深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 19275 篇文献，本页显示第 2561 - 2580 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2561 | 2026-02-27 |
Deciphering the unique autoregulatory mechanisms and substrate specificity of the understudied DCLK3 kinase linked to neurodegenerative diseases
2025-10, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110664
PMID:40902973
|
研究论文 | 本文揭示了与神经退行性疾病相关的未充分研究的激酶DCLK3的独特自调节机制和底物特异性 | 首次发现了DCLK3通过其截短的尾部进行自磷酸化，并以不同于其旁系同源物DCLK1的方式将其锚定在催化结构域上；利用深度学习模型预测并验证了微管相关蛋白Tau作为DCLK3的潜在底物 | 研究主要基于体外实验和计算预测，体内功能验证和病理相关性仍需进一步探索 | 阐明未充分表征的激酶DCLK3的调控机制和细胞功能，为神经退行性疾病提供潜在治疗靶点 | 双皮质素样激酶3（DCLK3）及其细胞底物 | 计算生物学, 生物信息学 | 神经退行性疾病（如亨廷顿病） | 计算分析, 实验分析, 肽库数据集, 体外测定, 质谱分析 | 深度学习模型 | 肽序列数据 | NA | NA | NA | NA | NA |
| 2562 | 2026-02-27 |
Developing inhibitors of the guanosine triphosphate hydrolysis accelerating activity of Regulator of G protein Signaling-14
2025-10, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110611
PMID:40848973
|
研究论文 | 本研究通过结构引导的虚拟筛选和机器学习增强的对接技术，发现并验证了一类可选择性、非共价抑制RGS14 GTP酶加速蛋白活性的小分子抑制剂 | 首次实现了对RGS14这一“不可成药”蛋白GTP酶加速活性的非共价、小分子抑制，并利用机器学习增强的对接技术指导针对浅表蛋白表面的配体优化 | 未在动物疾病模型中验证抑制剂的治疗潜力，且针对的蛋白-蛋白相互作用界面较浅，可能影响后续药物开发的难度 | 开发针对RGS14蛋白GTP酶加速活性的选择性小分子抑制剂，探索其作为中枢神经系统和代谢性疾病潜在治疗药物的可能性 | RGS14蛋白及其GTP酶加速蛋白活性 | 药物发现，计算化学 | 中枢神经系统疾病，代谢性疾病 | 结构引导虚拟筛选，配体对接，荧光检测，放射性GTP水解测定，深度学习评分 | 深度学习模型 | 分子结构数据，生物化学测定数据 | 超过40个第二代类似物 | NA | NA | 抑制活性，亲和力增益，细胞毒性，药代动力学参数，中枢神经系统渗透性 | NA |
| 2563 | 2026-02-27 |
Integrating artificial intelligence with Gamma Knife radiosurgery in treating meningiomas and schwannomas: a review
2025-Sep-18, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-025-03820-7
PMID:40965768
|
综述 | 本文综述了人工智能与伽玛刀放射外科技术在治疗脑膜瘤和神经鞘瘤中的整合应用 | 系统性地回顾了AI（特别是深度学习与影像组学）在伽玛刀治疗脑膜瘤和神经鞘瘤中的最新应用，包括肿瘤分割、体积评估、疗效预测及并发症预测 | 纳入研究数量有限（9项），存在外部验证不足、标准化缺乏以及计算需求高等挑战，限制了临床转化 | 评估人工智能技术在伽玛刀放射外科治疗脑膜瘤和神经鞘瘤中的应用潜力与现状 | 接受伽玛刀放射外科治疗的脑膜瘤和神经鞘瘤患者 | 数字病理学 | 脑膜瘤, 神经鞘瘤 | 伽玛刀放射外科, MRI (T1加权, T2加权) | 深度学习, 机器学习, 卷积神经网络, 随机生存森林 | 医学影像 (MRI), 临床数据, 影像组学特征 | 861名患者（一项研究） | NA | 双通路卷积神经网络, 随机生存森林 | Dice相似系数, C-index | NA |
| 2564 | 2026-02-27 |
The efficacy of machine learning algorithms in evaluating factors associated with shunt-dependent hydrocephalus after subarachnoid hemorrhage: a systematic review and meta-analysis
2025-Sep-01, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-025-03773-x
PMID:40887550
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了机器学习算法在分析自发性蛛网膜下腔出血后慢性分流依赖性脑积水相关因素中的效能 | 首次对机器学习算法在预测蛛网膜下腔出血后慢性分流依赖性脑积水中的应用进行了系统综述和荟萃分析，并比较了不同特征数量对模型性能的影响 | 纳入的研究数量有限（仅5项），且存在中度异质性，可能影响结果的普遍性 | 评估机器学习算法在识别自发性蛛网膜下腔出血后慢性分流依赖性脑积水相关风险因素中的效能 | 自发性蛛网膜下腔出血后发生慢性分流依赖性脑积水的患者 | 机器学习 | 脑积水 | 机器学习算法分析 | 线性模型, 树基模型, 深度学习模型 | 临床数据集 | 来自5项符合条件的研究的数据 | NA | NA | AUC-ROC, 准确率, 灵敏度, 特异性, 精确率, F1分数 | NA |
| 2565 | 2026-02-27 |
An explainable covariate compartmental model for predicting the spatio-temporal patterns of dengue in Sri Lanka
2025-Sep, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013540
PMID:41004532
|
研究论文 | 本文提出了一种可解释的协变量区室模型，用于预测斯里兰卡登革热的时空模式 | 应用了一种新颖的深度学习可解释人工智能（XAI）区室模型，结合协变量驱动和动态反馈，以预测和解释登革热发病率 | 未明确提及具体限制，但可能涉及模型在复杂非线性影响和反馈中的泛化能力 | 预测和解释斯里兰卡登革热的时空发病率模式 | 斯里兰卡的登革热发病率数据 | 机器学习 | 登革热 | 深度学习，可解释人工智能（XAI） | 深度学习模型，SEIR区室模型 | 时空数据，包括气象、社会人口学和植被指数数据 | NA | NA | 协变量区室混合模型 | NA | NA |
| 2566 | 2026-02-27 |
Evaluating artificial intelligence models for rupture risk prediction in unruptured intracranial aneurysms: a focus on vessel geometry and hemodynamic insights
2025-Jul-02, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-025-03689-6
PMID:40593222
|
综述 | 本文综述了人工智能模型在未破裂颅内动脉瘤破裂风险预测中的应用，特别关注血管几何和血流动力学因素的整合 | 聚焦于将几何与血流动力学变量（如壁面剪切应力和血流动力学）结合在AI预测模型中的综合方法，超越了传统的基于大小的评估 | 缺乏大规模高质量数据集，且模型预测的可解释性仍面临挑战 | 评估人工智能模型在未破裂颅内动脉瘤破裂风险预测中的性能，以改进患者特异性风险评估和治疗策略优化 | 未破裂颅内动脉瘤 | 机器学习 | 心血管疾病 | 计算流体动力学 | SVM, CNN | NA | NA | NA | NA | NA | NA |
| 2567 | 2026-02-27 |
An Open-Source Deep Learning-Based GUI Toolbox for Automated Auditory Brainstem Response Analyses (ABRA)
2025-Jun-20, Research square
DOI:10.21203/rs.3.rs-6735294/v1
PMID:40585236
|
研究论文 | 本文介绍了一种基于深度学习的开源图形用户界面工具ABRA，用于自动化分析听觉脑干响应波形 | 开发了首个结合深度学习与图形界面的开源工具，实现ABR波形的快速、无偏分析，提升跨实验室研究的可重复性 | 未明确说明模型在极端或罕见病理条件下的泛化能力，以及训练数据集的详细多样性限制 | 自动化听觉脑干响应分析，以减少主观误差并提高研究效率 | 听觉脑干响应波形数据 | 机器学习 | 听力损失 | 电生理记录 | CNN | 电生理信号 | NA | NA | 卷积神经网络 | 峰值幅度、潜伏期、听觉阈值估计 | NA |
| 2568 | 2026-02-27 |
DWI-based deep learning radiomics nomogram for predicting the impaired quality of life in patients with unruptured intracranial aneurysm developing new iatrogenic cerebral infarcts following stent placement: a multicenter cohort study
2025-Jun-13, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-025-03628-5
PMID:40512286
|
研究论文 | 本研究开发了一种基于DWI的放射组学列线图，用于预测支架置入后发生新医源性脑梗死（NICI）的未破裂颅内动脉瘤患者健康相关生活质量（HRQOL）受损情况 | 整合临床特征、放射组学特征和深度学习特征构建综合DLRN模型，并采用超分辨率重建优化放射组学特征提取，在多中心队列中验证了其预测性能优于单一模态模型 | 研究仅基于回顾性多中心数据，未来需要前瞻性研究进一步验证模型的泛化能力和临床实用性 | 预测支架置入后发生新医源性脑梗死的未破裂颅内动脉瘤患者的健康相关生活质量受损情况 | 522例来自多家医院的未破裂颅内动脉瘤支架置入术后发生新医源性脑梗死的患者 | 数字病理学 | 颅内动脉瘤 | DWI（弥散加权成像），超分辨率重建 | 深度学习，逻辑回归 | 医学影像（DWI图像） | 522例患者，分为训练队列和两个外部验证队列 | NA | GoogleNet | AUC（曲线下面积），校准曲线，决策曲线分析 | NA |
| 2569 | 2026-02-27 |
AITom: AI-guided cryo-electron tomography image analyses toolkit
2025-Jun, Journal of structural biology
IF:3.0Q3
DOI:10.1016/j.jsb.2025.108207
PMID:40378936
|
研究论文 | 本文介绍了AITom，一个专为冷冻电子断层扫描（cryo-ET）研究人员设计的开源人工智能平台，旨在解决三维亚细胞成分定位、识别、分割和结构恢复的挑战 | AITom整合了传统模板方法和无模板方法，以及先进的深度学习技术，为cryo-ET数据分析提供了一个全面的开源AI平台 | NA | 开发高效准确的大规模图像分析方法，以应对cryo-ET中三维亚细胞成分分析的复杂性 | 冷冻电子断层扫描图像中的三维大分子复合物和亚细胞结构 | 计算机视觉 | NA | 冷冻电子断层扫描（cryo-ET） | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2570 | 2026-02-27 |
Refined selection of individuals for preventive cardiovascular disease treatment with a transformer-based risk model
2025-Jun, The Lancet. Digital health
DOI:10.1016/j.landig.2025.03.005
PMID:40461349
|
研究论文 | 本研究开发并验证了一种基于Transformer的深度学习模型TRisk，用于预测心血管疾病在初级预防人群和糖尿病患者中的10年风险 | 首次将Transformer架构应用于心血管疾病风险评估，相比传统统计模型和现有深度学习方法，能更精准地识别高风险个体，减少过度治疗 | 研究未提及外部验证或跨地域泛化能力，且未说明模型的可解释性如何 | 开发一种新型深度学习模型，以改进心血管疾病预防治疗中的个体选择策略 | 英国25-84岁的成年人群，包括初级预防人群和糖尿病患者 | 机器学习 | 心血管疾病 | 深度学习 | Transformer | 电子健康记录 | 约300万成年人，来自389家全科诊所 | NA | Transformer | C指数, 净收益, 假阴性率 | NA |
| 2571 | 2026-02-27 |
Applications of Artificial Intelligence in Constrictive Pericarditis: A Short Literature Review
2025-Mar-11, Current cardiology reports
IF:3.1Q2
DOI:10.1007/s11886-025-02222-x
PMID:40067491
|
综述 | 本文是一篇关于人工智能在缩窄性心包炎中应用的简短文献综述 | 探讨了新兴人工智能应用（如认知机器学习和深度学习算法ResNet50）在区分缩窄性心包炎与限制性心肌病方面的潜力，AUC值超过0.95 | 模型存在泛化性和可解释性问题，且由于难以获取大规模高质量超声心动图数据集，该领域的人工智能应用发展仍处于早期阶段 | 回顾人工智能在缩窄性心包炎诊断、风险分层和治疗规划中的应用，以改善患者预后 | 缩窄性心包炎 | 数字病理学 | 心血管疾病 | 超声心动图、计算机断层扫描、磁共振成像 | 深度学习 | 图像 | NA | NA | ResNet50 | AUC | NA |
| 2572 | 2026-02-27 |
Application of artificial intelligence in forecasting survival in high-grade glioma: systematic review and meta-analysis involving 79,638 participants
2025-Feb-15, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-025-03419-y
PMID:39954167
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了人工智能模型在预测高级别胶质瘤患者生存结局方面的性能 | 本研究特别关注了AI在高级别胶质瘤复发预测中的潜力，并整合了临床、影像组学和遗传学等多模态数据，发现整合模型优于单一数据类型模型 | 需要在前瞻性、多中心研究中进行进一步验证以确保临床适用性 | 评估人工智能模型在预测高级别胶质瘤患者生存结局方面的性能 | 高级别胶质瘤患者 | 机器学习 | 高级别胶质瘤 | NA | 机器学习, 深度学习 | 临床数据, 影像数据, 遗传数据 | 79,638名患者 | NA | 随机森林, 逻辑回归 | AUC | NA |
| 2573 | 2026-02-27 |
Performance of Radiomics-based machine learning and deep learning-based methods in the prediction of tumor grade in meningioma: a systematic review and meta-analysis
2025-Jan-24, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-025-03236-3
PMID:39849257
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了基于影像数据的机器学习（ML）和深度学习（DL）方法在预测脑膜瘤WHO分级中的性能 | 首次对ML/DL模型在预测脑膜瘤WHO分级中的性能进行了全面的系统综述和荟萃分析，并探讨了验证类型和研究队列对模型性能的影响 | 纳入研究存在异质性，且需要更多使用外部验证和大规模数据集来评估DL算法的性能 | 评估基于影像数据的机器学习和深度学习模型在预测脑膜瘤WHO分级中的诊断性能 | 脑膜瘤患者 | 医学影像分析 | 脑膜瘤 | 影像学研究（如MRI、CT等） | 机器学习, 深度学习 | 影像数据 | 32项研究，共15,365名患者 | NA | NA | AUROC, 特异性, 敏感性 | NA |
| 2574 | 2026-02-26 |
Artificial Intelligence for Microbiology and Microbiome Research
2025-Dec-18, ArXiv
PMID:41445807
|
综述 | 本文全面回顾了人工智能在微生物学和微生物组研究中的应用，涵盖技术进展和生物学见解 | 强调了AI在微生物学领域的变革性作用，并提供了从传统机器学习到深度学习方法的指导 | NA | 概述AI驱动的方法在微生物学和微生物组研究中的应用，以增强对微生物生命及其影响的理解 | 微生物学和微生物组研究 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2575 | 2026-02-26 |
Transforming Intraoperative Breast Cancer Diagnosis through D-FFOCT and AI Integration
2025-Nov-21, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2025.26.11.3877
PMID:41312911
|
评论 | 本文讨论了将动态全场光学相干断层扫描与人工智能相结合，用于术中乳腺癌诊断的变革潜力 | 提出将D-FFOCT的高分辨率实时成像与AI（特别是深度学习算法）相结合，以非破坏性方式显著提升术中诊断速度和准确性 | 实施挑战包括需要高质量数据集以及解决算法偏差问题 | 优化乳腺癌手术的术中诊断，提升决策质量并改善患者预后 | 乳腺癌组织样本 | 数字病理学 | 乳腺癌 | 动态全场光学相干断层扫描 | 深度学习 | 图像 | NA | NA | NA | 诊断准确性, 速度 | NA |
| 2576 | 2026-02-26 |
Wearable interactive full-body motion tracking and haptic feedback network systems with deep learning
2025-Sep-29, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-63644-3
PMID:41022813
|
研究论文 | 本研究提出了一种结合全身运动跟踪与实时双向触觉反馈的低成本可穿戴系统 | 整合柔性贴片式表皮触觉设备与远程机器学习框架，实现全身运动捕捉和个性化时间同步反馈，采用闭环设计支持实时双向触觉提示 | NA | 开发一种成本效益高的运动跟踪系统，结合全身运动分析与实时双向触觉反馈 | 可穿戴交互式全身运动跟踪与触觉反馈网络系统 | 机器学习 | NA | 深度学习 | NA | 运动数据 | NA | NA | NA | NA | NA |
| 2577 | 2026-02-26 |
Integrating deep learning for post-translational modifications crosstalk on Hsp90 and drug binding
2025-09, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110519
PMID:40716748
|
研究论文 | 本研究利用深度学习模型结合质谱分析，探索Hsp90蛋白的翻译后修饰（PTM）互作及其与药物结合的调控机制 | 首次将深度学习AI预测模型与质谱分析相结合，用于解析Hsp90等复杂蛋白质的PTM互作网络，提供了一种高效快速的研究方法 | 研究主要基于人类细胞系，可能无法完全反映体内复杂环境；深度学习模型的泛化能力有待进一步验证 | 探究Hsp90蛋白的翻译后修饰互作机制及其对药物结合的影响 | 热休克蛋白-90（Hsp90）及其翻译后修饰（磷酸化和乙酰化） | 机器学习 | 癌症 | 质谱分析 | 深度学习 | 质谱数据 | 人类细胞系（HDAC3和HDAC8敲除细胞） | NA | NA | NA | NA |
| 2578 | 2026-02-26 |
Machine learning-based multimodal radiomics and transcriptomics models for predicting radiotherapy sensitivity and prognosis in esophageal cancer
2025-07, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110242
PMID:40381695
|
研究论文 | 本研究整合了基于机器学习的多模态放射组学和转录组学，开发了用于预测食管癌放疗敏感性和预后的模型 | 首次将SEResNet101深度学习模型应用于食管癌的影像和转录组数据，并识别出与预后相关的关键基因STUB1、PEX12和HEXIM2，同时揭示了STUB1通过泛素化降解SRC蛋白来增强放疗敏感性的新机制 | 研究数据主要来源于公开数据库UCSC Xena和TCGA，可能缺乏外部验证队列；实验验证仅限于体外和体内模型，尚未进行大规模临床验证 | 开发预测食管癌放疗敏感性和预后的模型，以实现个体化放疗计划 | 食管癌患者 | 机器学习 | 食管癌 | 放射组学，转录组学 | 深度学习 | 影像数据，转录组数据 | 来自UCSC Xena和TCGA数据库的食管癌患者数据（具体样本数未明确说明） | NA | SEResNet101 | 生存概率分层 | NA |
| 2579 | 2026-02-26 |
A new age in structural S-layer biology: Experimental and in silico milestones
2025-06, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110205
PMID:40345586
|
综述 | 本文总结了近五年来S层蛋白结构研究的主要进展，包括实验结构测定和计算建模方面的突破 | 首次系统探讨了计算建模方法在S层蛋白研究中的应用，并展望了计算方法如何进一步推动对该蛋白结构的理解 | NA | 总结S层蛋白结构生物学领域的最新研究成果和方法进展 | 细菌和古菌中的表面(S-)层蛋白 | 结构生物学 | NA | 高分辨率成像，深度学习结构预测 | 深度学习模型 | 蛋白质结构数据，成像数据 | NA | NA | NA | NA | NA |
| 2580 | 2026-02-26 |
Tumor cell villages define the co-dependency of tumor and microenvironment in liver cancer
2025-Mar-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.07.642107
PMID:40161587
|
研究论文 | 本研究通过空间单细胞成像和单细胞RNA测序分析肝细胞癌，开发了基于深度学习的空间动态网络策略，揭示了肿瘤细胞状态与微环境之间的空间共依赖性 | 首次提出“肿瘤细胞村庄”概念，并利用深度学习策略构建空间动态网络，揭示肿瘤细胞状态与微环境之间的特异性分子共依赖性及其对患者预后的影响 | 研究样本量相对有限（50个肿瘤生物样本），且仅针对肝细胞癌，未涉及其他癌症类型 | 探究肝细胞癌中肿瘤空间景观的形成机制及其对肿瘤适应性的影响 | 肝细胞癌肿瘤组织中的细胞及其微环境 | 数字病理学 | 肝癌 | 空间单细胞成像, 单细胞RNA测序 | 深度学习 | 图像, 基因表达数据 | 超过200万个细胞，来自50个肿瘤生物样本 | NA | NA | NA | NA |