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
41	2026-06-02	HiMolformer: Integrating graph and sequence representations for predicting liver microsome stability with SMILES 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108263 PMID:39536405	研究论文	提出HiMolformer混合模型，整合图和序列表示，用于预测肝脏微粒体稳定性	首次尝试使用单条SMILES输入通过回归任务开发小鼠和人肝脏微粒体稳定性预测模型；结合图神经网络HiMol和序列Transformer模型Molformer的混合架构	NA	提高药物代谢稳定性预测的准确性	新分子的代谢稳定性	机器学习	NA	NA	图神经网络（GNN）和Transformer	SMILES序列	3,498个分子（含小鼠和人肝脏微粒体实验数据）	PyTorch	HiMol, Molformer	NA	NA
42	2026-05-30	MPCD: A Multitask Graph Transformer for Molecular Property Prediction by Integrating Common and Domain Knowledge 2024-12-12, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c02193 PMID:39620982	研究论文	提出MPCD多任务图变换器模型，通过整合通用知识与领域知识提升分子性质预测性能	通过领域知识对齐预训练与微调优化目标，结合多任务学习提高数据利用率和模型鲁棒性，并采用关系感知自注意力机制全面捕获分子局部与全局结构	NA	提升分子性质预测中深度学习模型的迁移性能和数据利用率	分子化合物的吸收、分布、代谢、排泄和毒性及物理化学性质预测	机器学习	NA	NA	图变换器	分子结构数据	NA	NA	图变换器	NA	NA
43	2026-05-30	Hybrid similarity based feature selection and cascade deep maxout fuzzy network for Autism Spectrum Disorder detection using EEG signal 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108177 PMID:39226758	研究论文	提出一种基于混合相似度特征选择与级联深度最大输出模糊网络的模型，用于通过EEG信号检测自闭症谱系障碍	将深度最大输出网络与级联神经模糊系统整合，形成级联深度最大输出模糊网络；采用混合相似度度量（堪培拉距离和Kumar-Hassebrook距离）进行特征选择	未在论文标题和摘要中明确提及	通过EEG信号和深度学习模型实现自闭症谱系障碍的早期、低成本且准确的诊断	自闭症谱系障碍患者及健康对照人群的EEG信号数据	机器学习	自闭症谱系障碍	EEG信号采集	级联深度最大输出模糊网络	EEG信号数据	使用了EEG数据集和BCIAUT_P300数据集，但未具体说明样本数量	NA	级联深度最大输出网络、混合级联神经模糊系统	准确率、阴性预测值、阳性预测值、真阴性率、真阳性率	NA
44	2026-05-30	AScirRNA: A novel computational approach to discover abiotic stress-responsive circular RNAs in plant genome 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108205 PMID:39265460	研究论文	提出一种基于机器学习的计算方法，用于预测植物基因组中非生物胁迫响应的环状RNA	首次开发基于机器学习的模型用于预测非生物胁迫响应的circRNA，并整合为在线预测工具AScirRNA	NA	开发预测植物非生物胁迫响应circRNA的计算方法，助力培育抗逆作物品种	植物基因组中的非生物胁迫响应环状RNA	机器学习	植物非生物胁迫	NA	XGBoost, LightGBM	序列数据	NA	Scikit-learn	XGBoost, LightGBM	准确率, auROC, auPRC	NA
45	2026-05-30	ILYCROsite: Identification of lysine crotonylation sites based on FCM-GRNN undersampling technique 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108212 PMID:39277959	研究论文	提出一种基于MLP-Attention和FCM-GRNN欠采样技术的赖氨酸巴豆酰化位点鉴定模型ILYCROsite	首次结合模糊聚类与广义神经网络的FCM-GRNN欠采样技术处理不平衡数据，并采用MLP叠加自注意力机制进行预测	未明确讨论模型在不同物种或更大规模数据集上的泛化能力，且依赖单一特征编码策略可能遗漏关键信息	开发一种基于深度学习的赖氨酸巴豆酰化位点鉴定方法，以提高预测性能并解决传统机器学习处理非组蛋白位点的局限性	蛋白质序列中的赖氨酸巴豆酰化位点	机器学习	NA	特征提取（氨基酸组成、K-mer、基于距离的残基特征）、FCM-GRNN欠采样、MLP-Attention	MLP、注意力机制（自注意力）	序列数据	未明确说明具体样本数量，但包含巴豆酰化和非巴豆酰化序列	NA	MLP、自注意力机制	AUC	NA
46	2026-05-30	Serum Potassium Monitoring Using AI-Enabled Smartwatch Electrocardiograms 2024-Dec, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.07.023 PMID:39387744	研究论文	开发基于智能手表心电图和人工智能的算法，用于预测终末期肾病患者的血清钾水平	首次利用智能手表单导联心电图数据，通过深度学习模型预测血清钾水平，并验证了其在远程监测高钾血症中的实用性	NA	开发用于预测终末期肾病患者血清钾水平的人工智能心电图算法	终末期肾病患者	机器学习	高钾血症，慢性肾脏病，终末期肾病	心电图	深度学习模型	心电图波形	152,508名患者的293,557份配对心电图与血清钾数据，以及1,463名终末期肾病患者的4,337份心电图	NA	Kardio-Net	AUC，平均绝对误差	NA
47	2026-05-30	Comprehensive review of literature on Parkinson's disease diagnosis 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108228 PMID:39413446	综述	对帕金森病诊断文献进行全面综述，分析50篇文章中使用的不同模态（图像、信号、数据）及机器学习方法	系统分类多模态帕金森病诊断文献，分析数据集、仿真工具及性能指标，并识别研究空白与挑战	未明确列出具体方法或数据集的性能比较细节，且限于已选择的50篇文章	综述帕金森病诊断中不同模态（图像、信号、数据）的机器学习与深度学习方法	50篇关于帕金森病诊断的文章，涵盖不同数据模态	机器学习	帕金森病	NA	机器学习、深度学习	图像、信号、数据	50篇文章	NA	NA	多个性能指标（未具体列出）	NA
48	2026-05-30	DCSGMDA: A dual-channel convolutional model based on stacked deep learning collaborative gradient decomposition for predicting miRNA-disease associations 2024-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108201 PMID:39255626	研究论文	提出了一种基于堆叠深度学习协同梯度分解的双通道卷积模型，用于预测miRNA与疾病关联	创新性地结合堆叠深度学习与梯度分解网络，以及双通道卷积神经网络，从相似性网络中挖掘潜在特征	未明确说明，但可能依赖HMDD数据库的完整性和准确性	预测miRNA与疾病的潜在关联，深化对发病机制的理解	miRNA与疾病之间的关联关系	机器学习	多种人类疾病（未特指）	NA	CNN, 多层感知器	网络数据（相似性网络、关联网络）	基于HMDD数据库的两个数据集	NA	双通道卷积神经网络, 多层感知器	准确率、AUC等（未具体列出）	NA
49	2026-05-30	Artificial intelligence for human gunshot wound classification 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100361 PMID:38234590	研究论文	探索使用深度学习模型对数字彩色图像中的枪弹射入口和射出口进行分类的可行性	代表人工智能在法医病理学领域的首批应用之一，证实深度学习模型能够高准确度区分数码图像中的射入口和射出口	NA	评估利用深度学习模型自动分类枪弹射入口和射出口的可行性	枪弹射入口和射出口的数字彩色图像	计算机视觉	NA	NA	ConvNext Tiny 深度学习模型	图像	训练/验证集：2028张射入口图像和1314张射出口图像；测试集：415张射入口图像和293张射出口图像	Fastai	ConvNext Tiny	准确率, 精确率, 召回率, F1分数	NA
50	2026-05-26	Structural Insights into Cold-Active Lipase from Glaciozyma antarctica PI12: Alphafold2 Prediction and Molecular Dynamics Simulation 2024-12, Journal of molecular evolution IF:2.1Q3 DOI:10.1007/s00239-024-10219-3 PMID:39549052	研究论文	利用Alphafold2预测与分子动力学模拟，解析南极嗜冷真菌Glaciozyma antarctica PI12中冷活性脂肪酶Glalip03的结构与低温适应机制	首次结合系统发育分析与Alphafold2深度学习结构预测，识别含冷活性保守基序的新型脂肪酶，并通过低温分子动力学模拟揭示其全局稳定性和柔韧性	NA	理解冷活性脂肪酶的低温适应机制，为工业应用奠定分子基础	南极嗜冷真菌Glaciozyma antarctica PI12中假定的冷活性脂肪酶Glalip03	机器学习	NA	系统发育分析、Alphafold2结构预测、分子动力学模拟	分子动力学模拟	蛋白质序列与结构	单一酶蛋白Glalip03	Alphafold2, GROMACS	Alphafold2, 分子动力学模型	全局稳定性、柔韧性	NA
51	2026-05-20	NeuroPred-ResSE: Predicting neuropeptides by integrating residual block and squeeze-excitation attention mechanism 2024-12, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115648 PMID:39154878	研究论文	提出基于残差块和挤压激励注意力机制的神经肽预测模型NeuroPred-ResSE	首次将残差块与挤压激励注意力机制结合用于神经肽预测，能捕获并识别最相关的属性特征	未明确提及具体局限性，但可能依赖特定序列编码方法，需进一步验证泛化能力	开发快速准确的神经肽预测工具，助力神经系统疾病药物研发	神经肽序列及其预测模型	机器学习	神经系统疾病	NA	CNN（基于残差块和注意力机制）	序列数据（蛋白质/肽序列）	未明确样本数量，但提及训练集和测试集（基于5折交叉验证和独立测试）	NA	ResNet（残差块）、Squeeze-and-Excitation Network（挤压激励注意力机制）	准确率（accuracy）	NA
52	2026-05-20	The development of machine learning approaches in two-dimensional NMR data interpretation for metabolomics applications 2024-12, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115654 PMID:39187053	研究论文	利用机器学习方法开发二维核磁共振数据处理自动化流程，用于代谢组学定量分析	首次将多种机器学习分类方法（PLS-DA、ANN-DA、XGBoost-DA和ANNDL-DA）与自动峰选择相结合，实现二维核磁共振数据的自动化定量分析	PLS-DA和XGBoost-DA在数据变异或过拟合方面存在局限性，ANN-DA和ANNDL-DA的准确性仍约90%需进一步提升	开发自动化方法处理二维核磁共振数据，推动其在代谢组学定量研究中的常规应用	标准混合物、海葵提取物和小鼠粪便样本	机器学习	NA	NMR	PLS-DA, ANN-DA, XGBoost-DA, ANNDL-DA	二维核磁共振谱数据	标准混合物、海葵提取物和小鼠粪便样本	NA	NA	准确性（约90%）	NA
53	2026-05-20	Integrating predictive coding and a user-centric interface for enhanced auditing and quality in cancer registry data 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.04.007 PMID:38690549	研究论文	开发了一个结合深度学习与规则方法的混合自然语言处理系统，集成于医院信息系统，为癌症登记员提供患者病程可视化平台，以辅助肺癌登记数据的编码工作	将预测编码与用户中心界面整合，提出混合加权神经符号系统，并构建患者病程可视化平台以辅助编码审核	NA	简化医院癌症登记数据的人工提取流程，提升编码质量与效率	肺癌登记相关文本数据及编码项目	自然语言处理	肺癌	自然语言处理、深度学习、规则方法	混合深度学习-规则模型	文本	1428例肺癌患者数据	NA	混合神经符号架构	F1分数	NA
54	2026-05-16	Toward trustable use of machine learning models of variant effects in the clinic 2024-12-05, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2024.10.011 PMID:39561772	研究论文	针对临床变异效应预测模型的信任度问题，提出核心原则与建议以提升模型在临床中的可靠性和影响力	针对ClinGen工作组提出的验证策略存在的局限性，首次提出克服这些局限的核心原则与建议，为未来更可靠和更具影响力的变异效应预测模型使用奠定基础	未提及具体定量评估结果或大规模验证，提出的原则和推荐尚未经过实际临床数据测试	提升机器学习变异效应预测模型在临床中的可信赖度和实用性	蛋白质编码基因中错义替换效应预测的机器学习模型	机器学习	遗传性疾病	深度学习	机器学习模型（未指定具体类型）	序列数据	NA	NA	NA	模型性能、适用范围、鲁棒性	NA
55	2026-05-15	Accelerated 2D radial Look-Locker T1 mapping using a deep learning-based rapid inversion recovery sampling technique 2024-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5266 PMID:39358992	研究论文	开发一种基于深度学习的快速反转恢复采样技术，用于加速二维径向Look-Locker T1映射	通过结合快速T1恢复曲线采样、切片选择性反转、优化切片交错和卷积神经网络T1估计，实现单次屏气内的全腹部T1映射	NA	开发一种能够在单次屏气内高效覆盖腹部的T1映射框架	腹部器官的T1值估计	数字病理学	NA	T1映射	卷积神经网络	图像	21个切片，单次屏气20秒	NA	卷积神经网络	皮尔逊相关系数、重复性系数、变异系数	NA
56	2026-05-07	Validation of SynthSeg segmentation performance on CT using paired MRI from radiotherapy patients 2024-12-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120922 PMID:39557139	研究论文	本研究利用来自放射治疗患者的配对CT和MRI数据集，验证了深度学习模型SynthSeg在CT图像上进行脑部分割的性能	首次在多中心临床数据上系统评估SynthSeg用于CT脑部分割的可行性，并引入质量评分阈值以提升分割准确性	SynthSeg在CT上分割精度低于MRI，仅适用于对精度要求不高的应用场景	验证SynthSeg模型在CT图像上的脑部分割性能，并探讨其与MRI分割的一致性	来自5个医疗中心的260名放射治疗患者的配对CT和MRI图像	计算机视觉	NA	CT成像, MRI成像	深度学习模型 (SynthSeg)	医学图像 (CT和MRI)	260对CT和MRI图像	Freesurfer	SynthSeg	Dice系数, Hausdorff 95距离 (HD95)	NA
57	2026-05-06	Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane 2024-12, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-024-05841-0 PMID:38913129	研究论文	利用卷积神经网络对动态超声中盆底不同器官进行自动识别	首次验证深度学习在动态超声中实时识别盆底不同器官的可行性，比较了UNet、FPN和LinkNet三种架构，并通过Dice相似指数评估性能	样本量较小（仅86例训练和24例测试），膀胱和子宫的Dice系数较低（约0.71和0.70），可能受器官变形或标记差异影响	创建并验证卷积神经网络在中矢面动态超声中识别盆底不同器官的实用性	110例患者的盆底器官（包括膀胱、子宫、肛门、提肛肌等）	数字病理学	盆底功能障碍疾病	动态超声	卷积神经网络	视频	110例患者（86例训练，24例测试）	NA	UNet, FPN, LinkNet	Dice相似指数	NA
58	2026-05-04	Bioprospecting of culturable marine biofilm bacteria for novel antimicrobial peptides 2024-Dec, iMeta IF:23.7Q1 DOI:10.1002/imt2.244 PMID:39742298	研究论文	本研究利用可培养海洋生物膜细菌构建菌库并通过核糖体分析和深度学习预测新型抗菌肽	结合核糖体分析和深度学习提高小开放阅读框的鉴定和验证，发现与已知抗菌肽序列相似度低于40%的新型肽，且来自先前未知产抗菌肽的细菌类群	NA	加速新型抗菌肽的发现，扩展抗菌肽化合物的范围	可培养海洋生物膜细菌及其基因组和表达的抗菌肽	机器学习	NA	核糖体分析	深度学习	序列数据	713株细菌菌株及80,430个表达的小开放阅读框，其中341个为候选抗菌肽，化学合成60个序列	PyTorch	深度学习模型	抗菌活性	NA
59	2026-05-03	Evaluation of a Deep Learning Model for Metastatic Squamous Cell Carcinoma Prediction From Whole Slide Images 2024-12-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0406-OA PMID:38387604	研究论文	设计并验证了一种基于深度学习模型（EfficientNetB1），利用全切片图像预测转移性鳞状细胞癌	专门针对鳞状细胞癌的深度学习预测模型，仅使用全切片级别标签进行训练，无需人工标注，在多个器官来源的样本上表现出高检测性能	假阳性主要源于生发中心、灰尘细胞聚集和标本处理伪影；假阴性主要源于低分化肿瘤	提高鳞状细胞癌淋巴结转移的检测效率，减轻病理学家的工作负担	食管、头颈、肺和皮肤来源的鳞状细胞癌淋巴清扫全切片图像	数字病理学	鳞状细胞癌	NA	CNN（卷积神经网络）	图像	6587张WSI训练（2413张SCC和4174张非肿瘤），541张WSI测试（41张SCC和500张非肿瘤）	NA	EfficientNetB1	受试者工作特征曲线下面积（AUC）	NA
60	2026-05-02	Automated assessment of EEG background for neurodevelopmental prediction in neonatal encephalopathy 2024-12, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.52233 PMID:39543820	研究论文	评估新生儿脑病中基于深度学习的脑状态指数（BSN）预测神经发育结局的能力	首次将深度学习的BSN趋势用于新生儿脑病EEG背景自动评估，并证明其在出生后24小时内即可提供客观、定量的预后预测能力	样本量较小（92名婴儿），且仅针对18个月时的神经发育结局，缺乏长期随访数据	评估BSN趋势预测新生儿脑病神经发育结局的能力	92名新生儿脑病患儿	机器学习	新生儿脑病	深度学习	BSN（深度神经网络）	EEG信号	92名婴儿	NA	NA	AUC	NA