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
861	2024-12-10	ProAffinity-GNN: A Novel Approach to Structure-Based Protein-Protein Binding Affinity Prediction via a Curated Data Set and Graph Neural Networks 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01850 PMID:39558674	研究论文	本文提出了一种基于图神经网络的新方法ProAffinity-GNN，用于通过精心策划的数据集预测蛋白质-蛋白质结合亲和力	引入了一种新的深度学习框架ProAffinity-GNN，结合蛋白质语言模型和图神经网络，显著提高了结构基础的蛋白质-蛋白质结合亲和力预测的准确性	NA	解决蛋白质-蛋白质相互作用中结合亲和力预测的挑战，提供更有效和精确的方法	蛋白质-蛋白质相互作用的结合亲和力	机器学习	NA	图神经网络（GNN）	图神经网络（GNN）	结构数据	包含实验确定的结合亲和力的蛋白质复合物的3D结构的最大数据集
862	2024-12-10	CPIScore: A Deep Learning Approach for Rapid Scoring and Interpretation of Protein-Ligand Binding Interactions 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01175 PMID:39563077	研究论文	本文介绍了一种名为CPIScore的深度学习方法，用于快速评分和解释蛋白质-配体结合相互作用	CPIScore结合了Transformer和图卷积网络（GCN），以提高蛋白质-配体结合亲和力的预测准确性	NA	提高蛋白质-配体结合亲和力预测的效率和准确性	蛋白质-配体结合相互作用	机器学习	NA	深度学习	Transformer和图卷积网络（GCN）	蛋白质和配体序列	多个目标和化合物库
863	2024-12-10	Matini-Net: Versatile Material Informatics Research Framework for Feature Engineering and Deep Neural Network Design 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01676 PMID:39569801	研究论文	本文介绍了一种名为Matini-Net的多功能材料信息学研究框架，用于特征工程和深度神经网络设计	Matini-Net提供了灵活的设计特征、图模型及其组合的能力，适用于单模态和多模态模型架构，并通过自动化特征工程、超参数调优和网络构建，使深度学习技术更易于应用于材料研究	NA	开发一个多功能框架，用于材料信息学研究中的特征工程和深度神经网络设计	材料属性数据集	机器学习	NA	深度神经网络	回归架构	材料属性数据	五个材料属性数据集
864	2024-12-10	ReduMixDTI: Prediction of Drug-Target Interaction with Feature Redundancy Reduction and Interpretable Attention Mechanism 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01554 PMID:39570771	研究论文	本文提出了一种名为ReduMixDTI的端到端模型，用于减少特征冗余并显式捕捉药物-靶点相互作用的复杂局部交互	ReduMixDTI通过使用图神经网络和卷积神经网络对药物和靶点特征进行编码，并引入注意力机制显式建模药物和靶点子结构之间的成对交互，从而提高了模型的预测能力和可解释性	NA	提高药物-靶点相互作用预测的准确性和可解释性	药物和靶点之间的相互作用	机器学习	NA	图神经网络、卷积神经网络	注意力机制	图、图像	三个基准数据集和反映真实场景的外部测试集
865	2024-12-10	Conformalized Graph Learning for Molecular ADMET Property Prediction and Reliable Uncertainty Quantification 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01139 PMID:39571080	研究论文	本文介绍了一种新的图神经网络模型，用于分子ADMET性质预测和不确定性量化	提出了结合图神经网络和联合均值-分位数回归损失以及基于集成的保形预测方法的新模型	未提及	提高分子ADMET性质预测的准确性和不确定性量化	分子ADMET性质	机器学习	NA	图神经网络	图神经网络	分子数据	未提及
866	2024-12-10	iDCNNPred: an interpretable deep learning model for virtual screening and identification of PI3Ka inhibitors against triple-negative breast cancer 2024-Dec-08, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11055-9 PMID:39648257	研究论文	提出了一种可解释的深度卷积神经网络模型iDCNNPred，用于虚拟筛选和识别三阴性乳腺癌中的PI3Ka抑制剂	开发了可解释的深度学习模型iDCNNPred，并通过Grad-CAM技术增强了模型的透明度和可解释性	NA	开发和验证一种用于识别三阴性乳腺癌中PI3Ka抑制剂的深度学习模型	三阴性乳腺癌中的PI3Ka抑制剂	机器学习	乳腺癌	深度卷积神经网络	CNN	图像	使用Maybridge Chemical库筛选的分子，最终筛选出12个有潜力的分子进行生物验证
867	2024-12-10	Deep Learning-Assisted Design of Novel Donor-Acceptor Combinations for Organic Photovoltaic Materials with Enhanced Efficiency 2024-Dec-08, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202407613 PMID:39648547	研究论文	本文提出了一种基于深度学习的框架，用于设计具有增强效率的有机光伏材料的供体-受体组合	开发了一种结构表示方法——聚合物指纹，并构建了有机光伏材料数据库，通过端到端的图神经网络建模方法，建立了高精度的深度学习模型来预测有机光伏性能	NA	加速设计具有超高效率的供体-受体组合，并为有机光伏器件带来性能突破	有机光伏材料的供体和受体结构及其组合	机器学习	NA	深度学习	图神经网络	结构数据	约0.6百万个虚拟供体-受体组合
868	2024-12-10	Deep learning biomarker of chronometric and biological ischemic stroke lesion age from unenhanced CT 2024-Dec-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01325-z PMID:39643604	研究论文	本文研究了使用深度学习方法从非增强CT图像中估计急性缺血性脑损伤的生物学和计时学年龄	本文提出了一种基于卷积神经网络的放射组学模型（CNN-R），用于优化从非增强CT图像中估计病变年龄，其准确性约为传统方法NWU的两倍	NA	优化急性缺血性脑损伤的病变年龄估计方法，以提高超急性期中风管理的准确性	急性缺血性脑损伤的生物学和计时学年龄	计算机视觉	中风	卷积神经网络	CNN	图像	1945例
869	2024-11-09	Pix2HDR - A Pixel-Wise Acquisition and Deep Learning-Based Synthesis Approach for High-Speed HDR Videos 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3410140 PMID:38837925	研究论文	提出了一种基于像素级采样和深度学习合成的高速HDR视频获取方法	采用像素级可编程图像传感器进行采样，结合深度神经网络进行HDR视频合成，解决了传统方法中帧率与动态范围之间的矛盾	NA	提高动态场景下高速HDR视频的获取精度	动态场景中的高速HDR视频	计算机视觉	NA	深度学习	深度神经网络	视频	NA
870	2024-12-10	Generative adversarial networks to create synthetic motion capture datasets including subject and gait characteristics 2024-Dec, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112358 PMID:39509807	研究论文	本文通过修改生成对抗网络（GANs）为条件生成对抗网络（cGANs），生成包括受试者和步态特征的合成运动捕捉数据集	本文创新性地使用cGANs生成多样化的运动捕捉数据，包括15个标记轨迹、下肢关节角度和3D地面反作用力（GRFs），并基于指定的受试者和步态特征	本文未提及具体的局限性	解决资源密集型运动捕捉系统对预测深度学习应用的挑战，生成多样化的运动捕捉数据集	研究对象包括15个标记轨迹、下肢关节角度和3D地面反作用力（GRFs）	机器学习	NA	生成对抗网络（GANs）	条件生成对抗网络（cGANs）	运动捕捉数据	未明确提及样本数量
871	2024-12-10	Société de Biomécanique young investigator award 2023: Estimation of intersegmental load at L5-S1 during lifting/lowering tasks using force plate free markerless motion capture 2024-Dec, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112422 PMID:39579592	研究论文	本研究使用无标记的多视角运动捕捉系统估算了L5-S1节段在提举/放下任务中的负荷	本研究首次使用无标记的多视角运动捕捉系统结合深度学习技术估算L5-S1节段的负荷，并与传统的基于标记和力板的系统进行了比较	本研究尚未在真实的工业条件下进行验证	研究提举/放下任务中L5-S1节段的负荷，以更好地理解肌肉骨骼疾病的病因和发展	L5-S1节段的负荷	生物力学	NA	深度学习	NA	运动数据	所有受试者的平均差异为14.0 ± 6.9 N和9.0 ± 2.3 Nm，峰值差异为10.8 ± 8.9 N和11.9 ± 9.5 Nm
872	2024-12-10	Deep learning-based automated detection of the dental crown finish line: An accuracy study 2024-Dec, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2023.11.018 PMID:38097424	研究论文	本文研究了基于深度学习的牙冠完成线自动检测方法的准确性	提出了一种结合深度学习和计算机辅助设计的新型混合方法，用于牙冠完成线的提取	研究样本仅包括182个下颌扫描数据，且未涵盖所有可能的临床情况	比较新型混合方法与现有软件在提取牙冠完成线方面的准确性	牙冠完成线的自动提取方法	计算机视觉	NA	深度学习	NA	图像	182个下颌扫描数据，分为两组：使用桌面扫描仪扫描的模型（DS组）和使用口内扫描仪扫描的数据（IS组）
873	2024-12-09	ANTIPASTI: Interpretable prediction of antibody binding affinity exploiting normal modes and deep learning 2024-Dec-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.001 PMID:39461331	研究论文	本文提出了一种名为ANTIPASTI的卷积神经网络模型，用于预测抗体结合亲和力，利用弹性网络模型导出的正常模式相关图作为输入	该模型不仅捕捉了结构特征，还捕捉了局部和全局残基波动的能量模式，并且学习到的表示是可解释的	NA	研究抗体结合亲和力的预测	抗体-抗原结构的结合亲和力	机器学习	NA	卷积神经网络	CNN	图像	NA
874	2024-12-09	GeoNet enables the accurate prediction of protein-ligand binding sites through interpretable geometric deep learning 2024-Dec-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.011 PMID:39488202	研究论文	本文介绍了一种名为GeoNet的几何深度学习模型，用于准确预测蛋白质-配体结合位点	GeoNet通过引入无坐标几何表示来表征局部残基分布，并生成特征空间来描述局部相互作用生物物理环境，从而学习潜在的残基结合模式	NA	开发一种能够准确预测蛋白质、DNA和RNA结合位点的计算模型	蛋白质、DNA和RNA的结合位点	机器学习	NA	几何深度学习	GeoNet	蛋白质结构数据	NA
875	2024-12-09	Deep learning models can predict violence and threats against healthcare providers using clinical notes 2024-Dec-05, Npj mental health research DOI:10.1038/s44184-024-00105-7 PMID:39638888	研究论文	本文训练了两种深度学习模型，用于预测医疗工作者在暴力事件发生前3天的暴力和威胁行为，使用临床笔记和结构化数据	首次使用深度学习模型预测医疗环境中的暴力事件，超越了人类专家的预测性能	NA	开发能够预测医疗工作者暴力和威胁行为的深度学习模型，以提前进行干预	医疗工作者的暴力和威胁行为	机器学习	NA	深度学习	文档分类模型和回归模型	临床笔记和结构化数据	NA
876	2024-12-09	Federated learning based fire detection method using local MobileNet 2024-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82001-w PMID:39639063	研究论文	提出了一种基于联邦学习的室内外火灾检测方法IOFireNet，结合双边滤波和超像素自适应聚类技术，提高了火灾检测和定位的准确性	引入了基于联邦学习的IOFireNet方法，结合双边滤波和超像素自适应聚类技术，显著提高了火灾检测和分割的准确性	NA	提高火灾检测和定位的准确性，支持早期预警	火灾检测和定位	计算机视觉	NA	联邦学习	MobileNet	图像	NA
877	2024-12-09	Deepmol: an automated machine and deep learning framework for computational chemistry 2024-Dec-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00937-7 PMID:39639396	研究论文	DeepMol 是一个用于计算化学的自动化机器学习和深度学习框架	DeepMol 通过自动化机器学习管道中的关键步骤，显著简化了计算化学中的数据预处理、特征工程和模型选择过程	NA	提供一个集成化的 AutoML 框架，用于计算化学中的分子性质/活性预测	计算化学中的分子性质/活性预测问题	机器学习	NA	AutoML	传统机器学习模型和深度学习模型	分子数据	22 个基准数据集
878	2024-12-09	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-Dec-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	研究卫星和街景图像中的绿色空间与美国儿童肥胖之间的关系	本研究使用卫星遥感数据和街景图像中的绿色空间指标，结合深度学习算法，全面评估了绿色空间与儿童肥胖指标之间的关联	研究仅限于美国儿童，且样本量相对较小	探讨卫星遥感数据和街景图像中的绿色空间指标与儿童肥胖指标之间的关联	美国儿童的肥胖指标与绿色空间	公共卫生	肥胖	深度学习算法	NA	图像	843名儿童
879	2024-12-09	A first step towards a machine learning-based framework for bloodstain classification in forensic science 2024-Dec, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2024.112278 PMID:39504628	研究论文	本文探讨了使用机器学习和深度学习方法在法医学中进行血迹分类的潜力	开发了一个原型分类模型，用于识别与血迹数据相关的动作	仅测试了三种血迹模式（Swing、Cessation和Impact），且模型准确率为80%	研究机器学习和深度学习在法医学血迹分类中的应用	血迹数据及其相关动作的分类	机器学习	NA	机器学习	分类模型	血迹数据	三种血迹模式（Swing、Cessation和Impact）
880	2024-12-08	Evaluating chemical effects on human neural cells through calcium imaging and deep learning 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111298 PMID:39634567	研究论文	本研究利用深度学习模型分析了人诱导多能干细胞衍生的神经前体细胞在暴露于四种代表性化学物质后的钙动态变化	本研究开发了一种利用深度学习平台进行化学物质对人神经功能影响的初步筛选方法	NA	评估化学物质对人类神经细胞的影响	人诱导多能干细胞衍生的神经前体细胞	机器学习	NA	钙成像	深度学习模型	钙动态数据	暴露于不同浓度四种化学物质的人诱导多能干细胞衍生的神经前体细胞