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
1281	2024-08-15	Simulation- and AI-directed optimization of 4,6-substituted 1,3,5-triazin-2(1H)-ones as inhibitors of human DNA topoisomerase IIα 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.037 PMID:39135887	研究论文	本研究通过分子模拟和人工智能方法优化了4,6-取代的1,3,5-三嗪-2(1H)-酮作为人DNA拓扑异构酶IIα抑制剂的结构	本研究结合分子模拟、动态药效团和自由能计算以及Deepfrag软件的深度学习预测，有效指导了分子设计，实现了药物优化	NA	进一步开发针对人DNA拓扑异构酶IIα的4,6-取代-1,3,5-三嗪-2(1)-酮类化合物	4,6-取代-1,3,5-三嗪-2(1)-酮类化合物及其对人DNA拓扑异构酶IIα的抑制活性	药物设计	NA	分子模拟, 动态药效团, 自由能计算, STD NMR	深度学习	化合物	多种具有双环和单环取代的化合物
1282	2024-08-09	Synthetic data generation methods in healthcare: A review on open-source tools and methods 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.07.005 PMID:39108677	综述	本文综述了医疗领域中合成数据生成方法的应用及其效果，重点关注开源工具和方法	探讨了合成数据在解决数据稀缺和隐私问题方面的潜力，以及在训练人工智能算法时提供无偏见数据和足够样本量的需求	NA	评估合成数据方法在医疗领域的应用及其效果	医疗数据，包括表格数据、影像数据、放射组学数据、时间序列数据和组学数据	机器学习	NA	合成数据生成技术，包括统计方法、概率方法、机器学习和深度学习	深度学习	多模态数据	NA
1283	2024-08-08	Strengths and limitations of web servers for the modeling of TCRpMHC complexes 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.028 PMID:39104710	研究论文	本文比较了三个流行的网络服务器（ImmuneScape、TCRpMHCmodels和TCRmodel2）在模拟TCRpMHC复合物结构方面的优缺点	研究采用了不同的建模策略，包括对接、同源建模和深度学习，并对这些方法的准确性进行了评估	研究仅限于人类MHC等位基因，并且依赖于已有的实验确定的晶体结构数据	评估和比较不同网络服务器在模拟TCRpMHC复合物结构方面的性能	TCRpMHC复合物的三维结构	生物信息学	NA	对接、同源建模、深度学习	NA	蛋白质结构	87个TCRpMHC复合物
1284	2024-08-08	Preeclampsia and its prediction: traditional versus contemporary predictive methods 2024-Dec, The journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians DOI:10.1080/14767058.2024.2388171 PMID:39107137	综述	本文综述了子痫前期的流行病学、病因、病理生理及风险因素，并重点讨论了人工智能深度学习技术在预测子痫前期中的新兴作用	人工智能模型在预测子痫前期方面展现出较高的准确性和价值，特别是在预测晚发型子痫前期方面表现出色	传统的子痫前期预测模型在敏感性和特异性方面存在显著局限，尤其是预测晚发型子痫前期的检出率仅为30%至50%	探讨人工智能深度学习技术在子痫前期预测中的应用，以提高预测方法的临床应用	子痫前期的预测方法及其在临床上的应用	机器学习	妊娠相关疾病	人工智能深度学习	AI模型	NA	NA
1285	2024-08-07	Addressing docking pose selection with structure-based deep learning: Recent advances, challenges and opportunities 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.024 PMID:38827235	评论	本文综述了基于深度学习的分子对接姿势选择的最新进展与挑战	提出了两种新开发的基于深度学习的姿势选择器	当前对接程序使用的评分函数参数化的设计限制了正确识别配体本征结合构象的能力	探讨基于深度学习的对接姿势选择方法的发展及未来方向	本文讨论了分子对接中配体与其靶标结合方式的选择	数字病理学	NA	深度学习	NA	结构数据	NA
1286	2024-08-06	An efficient method for disaster tweets classification using gradient-based optimized convolutional neural networks with BERT embeddings 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102843 PMID:39101121	研究论文	提出了一种基于BERT嵌入的卷积神经网络（CNN）模型，用于有效分类与灾难相关的推特	提出了结合BERT嵌入和基于梯度的优化技术的CNN模型，以提高灾难推特分类的准确性	目前所用的模型和方法可能在其他非灾难推特的分类上表现不佳	研究旨在开发有效的方法以分类与灾难相关的真实和虚假推特	研究对象为在Twitter平台上讨论的关于灾难情景的推特	自然语言处理	NA	BERT嵌入	CNN	文本	NA
1287	2024-08-06	Corrigendum to "Addressing docking pose selection with structure-based deep learning: Recent advances, challenges and opportunities" [Comput Struct Biotechnol J vol. 23 (2024) 2141-2151] 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.07.001 PMID:39100805	更正	这篇文章是对之前论文的更正。	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1288	2024-08-04	Biological reinforcement learning simulation for natural enemy -host behavior: Exploring deep learning algorithms for population dynamics 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102845 PMID:39092273	研究论文	本研究介绍了一种生物强化学习模拟，用于探索自然敌人在宿主害虫存在下的行为	创新点在于利用Q学习算法模拟寄生生物/捕食者与害虫的决策过程，分析它们之间的种群动态	模拟参数是随意设置的，可能影响结果的普遍适用性	研究的目的是分析自然敌人与害虫之间的种群动态	研究对象为寄生生物/捕食者与害虫的交互	生态学	NA	Q学习	NA	模拟数据	多个回合的蚜虫-瓢虫交互案例
1289	2024-08-05	Enhancing the image quality of prostate diffusion-weighted imaging in patients with prostate cancer through model-based deep learning reconstruction 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100588 PMID:39070063	研究论文	本研究评估了模型基础的深度学习重建在前列腺扩散加权成像中的有效性。	本研究展示了深度学习重建在前列腺扩散加权成像中显著提高了图像质量的定性和定量特性。	本研究未与其他基于深度学习的方法进行比较，这是一个需要未来研究关注的局限性。	评估模型基础的深度学习重建在前列腺扩散加权成像中的效用。	32名已确诊为前列腺癌的患者，病变≥10mm。	数字病理学	前列腺癌	深度学习重建	NA	图像	32名前列腺癌患者
1290	2024-08-05	Smartphone-based machine learning model for real-time assessment of medical kidney biopsy 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100385 PMID:39071542	研究论文	本文开发了一种基于智能手机的机器学习模型，以实时评估肾活检的质量	首次利用智能手机图像和深度学习模型评估肾活检中皮质的百分比	研究需要进一步优化和验证模型性能，尤其是在不同场景中的表现	旨在开发能实时评估肾活检样本质量的机器学习模型	747个肾活检样本及其智能手机拍摄的图像	机器学习	NA	深度学习、U-Net	卷积神经网络（CNN）	图像	747个肾活检样本
1291	2024-08-05	Establishing a differential diagnosis model between primary membranous nephropathy and non-primary membranous nephropathy by machine learning algorithms 2024-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2024.2380752 PMID:39039848	研究论文	本研究建立了一种基于机器学习算法的原发性膜性肾病与非原发性膜性肾病的鉴别诊断模型	使用Xgboost模型在原发性膜性肾病的诊断中展现出最高的灵敏度和特异度	本研究仅包括来自一个医院的数据，样本来源可能有限	探索最适合的分类算法以识别原发性膜性肾病	来自2019到2021年在罗河中心医院就诊的500名肾病患者	机器学习	肾脏疾病	机器学习算法	Xgboost	数字数据	500名患者，包括322例原发性膜性肾病和178例非原发性膜性肾病
1292	2024-08-05	Structure-based protein and small molecule generation using EGNN and diffusion models: A comprehensive review 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.021 PMID:39050782	综述	本文综述了用于蛋白质和小分子生成的结构基础方法，重点介绍了EGNN和扩散模型的结合	聚焦于将平变图神经网络与扩散模型相结合，以提高蛋白质生成的3D结构表示能力	本文未详细探讨扩散模型在其他领域的潜在应用	旨在探讨深度学习在蛋白质设计中的应用和效率提升	主要研究对象为具有预定结构的全新蛋白质	机器学习	NA	深度学习，扩散模型	平变图神经网络	NA	NA
1293	2024-08-05	AI-assisted deep learning segmentation and quantitative analysis of X-ray microtomography data from biomass ashes 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102812 PMID:39040214	研究论文	这篇文章介绍了一种使用深度学习对X射线微核成像数据进行分割和定量分析的方法	提出了一种深度学习分割方法，克服了手动分割中遇到的挑战，并提高了对多样化颗粒的定量分析精度	对于具有相似强度但不同模式的材料特征及背景中的强度变化和伪影，可能仍然存在分离困难	提高生物质灰烬图像的分割和定量分析效率，以促进有效的营养回收与可持续实践	生物质灰烬的微观结构，特别是颗粒的物理特性和孔隙结构	计算机视觉	NA	深度学习	U-Net	图像	NA
1294	2024-08-05	Deep learning of antibody epitopes using positional permutation vectors 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.005 PMID:39035832	研究论文	本文提出了一种通过位置置换向量编码抗原表位来改善B细胞表位预测的新方法	该方法通过将表位编码为二进制位置置换向量，并利用无结合蛋白的3D宏结构特征来提高预测准确性	仍需进一步验证该模型在其他类型数据上的广泛适用性	提高B细胞表位的计算预测精度	针对SARS-CoV-2的Spike蛋白进行B细胞表位的预测	计算机视觉	NA	深度学习	NA	蛋白质序列	实验验证的表位数据集
1295	2024-08-05	Deep Learning of radiology-genomics integration for computational oncology: A mini review 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.019 PMID:39035833	review	本文回顾了深度学习在放射基因组整合中的应用进展	探讨了深度学习在识别新的放射基因组生物标志物和治疗靶点方面的重要性，并强调了解释性人工智能方法的支持	目前的挑战和研究方向仍然需要解决，具体细节未在文中深入探讨	研究放射基因组整合在计算肿瘤学中的应用和挑战	关注放射学和基因组学数据的结合及相关的新技术	计算肿瘤学	NA	深度学习	NA	放射学数据和基因组数据	NA
1296	2024-08-05	A comprehensive overview of recent advances in generative models for antibodies 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.016 PMID:39027650	综述	本文对抗体生成模型的最新进展进行了全面概述	总结了34种具有代表性的抗体生成模型，按其原理和算法将其分为三类，并分析了它们的性能和贡献	未提及具体模型的局限性	旨在提供抗体生成模型的最新发展和选择方法的指导	分析和比较不同类型的抗体生成模型	生物制药	NA	深度学习	序列生成模型、结构生成模型和混合模型	抗体数据	收集了34种最近发布的抗体生成模型
1297	2024-08-05	Decoding phenotypic screening: A comparative analysis of image representations 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.02.022 PMID:38510976	研究论文	本文旨在利用JUMP-CP数据集开发高通量筛选数据的通用表示模型	提出了一种使用自监督学习的方法，能够提供更鲁棒的表征，并优化训练策略	研究可能面临的数据集限制和适用性问题	开发用于高通量筛选数据的通用表示模型	主要针对使用U2OS细胞和CellPainting协议生成的数据	数字病理学	NA	深度学习	自监督学习模型	图像	使用了来自多个联盟伙伴的数据
1298	2024-08-05	Discovering novel Cathepsin L inhibitors from natural products using artificial intelligence 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.009 PMID:39006920	研究论文	本研究采用人工智能和实验方法从天然产品中识别新的Cathepsin L抑制剂	利用深度学习模型和分子对接筛选，发现了新的Cathepsin L抑制剂	临床应用的限制仍然存在	识别新型Cathepsin L抑制剂以用于代谢疾病的治疗	筛选来自天然产品的150种分子以进行实验验证	医药	代谢疾病	人工智能和实验方法	深度学习模型	分子	150种分子
1299	2024-08-05	Characterizing drought prediction with deep learning: A literature review 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102800 PMID:38989261	综述	本文回顾了深度学习技术在干旱预测中的应用现状	总结了最常用的气候指数和深度学习算法在干旱预测中的应用，尤其是LSTM算法	缺乏美洲和非洲在该领域的科学知识出版	评估用于干旱预测的深度学习技术的现状	干旱预测相关的深度学习技术和相关气候指数	机器学习	NA	深度学习	LSTM	气象指数	NA
1300	2024-08-05	A clinical-radiomics nomogram based on automated segmentation of chest CT to discriminate PRISm and COPD patients 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100580 PMID:38989052	研究论文	该研究开发了一种基于放射组学的新型无创方法，用于区分PRISm和COPD患者	利用完全自动化的深度学习分割算法实现胸部CT图像的分割，并构建了放射组学标志以提高区分能力	本研究为回顾性研究，可能存在选择偏倚	开发高准确性的无创方法以区分PRISm和COPD患者	共1066名受试者，根据是否用于训练、内部验证或外部验证进行分类	数字病理学	慢性阻塞性肺病	深度学习分割算法(DL)	多变量逻辑回归模型	图像	1066名受试者