、健康人群及恐慌障碍患者	机器学习	抑郁症	拉曼光谱分析	深度学习	光谱数据	抑郁症患者与健康人群及恐慌障碍患者的血浆样本
111	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
112	2025-05-08	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	本文开发了一种半监督深度学习计算框架digID，用于预测与阿尔茨海默病相关的基因，并通过蛋白质-蛋白质相互作用网络分析优先考虑这些基因的重要性	提出了一种新的半监督深度学习计算框架digID，用于预测AD相关基因并揭示新的分子机制和治疗靶点	需要进一步的生物学验证来确认计算预测的基因簇作为AD治疗靶点的潜力	研究阿尔茨海默病的致病途径和相关基因，以识别新的治疗靶点	阿尔茨海默病相关基因及其在脑部的表达模式	计算生物学	阿尔茨海默病	半监督深度学习、蛋白质-蛋白质相互作用网络分析、STORM超分辨率显微镜	半监督深度学习分类器	多组学数据、mRNA表达数据、图像数据	转基因小鼠模型（两性）
113	2025-05-07	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	research paper	提出了一种名为DeepPFP的多任务感知架构，用于蛋白质功能预测	结合了Model-Agnostic Meta-Learning和蛋白质语言模型Evolutionary Scale Modeling，以解决跨领域迁移学习的泛化问题	模型在特定任务或蛋白质类型上的表现可能受限，因为蛋白质功能更依赖于结构特征而非序列信息	开发一个能够捕捉不同序列-功能映射任务共享特征的模型，以提高泛化能力	蛋白质序列及其功能预测	machine learning	NA	Model-Agnostic Meta-Learning, Evolutionary Scale Modeling	DeepPFP	protein sequence	五个域外深度突变扫描(DMS)数据集，以及SARS-CoV-2的DMS数据集
114	2025-05-04	Therapeutic gene target prediction using novel deep hypergraph representation learning 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf019 PMID:39841592	研究论文	提出了一种名为HIT的深度超图表示学习模型，用于预测治疗性基因靶点	使用超图结构和基于注意力的学习方法捕捉基因、本体、疾病和表型之间的复杂关系	已知治疗靶点的数量有限	预测治疗性基因靶点以开发针对疾病遗传原因的治疗方法	基因	机器学习	NA	深度超图表示学习	HIT (Hypergraph Interaction Transformer)	基因、本体、疾病和表型数据	NA
115	2025-05-04	Predicting transcriptional changes induced by molecules with MiTCP 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf006 PMID:39847444	research paper	开发了一种名为MiTCP的深度学习方法，用于预测小分子诱导的转录变化	利用图神经网络同时建模分子结构表示和基因共表达关系，用于预测转录变化	NA	预测小分子诱导的转录变化，以促进药物发现和筛选过程	978个标志基因的转录变化	machine learning	NA	deep learning	graph neural network	transcriptional profiles	L1000数据集
116	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
117	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
118	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
119	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
120	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