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
61	2026-06-17	Advances in Diagnostic Approaches for Alzheimer's Disease: From Biomarkers to Deep Learning Technology 2025, CNS & neurological disorders drug targets DOI:10.2174/0118715273374284250519053646 PMID:40444626	综述	综述了从生物标志物到深度学习技术的阿尔茨海默病诊断方法的最新进展	系统总结了生物标志物（如β-淀粉样蛋白）和神经退行性测量在阿尔茨海默病早期诊断中的应用，并强调了深度学习技术（尤其是卷积神经网络）在脑部变化检测中的高准确性	当前尚无针对此致命疾病的特异性治疗或诊断方法；深度学习技术旨在辅助而非替代临床评估	评估和总结阿尔茨海默病的诊断方法，涵盖生物标志物和深度学习技术	阿尔茨海默病患者的生物标志物（如β-淀粉样蛋白）和脑成像数据（如MRI）	机器学习	阿尔茨海默病	脑成像（MRI, CT, PET等）、脑脊液样本分析、机器学习、深度学习	卷积神经网络	图像（脑影像）、文本（行为认知变化报告）	NA	NA	卷积神经网络	准确性	NA
62	2026-06-15	ComNet: A Multiview Deep Learning Model for Predicting Drug Combination Side Effects 2025-01-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01737 PMID:39749659	研究论文	提出了一种名为ComNet的多视图深度学习模型，用于预测药物组合的副作用	提出了多视图特征提取模块、多尺度子图融合机制以及基于注意力的多视图特征融合机制	未明确提及	提高药物组合副作用预测的准确性	药物组合及其副作用	机器学习	NA	NA	深度学习模型	文本（SMILES）、三维构象、分子指纹	多个公开数据集及自收集数据集	NA	ComNet	准确性	NA
63	2026-06-15	Graph-Based Deep Learning Models for Thermodynamic Property Prediction: The Interplay between Target Definition, Data Distribution, Featurization, and Model Architecture 2025-01-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02014 PMID:39780656	研究论文	探讨了基于图的深度学习模型在热力学性质预测中目标定义、数据分布、特征化和模型架构之间的相互作用	系统分析了目标定义（生成能 vs 原子化能/焓）、特征化方法选择以及模型架构修改对预测精度的相对重要性，并发现分子级预测优于原子级增量预测	未明确说明	研究基于图的深度学习模型在热力学性质预测中的关键影响因素，以开发更通用的预测架构	五个具有不同元素组成、多样性、电荷状态和大小的数据集	机器学习	NA	基于图的深度学习	图神经网络	数值数据（热力学性质）	五个数据集，具体数量未明确	NA	多种图神经网络架构	准确度	NA
64	2026-06-15	Prediction of Proteolysis-Targeting Chimeras Retention Time Using XGBoost Model Incorporated with Chromatographic Conditions 2025-01-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01732 PMID:39786356	研究论文	利用XGBoost模型结合色谱条件预测蛋白降解靶向嵌合体（PROTACs）的保留时间	首次系统比较多种机器学习算法和深度学习模型预测PROTACs保留时间，并提出优化的XGBoost模型，结合色谱条件描述符显著提升预测精度	仅基于文献数据构建数据集，未涉及大规模实验验证；模型对新色谱条件的泛化能力仍需进一步验证	开发快速精准的PROTACs保留时间预测方法，辅助化合物注释和药物设计	PROTACs化合物	机器学习	NA	液相色谱-质谱联用, XGBoost, 随机森林, K近邻, 支持向量机, 全连接神经网络, SHAP可解释性分析	XGBoost, 随机森林, K近邻, 支持向量机, 全连接神经网络	分子指纹和描述符、色谱条件描述符	从文献中收集的PROTACs数据集（具体样本数未明确）	NA	XGBoost, 随机森林, K近邻, 支持向量机, 全连接神经网络	决定系数R², 均方根误差RMSE	NA
65	2026-06-15	PPI-CoAttNet: A Web Server for Protein-Protein Interaction Tasks Using a Coattention Model 2025-01-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01365 PMID:39761551	研究论文	基于共注意力机制设计深度学习模型PPI-CoAttNet，构建用于蛋白质-蛋白质相互作用预测的Web服务器	首次将共注意力机制同时应用于蛋白质-蛋白质相互作用和结合位点预测，并构建了支持在线训练的多功能Web平台	未说明具体局限性	开发用户友好的多功能Web服务器，用于蛋白质-蛋白质相互作用预测，加速药物发现	蛋白质-蛋白质相互作用及其结合位点	机器学习	癌症	NA	深度学习	蛋白质序列数据	NA	NA	共注意力网络	AUC, F1分数	NA
66	2026-06-15	Enhanced Sampling Simulations of RNA-Peptide Binding Using Deep Learning Collective Variables 2025-01-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01438 PMID:39772512	研究论文	利用深度学习集体变量对RNA与肽结合进行增强采样模拟	使用新型深度目标判别分析(Deep-TDA)方法设计集体变量，用于研究灵活肽与构象丰富宿主RNA的结合过程，有效解决了复杂分子识别中集体变量选择难题	NA	开发并验证用于研究生物分子识别过程的增强采样模拟方法	环肽L22与HIV TAR RNA的结合过程	机器学习	NA	NA	深度学习模型	分子模拟数据	NA	NA	Deep-TDA	NA	NA
67	2026-06-15	High-Accuracy Identification and Structure-Activity Analysis of Antioxidant Peptides via Deep Learning and Quantum Chemistry 2025-01-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01713 PMID:39772654	研究论文	本研究提出了一种结合深度学习与量子化学的框架，用于高效识别抗氧化肽并分析其构效关系	首次将双向长短期记忆网络（Bi-LSTM）与量子化学计算相结合，构建了抗氧化肽识别与活性分析一体化框架	NA	开发一种高效、高精度的抗氧化肽识别方法，并深入解析其结构-活性关系	抗氧化肽的序列数据及其抗氧化活性	机器学习	氧化应激相关疾病	机器学习, 量子化学计算, UMAP可视化	Bi-LSTM	序列数据	两个数据集，具体样本数未提及；实验验证了10种肽	PyTorch	Bi-LSTM	准确率, 精确率, 马修斯相关系数, DPPH清除率, ABTS清除率, HOMO-LUMO能隙	NA
68	2026-06-15	PPDock: Pocket Prediction-Based Protein-Ligand Blind Docking 2025-01-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01373 PMID:39814581	研究论文	提出一种基于口袋预测的两阶段蛋白质-配体盲对接方法，显著提升对接精度与泛化能力	首次将口袋预测与口袋对接结合为两阶段范式，解决全蛋白对接难以识别正确口袋的问题	未提及	提高蛋白质-配体盲对接的准确性和泛化性能	蛋白质-配体盲对接	机器学习	NA	NA	深度学习模型	蛋白质和配体结构数据	基准数据集（未明确样本数量）	NA	NA	对接准确率、泛化能力、效率	NA
69	2026-06-15	Residue-Level Multiview Deep Learning for ATP Binding Site Prediction and Applications in Kinase Inhibitors 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01255 PMID:39690486	研究论文	提出了一种基于多视图深度学习的方法，用于ATP结合位点预测及其在激酶抑制剂中的应用	引入了端到端深度学习模型Multiview-ATPBind，整合一维序列和三维结构信息进行残基水平的口袋-配体相互作用预测，并设计了新的残基级提升算法ResiBoost以缓解数据不平衡问题	未在摘要中明确说明局限性	实现快速准确的ATP结合位点预测并应用于药物发现，特别是激酶抑制剂	ATP结合位点（残基级口袋-配体相互作用）及激酶抑制剂（伊马替尼和达沙替尼）	深度学习	癌症	深度学习	多视图深度学习模型	序列和结构数据	NA	NA	Multiview-ATPBind	平衡指标	NA
70	2026-06-15	MGT: Machine Learning Accelerates Performance Prediction of Alloy Catalytic Materials 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01065 PMID:39698829	研究论文	本文提出掩码图变换器（MGT）网络，通过结合非线性消息传递机制和分子几何信息，加速合金催化材料在析氢反应中的性能预测	创新性地将整体分子图与忽略固定原子的掩码图分别输入MGT网络，增强模型对关键催化位点的识别能力；引入非线性消息传递机制改进Transformer中的点积注意力，并通过深度张量积整合分子几何信息以捕捉节点相对位置的方向信息	未提及具体局限性	利用深度学习技术预测高性能合金催化剂在析氢反应中的吸附能，加速材料发现	合金催化材料	机器学习	NA	NA	MGT（掩码图变换器）、MPNN、Transformer	分子图数据	小数据集OC20-Ni	PyTorch	NLMP-TransNet（MPNN与Transformer结合的框架）、残差连接、权重共享	误差率（0.5447 eV）	NA
71	2026-06-15	Deep Learning-Driven Insights into Enzyme-Substrate Interaction Discovery 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01801 PMID:39721977	研究论文	介绍了一种名为MEI的机器学习框架，用于高精度预测分子是否为特定酶的底物	提出MEI模型，通过层级神经网络中的高级注意力机制结合原子环境数据与氨基酸序列特征，在预测准确性和AUROC上分别提升至少6.7%和8.5%，并在不同数据集上展现卓越泛化能力	未明确说明局限性	开发高精度计算模型预测酶与底物的相互作用	酶与分子底物的相互作用	机器学习	NA	机器学习，酶底物预测	层级神经网络（高级注意力机制）	序列数据（酶序列与分子原子环境数据）	包含酶促反应和酶序列的综合数据集	NA	MEI（层级神经网络结合注意力机制）	准确率, AUROC	NA
72	2026-06-15	Evaluations of the Perturbation Resistance of the Deep-Learning-Based Ligand Conformation Optimization Algorithm 2025-01-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01096 PMID:39724561	研究论文	评估基于深度学习的配体构象优化算法（DeepRMSD+Vina）对输入结构扰动的鲁棒性	首次系统评估深度学习配体构象优化算法（DeepRMSD+Vina）对输入扰动的鲁棒性，并揭示其在高达3 Å扰动下保持高成功率（62%）的物理驱动优势	当扰动RMSD扩展至3-4 Å时，成功率骤降至11%，表明算法对大扰动敏感	评估深度学习配体构象优化算法的鲁棒性及其对输入扰动的抵抗力	多种蛋白质-配体复合物的结合构象优化	机器学习	NA	深度学习	深度神经网络	分子结构数据	多种蛋白质-配体案例	PyTorch	DeepRMSD	成功率	NA
73	2026-06-08	Multimodal MRI radiomics-clinical fusion model predicts intravenous glucocorticoid response in thyroid eye disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1726947 PMID:41641033	研究论文	开发多模态MRI影像组学-临床融合模型，预测甲状腺眼病患者的静脉糖皮质激素治疗反应	首次将多模态MRI影像组学与临床特征融合构建预测模型，并采用影像组学-深度学习特征联合方法提升预测性能	样本量较小（108例），需更大规模多中心研究验证模型泛化性；模型AUC虽有改善，但与单独影像组学模型无显著差异	开发无创预测工具，实现甲状腺眼病患者静脉糖皮质激素治疗的个性化方案制定	甲状腺眼病患者，具体为78例治疗反应者和30例无反应者	医学影像分析	甲状腺相关眼病	MRI影像组学, 深度学习迁移学习	逻辑回归, 深度学习网络	MRI影像, 临床数据	108例甲状腺眼病患者（其中78例治疗反应者，30例无反应者）	NA	LASSO回归, 深度学习迁移学习融合模型	ROC/AUC, 校准曲线, 决策曲线分析, DeLong检验	NA
74	2026-06-07	A Review of Deep Learning Techniques for EEG-Based Emotion Recognition: Models, Methods, and Datasets 2025, F1000Research DOI:10.12688/f1000research.171170.2 PMID:41585461	综述	对基于脑电图信号、利用深度学习进行情绪识别的方法、模型和数据集进行系统性综述	通过PRISMA指南进行系统筛选，涵盖2020-2025年文献，评估公开数据集的刺激过程和情感表征，旨在提升可解释性、泛化性和数据效率	未提及具体局限，但可能包括数据标注主观性、跨个体差异及EEG信号噪声等固有挑战	为基于EEG的情绪识别系统提供发展路线图，指导开发更可靠、可扩展和实用的方法	基于EEG信号的情绪识别方法及其使用的深度学习架构和数据集	机器学习	NA	EEG	深度学习（DL）	脑电图信号	最终纳入233篇文章	NA	NA	分类准确率、模型效率	NA
75	2026-06-07	Study on differentiating benign and malignant thyroid nodules based on CT multi-phase artificial intelligence models 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1738342 PMID:41625234	研究论文	基于CT多期相人工智能模型区分甲状腺结节良恶性的研究	首次系统比较了放射组学特征、原始3D DICOM数据和临床因素在CT多期相成像中区分甲状腺结节良恶性的效果，并构建了整合多模态数据的列线图模型	研究为回顾性设计，样本量有限，且未在外部数据集中验证模型的泛化能力	开发并验证基于CT多期相成像的人工智能模型，用于无创区分甲状腺结节的良恶性	604例甲状腺结节患者的CT多期相数据（平扫、动脉期、静脉期）及临床因素（性别、年龄、甲状腺球蛋白、促甲状腺激素水平）	计算机视觉, 机器学习	甲状腺结节	CT多期相成像	CNN, 机器学习模型	3D DICOM图像, 临床数据	604例甲状腺结节患者	PyTorch, Scikit-learn	ResNet, 列线图	AUC	NA
76	2026-06-04	ATOMIC: a graph attention network for atopic dermatitis prediction using human gut microbiome 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1670993 PMID:41583462	研究论文	提出一种基于图注意力网络的模型ATOMIC，利用人类肠道微生物组预测特应性皮炎	首次将图注意力网络与微生物共表达网络结合，整合微生物基因组信息作为节点特征，增强了捕捉功能相关微生物模式的能力，并提供了可解释的注意力机制	研究样本量较小（99个样本），且仅聚焦于特应性皮炎，可能限制模型的泛化能力	开发可解释的深度学习模型，利用肠道微生物组预测特应性皮炎，并识别潜在生物标志物	特应性皮炎患者与健康对照的肠道微生物组样本	机器学习	特应性皮炎	NA	图注意力网络 (GAT)	肠道微生物组丰度数据	99个成年患者与健康对照的肠道微生物组样本	PyTorch	图注意力网络	AUROC, AUPRC	NA
77	2026-06-04	AI-driven transformation of precision medicine: a comprehensive narrative review of key application areas, emerging paradigms, and future directions 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1656603 PMID:41584179	综述	综合评述人工智能在精准医疗中推动范式转变的关键应用领域、新兴趋势和未来方向	全面分析AI如何重塑从传统诊疗向个性化健康管理生态的转变，并探讨共生AI等未来框架	证据基础不均衡、模型泛化性不足，以及数据隐私、算法公平性和可解释性等伦理问题	阐明AI驱动精准医疗转变的核心作用及未来发展方向	AI技术在精准医疗全价值链中的创新应用	机器学习	NA	深度学习, 机器学习, 自然语言处理	NA	多模态数据	NA	NA	NA	NA	NA
78	2026-06-04	Deep learning-based multimodal approach for non-invasive prediction and prognostic analysis of immune and angiogenic biomarkers in extrahepatic cholangiocarcinoma 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1658122 PMID:41607783	research paper	开发基于深度学习的多模态框架，整合MRI、临床和实验室数据，预测肝外胆管癌患者PD-L1和VEGF表达并进行预后分析	首次将深度学习特征、影像组学特征和临床-实验室特征通过重复注意机制整合，实现对肝外胆管癌免疫和血管生成生物标志物的无创预测	回顾性研究设计，样本量有限（96例），模型对PD-L1表达的预测性能中等（AUC=0.71），可能影响泛化能力	开发非侵入性方法预测肝外胆管癌患者的PD-L1和VEGF表达，并评估其预后价值	肝外胆管癌（eCCA）患者	digital pathology	extrahepatic cholangiocarcinoma	MRI成像	CNN	图像	96例患者的16050张原始MRI图像（11505张T1WI，2371张T2WI，2372张DWI）和1570张含肿瘤图像（990张T1WI，289张T2WI，291张DWI）	PyTorch	重复注意机制	AUC	NA
79	2026-06-03	Advancing neuro-ophthalmic diagnostics: a multimodal imaging approach integrating OCT angiography and AI-enhanced MRI for improved visual pathway analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1690082 PMID:41939693	研究论文	提出一种多模态成像框架，整合OCT血管成像与AI增强MRI，用于改善视觉通路分析	提出NeuroGraphPath模型，将视觉通路表示为有向图，包含解剖定义的节点和参数化变换，并引入交叉流逆推策略实现双向推理，实现生物可解释的诊断	常规诊断工具（如MRI和OCT）受限于空间分辨率、跨模态整合和可解释性，尤其在压迫性神经病变、脱髓鞘疾病或不明原因视野缺损中导致诊断不确定性	开发一种整合OCT血管成像与AI增强MRI的多模态框架，提升神经眼科诊断的精确性和可解释性	视觉通路病变（包括压迫性神经病变、脱髓鞘疾病、不明原因视野缺损）	计算机视觉，自然语言处理	神经眼科疾病	OCT血管成像，MRI	NeuroGraphPath	图像	NA	NA	NeuroGraphPath	病变定位性能、不确定性感知推理、可解释性	NA
80	2026-06-02	Challenges and applications of artificial intelligence in infectious diseases and antimicrobial resistance 2025-Jan-07, npj antimicrobials and resistance DOI:10.1038/s44259-024-00068-x PMID:39843587	综述	本文综述了人工智能在传染病和抗菌药物耐药性领域的应用，包括诊断、治疗和药物发现	系统总结了AI在传染病控制中的当前应用及其潜在优势和创新点	未明确讨论AI在实际临床部署中的障碍和算法偏差问题	探讨人工智能在传染病诊断、治疗和药物发现中的挑战与应用	传染病和抗菌药物耐药性的诊断、治疗及药物发现过程	机器学习	传染病	NA	CNN, LSTM	图像、文本	NA	NA	NA	NA	NA