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
301	2026-01-19	TBM preferred to AlphaFold 3 for functional models of insect odorant receptors 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.08.028 PMID:41542085	研究论文	本文比较了基于模板的建模与AlphaFold 3在构建昆虫气味受体功能模型上的表现，并基于功能突变数据支持前者	首次系统比较了传统模板建模与最新AI模型AlphaFold 3在昆虫气味受体结构预测上的优劣，并引入了脂质分子模拟膜环境	研究仅涉及来自三个昆虫目的六个受体序列，样本量有限	评估并比较不同计算方法在预测昆虫气味受体结构和功能上的可靠性，以支持基于结构的害虫控制策略	昆虫气味受体	计算生物学	NA	模板建模，深度学习结构预测	AlphaFold 3	蛋白质序列，实验结构数据	来自三个昆虫目的六个气味受体序列	NA	AlphaFold 3	功能突变数据支持度	NA
302	2026-01-19	STAG-LLM: Predicting TCR-pHLA binding with protein language models and computationally generated 3D structures 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.09.004 PMID:41542080	研究论文	本文提出了一种名为STAG-LLM的多模态机器学习模型，用于预测TCR-pHLA结合特异性，该模型结合了蛋白质序列数据和计算生成的3D结构	通过结合蛋白质语言模型与几何深度学习架构，利用计算生成的3D蛋白质结构作为额外数据模态，显著提升了预测性能，即使在训练数据量减少三倍的情况下仍优于现有方法	使用计算生成的3D结构可能带来推理成本增加、训练数据有限以及对生成结构中噪声的鲁棒性等挑战	预测T细胞受体（TCR）与肽-HLA（pHLA）复合物的结合特异性，以支持个性化免疫治疗设计	T细胞受体（TCR）和肽-HLA（pHLA）复合物	机器学习	NA	计算建模工具生成3D蛋白质结构	蛋白质语言模型, 几何深度学习	蛋白质序列, 3D结构	NA	NA	STAG-LLM	NA	NA
303	2026-01-17	Assessing greenspace and cardiovascular health through deep-learning analysis of street-view imagery in a cohort of US children 2025-Jan-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120459 PMID:39603586	研究论文	本研究利用深度学习分割算法分析美国街景图像，评估居住区绿化空间与儿童心血管健康之间的关联	首次采用街景图像深度学习分析替代传统卫星测量，更精确地量化地面绿化暴露，并探索其与儿童心血管健康的跨阶段关联	仅观察到青春期晚期存在有限关联，未发现累积或纵向效应，样本局限于美国特定队列，可能受混杂因素影响	探究街景绿化空间与儿童心血管健康的关联性	美国Project Viva出生队列中的儿童参与者	计算机视觉	心血管疾病	深度学习分割算法	深度学习	街景图像	美国Project Viva队列儿童（2007-2021年追踪数据）	NA	分割算法（未指定具体架构）	回归系数, 95%置信区间	NA
304	2026-01-16	Integrating Protein Language Model and Molecular Dynamics Simulations to Discover Antibiofouling Peptides 2025-Jan-14, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c04140 PMID:39810350	研究论文	本研究结合基于深度学习的蛋白质语言模型和分子动力学模拟，从微生物组库中高通量筛选抗生物污染肽	首次将基于提示调优的蛋白质语言模型ESM2与分子动力学模拟相结合，用于从海量序列库中高通量发现抗生物污染肽	仅对六种候选肽进行了分子动力学模拟验证，筛选范围仍有待进一步扩大	开发新型抗生物污染肽材料，以拓展其在复杂生物环境中的应用场景	抗生物污染肽序列	机器学习	NA	蛋白质语言模型，分子动力学模拟	随机森林，蛋白质语言模型	肽序列数据	包含等量抗生物污染肽和生物污染肽序列的平衡数据库	NA	ESM2	NA	NA
305	2026-01-16	Translational Informatics Driven Drug Repositioning for Neurodegenerative Disease 2025, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X327908241121062335 PMID:39936420	综述	本文从转化信息学的角度全面审视了神经退行性疾病的药物重定位，涵盖数据源、计算模型和临床应用	通过整合人工智能和医疗数据，系统化地分类了药物重定位的计算模型，并突出了在神经退行性疾病研究中的应用潜力	NA	开发针对神经退行性疾病的有效治疗干预措施	神经退行性疾病	自然语言处理	老年病	NA	机器学习,深度学习	文本	NA	NA	NA	NA	NA
306	2026-01-16	Advancing Alzheimer's Diagnosis with AI-Enhanced MRI: A Review of Challenges and Implications 2025, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X353595250303064846 PMID:40754866	综述	本文综述了基于AI增强MRI在阿尔茨海默病诊断中的应用，重点探讨了深度学习模型（如CNN和NC-ANN）的挑战与临床意义	通过系统分类和批判性评估MRI深度学习研究，强调了其在提升神经疾病诊断性能方面的潜力，并讨论了临床实践中的挑战与未来方向	作为综述文章，未涉及原始数据或新模型开发，主要依赖现有研究，可能受限于文献覆盖范围和偏倚	总结和评估基于MRI的深度学习研究在神经疾病（特别是阿尔茨海默病）诊断中的应用，以促进AI在临床实践中的整合	阿尔茨海默病及其他神经疾病，使用脑结构MRI数据进行预测建模	数字病理学	阿尔茨海默病	脑结构磁共振成像（MRI）	CNN, NC-ANN	图像	NA	NA	NA	NA	NA
307	2026-01-16	Data-driven prediction of future purchase behavior in cross-border e-commerce using sequence modeling with PSO-tuned LSTM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337932 PMID:41370290	研究论文	提出一种结合变分模态分解、长短期记忆网络和粒子群优化的混合深度学习框架，用于预测跨境电商用户的未来购买行为	首次将变分模态分解（VMD）与LSTM结合用于跨境电商行为预测，并引入粒子群优化（PSO）自动调优LSTM超参数，有效提升预测精度和泛化能力	未明确说明模型在数据稀疏或新用户场景下的表现，也未讨论跨文化因素对购买行为的影响	提升跨境电商平台运营效率和用户体验，通过精准预测用户购买行为	跨境电商用户的购买行为序列数据	机器学习	NA	时间序列分析，变分模态分解	LSTM	时间序列数据	NA	NA	LSTM	预测准确率，鲁棒性	NA
308	2026-01-15	Deep Learning-assisted Diagnosis of Extrahepatic Common Bile Duct Obstruction Using MRCP Imaging and Clinical Parameters 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363648241215145959 PMID:39838679	研究论文	本研究开发了一种基于深度学习的融合模型，整合MRCP影像和临床参数，以辅助放射科医生更准确地诊断肝外胆总管梗阻	提出了一种多模态深度学习融合模型，结合MRCP影像特征和临床参数，并应用加权损失函数处理不同特征的重要性差异	样本量有限，仅143名患者拥有MRCP影像，且存在临床数据缺失需通过插补处理	开发一个深度学习分类模型，以提高肝外胆总管梗阻的诊断准确性	肝外胆总管梗阻患者	计算机视觉	肝外胆总管梗阻	磁共振胰胆管成像	深度学习融合模型	图像, 临床数据	465名患者（其中143名有MRCP影像）	NA	NA	准确率, 灵敏度, 特异性, AUC	NA
309	2026-01-14	Innovative Immunoinformatics Tools for Enhancing MHC (Major Histocompatibility Complex) Class I Epitope Prediction in Immunoproteomics 2025, Protein and peptide letters IF:1.0Q4 DOI:10.2174/0109298665373152250625054723 PMID:40662558	综述	本文综述了免疫信息学工具在提升MHC I类表位预测方面的最新进展	整合了生物信息学算法、人工智能和机器学习模型，特别是深度学习与多组学数据融合，以增强表位预测的敏感性和特异性	由于MHC I类结合肽的复杂性和多样性，在不同人群和情境中精确识别表位仍极具挑战性	提升MHC I类表位预测的准确性，以促进疫苗开发、癌症免疫疗法和自身免疫性疾病研究	MHC I类分子结合肽	自然语言处理	NA	免疫信息学工具（如NetMHC、IEDB、MHCflurry）、生物信息学算法、人工智能、机器学习、深度学习、多组学数据整合	机器学习模型、深度学习模型	大规模肽-MHC结合数据、结构特征、相互作用动态、蛋白质组学、转录组学、基因组学数据	NA	NA	NA	敏感性、特异性、准确性	NA
310	2026-01-13	Lymph Node Metastasis Prediction From In Situ Lung Squamous Cell Carcinoma Histopathology Images Using Deep Learning 2025-01, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102187 PMID:39542104	研究论文	本研究利用深度学习模型，基于肺鳞状细胞癌（LUSC）的原发肿瘤组织病理学图像，预测淋巴结转移	采用创新的多实例学习方法，结合patch likelihood histogram和bag of words技术提取全切片图像特征，并使用ExtraTrees算法构建了名为LN_ISLUSCH的预测模型	研究队列规模有限且多样性不足，未来需要更大、更多样化的队列以及整合更多组学数据以提高预测准确性和临床实用性	预测肺鳞状细胞癌（LUSC）的淋巴结转移，以提供更准确和客观的诊断与预后方法	肺鳞状细胞癌（LUSC）患者的组织病理学全切片图像	数字病理学	肺癌	组织病理学成像	深度学习, 机器学习	图像	来自Outdo-LUSC和癌症基因组图谱队列的全切片图像	PyTorch, Scikit-learn	ResNet-18	AUC, 95%置信区间, P值	NA
311	2026-01-12	Computational Stabilization of a Non-Heme Iron Enzyme Enables Efficient Evolution of New Function 2025-Jan-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202414705 PMID:39394803	研究论文	本文展示了使用深度学习工具ProteinMPNN对Fe(II)/αKG超家族酶进行重新设计，以提高其稳定性、溶解性和表达量，同时保留其天然活性和工业相关的非天然功能	利用深度学习工具ProteinMPNN对非血红素铁酶进行稳定化设计，并证明这种稳定化变体在定向进化中能更高效地获得新功能	NA	评估深度学习工具在酶工程工作流程中的有效性，并开发一种通用框架用于蛋白质稳定化和定向进化	Fe(II)/αKG超家族酶，特别是针对非天然远程C(sp)-H羟基化反应	机器学习	NA	深度学习, 定向进化	深度学习模型	蛋白质序列和结构数据	NA	ProteinMPNN	ProteinMPNN	活性增加倍数（6倍和80倍）	NA
312	2026-01-12	An Artificial Intelligence Pipeline for Hepatocellular Carcinoma: From Data to Treatment Recommendations 2025, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S529322 PMID:40621598	综述	本文提出一个针对肝细胞癌的统一人工智能管道，涵盖从数据到治疗建议的全过程	构建了一个整合多模态数据（影像、基因组、临床记录）并应用于肿瘤检测、个性化治疗规划、药物研发及患者管理的统一AI管道	面临数据质量、标准化和隐私保护等挑战	利用人工智能技术解决肝细胞癌在早期诊断和治疗选择方面的临床挑战	肝细胞癌	机器学习	肝细胞癌	机器学习, 深度学习	NA	影像, 基因组数据, 临床记录	NA	NA	NA	NA	NA
313	2026-01-12	Prediction of 131I uptake in lung metastases of differentiated thyroid cancer using deep learning 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1697233 PMID:41473240	研究论文	本研究开发了一个深度卷积神经网络模型，用于预测分化型甲状腺癌肺转移灶的131I摄取能力	首次利用深度卷积神经网络模型预测分化型甲状腺癌肺转移灶的131I摄取能力，为放射性碘治疗前的患者筛选提供了新方法	研究为回顾性、多中心队列研究，可能存在选择偏倚；样本量相对有限，需要更大规模的前瞻性研究验证	开发一个深度学习模型，用于预测分化型甲状腺癌肺转移灶的131I摄取能力，以指导放射性碘治疗	分化型甲状腺癌患者的肺转移灶	数字病理学	甲状腺癌	胸部CT成像	CNN	图像	主要数据集261例患者（131I摄取阳性140例，阴性121例），内部验证数据集59例，外部验证数据集1为43例，外部验证数据集2为41例	NA	ResNeSt50, Inception V3, ResNet50	AUC	NA
314	2026-01-12	On relational pedagogy in occupational therapy education: What it is and why it matters 2025-Jan, Scandinavian journal of occupational therapy IF:1.9Q2 DOI:10.1080/11038128.2026.2613622 PMID:41518199	研究论文	本文探讨了关系教育学在瑞典职业治疗教育中的相关性和应用	将关系教育学概念应用于职业治疗教育领域，强调人际、伦理和对话维度在竞争性高等教育环境中的重要性	研究基于单一瑞典大学的资深讲师访谈，可能缺乏广泛代表性；数字或混合学习环境可能削弱关系协调	描述和讨论关系教育学在职业治疗教育中的相关性和应用	瑞典职业治疗教育中的教学关系和实践	NA	NA	NA	NA	访谈数据、反思笔记、文献资料	瑞典某大学的资深讲师访谈（具体数量未明确说明）	NA	NA	NA	NA
315	2026-01-11	Low-Cost and Fast Epiretinal Membrane Detection and Quantification Based on SD-OCT 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3629332 PMID:41503050	研究论文	提出了一种基于SD-OCT B扫描的低成本、快速视网膜前膜检测与量化新方法	提出了一种新的en face投影技术（EPI），并利用YOLOv11x模型实现高精度检测，同时提出了一种将EPI投影与视网膜厚度图相关联的评分机制，揭示了视网膜前膜与视网膜增厚之间的空间关系	需要进一步的大规模验证以确认其临床可靠性	开发一种低成本、快速且准确的视网膜前膜检测与量化方法	视网膜前膜	计算机视觉	视网膜疾病	SD-OCT	CNN	图像	NA	NA	YOLOv11x	mAP@50, mAP@50:95, 相关性评分, ICC, AAS, AR	NA
316	2026-01-10	Deep learning-based lymph node metastasis status predicts prognosis from muscle-invasive bladder cancer histopathology 2025-Jan-10, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-05440-8 PMID:39792275	研究论文	本研究开发了一种基于深度学习的模型，利用原发性肿瘤组织预测肌肉浸润性膀胱癌的淋巴结转移状态，并验证了预测的aiN评分在预后评估中的价值	首次使用基于UNI视觉编码器的深度学习模型直接从H&E染色组织学图像中提取特征，以预测肌肉浸润性膀胱癌的淋巴结转移状态，并证明aiN评分作为独立预后因子的有效性	研究为回顾性分析，需要前瞻性验证以确认模型在个性化管理中的应用潜力	开发并验证一个深度学习模型，用于预测肌肉浸润性膀胱癌的淋巴结转移状态及其预后价值	肌肉浸润性膀胱癌患者	数字病理学	膀胱癌	H&E染色组织学图像分析	深度学习	图像	训练和内部验证集：323名患者（来自TCGA）；外部验证集：139名患者（来自武汉大学人民医院）	NA	UNI	AUC, 风险比	NA
317	2026-01-10	Research Hotspots of Traditional Chinese Medicine for Liver Cancer in the Future Directions: A Bibliometric Analysis 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S555310 PMID:41496746	文献计量分析	本文通过对过去十年中医药治疗肝癌研究的文献进行系统性计量分析，描绘了该领域的知识图谱和发展趋势	首次系统性地对中医药治疗肝癌领域进行了跨数据库（CNKI、Wanfang、VIP、Web of Science）的文献计量分析，并揭示了中英文文献在研究主题上的显著差异及新兴前沿	国际与跨区域合作仍然有限，且分析依赖于所选数据库的覆盖范围和检索策略	填补中医药在肝癌管理研究领域的知识图谱空白，系统分析其研究热点与演变趋势	从中国知网、万方、维普和Web of Science等数据库中检索到的与中医药和肝癌相关的出版物	文献计量学	肝癌	文献计量分析，科学图谱工具（如CiteSpace, Origin 2024, R, VOSviewer）	NA	文献数据（出版物）	从2015年2月14日至2025年2月14日期间检索的相关出版物	CiteSpace, Origin 2024, R, VOSviewer	NA	NA	NA
318	2026-01-10	Identifying health conditions in older adults in textual health records using deep learning-based natural language processing 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.09.009 PMID:41496888	研究论文	本研究利用深度学习自然语言处理模型从老年患者的电子健康记录自由文本中识别跌倒、失禁、孤独和行动受限等健康问题	首次在芬兰大规模电子健康记录中应用深度学习NER模型识别老年健康问题，相比诊断代码显著提高了识别数量和死亡率预测能力	研究仅针对芬兰特定年龄段患者，结果可能受数据质量和文本记录完整性影响	开发基于深度学习的自然语言处理模型以识别老年患者电子健康记录中的关键健康问题	102,525名50-80岁芬兰患者的电子健康记录自由文本	自然语言处理	老年疾病	命名实体识别	深度学习模型	文本	102,525名患者的1060万条自由文本记录	NA	NA	精确率, 召回率, F1分数	NA
319	2026-01-10	Comparing the performance of dynamic susceptibility contrast and arterial spin labeling for detecting residual and recurrent glioblastoma with deep learning and multishell diffusion MRI 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf219 PMID:41497450	研究论文	本研究比较了动态磁敏感对比增强（DSC）和动脉自旋标记（ASL）两种MR灌注技术在结合深度学习和多模态MRI（包括多壳层扩散和灌注）下，用于检测胶质母细胞瘤残留和复发的性能	首次结合深度学习和多模态MRI（包括多壳层扩散和灌注）来比较DSC和ASL在胶质母细胞瘤复发检测中的性能，并发现ASL在特定区域（如手术腔附近）具有优势	研究为回顾性设计，样本量相对有限（137次MRI扫描，107名患者），且未详细讨论模型在其他肿瘤类型或更大数据集上的泛化能力	比较DSC和ASL两种MR灌注技术在区分胶质母细胞瘤复发和治疗后变化中的性能	胶质母细胞瘤患者的MRI图像，包括灌注和多壳层扩散数据	数字病理学	胶质母细胞瘤	动态磁敏感对比增强（DSC），动脉自旋标记（ASL），多壳层扩散MRI	深度学习	MRI图像	137次MRI扫描，来自107名胶质母细胞瘤患者	nnU-Net	nnU-Net	Dice分数，曲线下面积（AUC）	NA
320	2026-01-10	PET-TURTLE: Deep Unsupervised Support Vector Machines for Imbalanced Data Clusters 2025, IEEE signal processing letters IF:3.2Q2 DOI:10.1109/lsp.2025.3636453 PMID:41497826	研究论文	本文提出了一种名为PET-TURTLE的深度无监督支持向量机方法，用于处理不平衡数据聚类问题	通过引入幂律先验来泛化成本函数以处理不平衡数据分布，并在标记过程中引入稀疏logits以简化搜索空间，从而提升聚类准确性	NA	改进深度聚类算法以更好地处理不平衡数据分布	合成数据和真实数据中的不平衡聚类问题	机器学习	NA	NA	深度无监督支持向量机	NA	NA	NA	TURTLE, PET-TURTLE	准确性	NA