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 19254 篇文献，本页显示第 341 - 360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 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 |
| 342 | 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 |
| 343 | 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 |
| 344 | 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 |
| 345 | 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 |
| 346 | 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 |
| 347 | 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 |
| 348 | 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 |
| 349 | 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 |
| 350 | 2026-06-13 |
Reliable deep learning for coronary artery disease detection: a patient-level, statistically validated MRI study
2025 Oct-Dec, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie
DOI:10.47162/RJME.66.4.09
PMID:41787625
|
research paper | 评估两种深度学习架构（DenseNet121和ResNet50）在冠状动脉疾病自动分类中的性能与统计稳健性 | 在患者层面严格划分数据并进行全面统计推断测试，确保模型性能的可重复性和临床意义 | 未提及具体限制 | 从心脏磁共振成像中准确检测冠状动脉疾病，支持早期诊断和临床决策 | 冠状动脉疾病患者的心脏磁共振图像 | machine learning | 冠状动脉疾病 | 心脏磁共振成像 | CNN | image | 患者级数据 | NA | DenseNet121, ResNet50 | average accuracy, area under the receiver operating characteristic curve (AUC-ROC), area under the precision recall curve (PR-AUC) | NA |
| 351 | 2026-06-11 |
[A visual analysis of machine learning in periodontal disease research, 2001-2023]
2025-Dec, Shanghai kou qiang yi xue = Shanghai journal of stomatology
PMID:41766323
|
综述 | 利用文献计量学分析2001-2023年机器学习在牙周病研究中应用及热点的可视化分析 | 系统梳理了2001-2023年机器学习在牙周病研究中的文献，揭示了其应用趋势和研究热点，特别是近两年基于图像的图像分割和特征提取成为热点 | NA（摘要未提及明确局限性） | 分析机器学习在牙周病研究中的应用及研究热点 | 2001-2023年Web of Science核心合集中的机器学习与牙周病相关文献 | 机器学习 | 牙周病 | NA | 机器学习，深度学习 | NA | 127篇文献 | NA | NA | NA | NA |
| 352 | 2026-06-09 |
Physicochemical Dual Cross-Linked Multifunctional Conductive Organohydrogel Sensors for Fireworks Burn Wound Healing and Intelligent Real-Time Monitoring
2025-May-27, Polymer science & technology (Washington, D.C.)
DOI:10.1021/polymscitech.4c00018
PMID:42257191
|
研究论文 | 通过物理和化学双重交联策略制备多功能导电有机水凝胶传感器，用于烟花烧伤创面愈合和智能实时监测 | 采用没食子酸接枝壳聚糖和单宁酸与聚乙烯醇物理冷冻交联形成刚性网络，结合蛋壳膜功能蛋白与四臂聚乙二醇马来酰亚胺的硫醇-烯点击化学构建软网络，使用离子液体/乙二醇/水三元溶剂体系赋予抗冻性和导电性 | 未提及大规模临床验证或长期稳定性评估 | 开发多功能导电水凝胶用于创面愈合和柔性可穿戴实时监测 | 烟花烧伤创面模型 | 数字病理学 | 烧伤 | 物理交联（冷冻-解冻），硫醇-烯点击化学，亲核取代反应 | NA | NA | NA | NA | NA | 最大应力，断裂伸长率，电导率 | NA |
| 353 | 2026-06-08 |
Development and evaluation of an attention-gated U-net model for binary segmentation of teeth versus background in panoramic radiographs for orthodontic applications
2025-Dec-16, European journal of orthodontics
IF:2.8Q1
DOI:10.1093/ejo/cjaf114
PMID:41665051
|
研究论文 | 开发并评估一种注意力门控U-Net模型，用于在口腔全景片中实现牙齿与背景的二元分割，以建立正畸应用的基准 | 在大规模公开数据集上建立牙齿与背景二元语义分割的标准化性能基准，并应用注意力门控机制提升分割精度 | 未给出具体局限性信息 | 为口腔正畸应用建立牙齿与背景二元分割的基准，提升自动化诊断和治疗规划 | 598张标注的口腔全景X光片 | 数字病理学, 计算机视觉 | 口腔正畸相关疾病 | 深度学习, 语义分割 | 注意力门控U-Net (Att-U-Net) | 图像 | 598张口腔全景X光片 | NA | 注意力门控U-Net | Dice系数, 平均交并比, 精确率, 召回率, 接受者操作特征曲线下面积, 像素准确率 | NA |
| 354 | 2026-06-08 |
[A multimodal disease-specific cohort for melanoma research: Construction, governance, and preliminary report]
2025-Nov-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences
|
研究论文 | 构建了一个针对中国人群肢端黑色素瘤的多模态疾病特异性队列，并进行了初步报告 | 首次为中国人群黑色素瘤构建了代表性强、多模态的疾病特异性队列，整合了自动化ETL和AI辅助治理架构，并实现像素级病理和影像数据建模 | 单中心研究，可能限制结果的泛化性；排除了未成年人和孕妇，样本代表性有局限 | 为黑色素瘤疾病特征刻画和预后机制探索提供高质量数据基础 | 中国中南大学湘雅医院2016年4月至2024年9月间经病理确诊的黑色素瘤患者 | 数字病理学, 自然语言处理, 计算机视觉 | 黑色素瘤 | 全切片图像（WSI）、数字成像与通信标准（DICOM）影像、结构化工临床分子数据 | 基于Transformer的NLP模型、深度学习管道 | 病理图像、影像数据、文本数据 | 1036名黑色素瘤患者（514名男性，522名女性；平均年龄60.2±13.7岁） | NA | Transformer | NA | NA |
| 355 | 2026-06-07 |
Detection and Classification of Alzheimer's Disease Using Deep and Machine Learning
2025-Dec-26, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography12010004
PMID:41591137
|
研究论文 | 提出了一种结合临床症状数据和MRI影像的深度学习与机器学习双模态框架，用于阿尔茨海默病的检测与分期 | 整合症状数据与MRI影像，并引入可解释人工智能（SHAP和Grad-CAM），提高了诊断准确率和临床可解释性 | 未明确说明样本量大小以及外部验证等局限性 | 提高阿尔茨海默病的早期诊断和分期准确性 | 阿尔茨海默病患者 | 机器学习和医学影像处理 | 阿尔茨海默病 | MRI | CNN, EfficientNetB3, DenseNet-121, ResNet-50, MobileNetV2（深度学习模型）；KNN, SVM, 决策树, 随机森林（机器学习模型） | 影像和临床数据 | NA | NA | CNN, EfficientNetB3, DenseNet-121, ResNet-50, MobileNetV2 | 准确率（accuracy） | NA |
| 356 | 2026-06-07 |
Artificial Intelligence-Aided Microfluidic Cell Culture Systems
2025-Dec-24, Biosensors
DOI:10.3390/bios16010016
PMID:41590268
|
综述 | 综述人工智能辅助微流控细胞培养系统和器官芯片平台的研究进展、技术挑战与未来机遇 | 系统总结了人工智能在微流控细胞培养中的多维应用，包括自动化表型分析、预测建模、实时控制，并强调了可解释性特征选择、轻量级推理模型和隐私保护方法等关键技术框架 | 未明确提及具体局限性，但作为综述，可能缺乏对具体方法效果的定量比较和实证验证 | 综合人工智能与微流控细胞培养平台的交叉研究现状，强调其在精准健康和下一代生物医学研究中的新兴作用 | 微流控细胞培养系统、器官芯片平台、人工智能技术（机器学习和深度学习） | 机器学习 | 癌症 | 微流控技术 | 深度学习 | 图像、文本、视频、生化数据 | NA | NA | NA | NA | NA |
| 357 | 2026-06-07 |
Deep learning reveals hidden diversity of Synechococcus in the coastal water of China: novel clades and their ecological insights
2025-Dec-17, Proceedings. Biological sciences
DOI:10.1098/rspb.2025.1936
PMID:41538039
|
研究论文 | 开发基于深度学习的方法，对中国沿海水域聚球藻的隐藏多样性进行新分支发现和生态学分析 | 首次将深度学习框架应用于聚球藻ITS序列的识别、分类和新分支发现，建立综合数据库Syn_Tool，克服了传统分类方法缺乏标准化和分支边界模糊的局限 | 未提及具体局限性，可能包括对ITS区域以外的遗传变异覆盖不足或依赖单一测序技术 | 利用深度学习解决聚球藻ITS序列分类难题，揭示其遗传多样性和生态分布规律 | 中国沿海水域的聚球藻ITS序列 | 机器学学习 | 无 | ITS区域测序 | 深度学习模型（具体类型未指定，如CNN或LSTM） | DNA序列 | 1,087,323条聚球藻ITS序列 | NA | NA | NA | NA |
| 358 | 2026-06-07 |
ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction
2025-12, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3573581
PMID:40418608
|
研究论文 | 开发并评估了一种名为ECG-SMART-NET的深度学习架构，用于精确识别闭塞性心肌梗死 | 提出了一种临床启发的ResNet-18架构改进，通过时间卷积层学习每个导联内的时序特征，再通过空间卷积层学习导联间的空间一致性或不一致性 | 未明确说明局限性，但模型基于12导联心电图数据，可能对非典型病例识别存在挑战 | 提高闭塞性心肌梗死的从心电图检测准确率 | 闭塞性心肌梗死（OMI）患者 | 机器学习 | 心血管疾病 | 心电图分析 | CNN | 文本 | 包含10,393份心电图，来自7,397名独特患者（OMI发生率7.2%） | NA | ResNet-18改进版，包含时间卷积层和空间卷积层 | AUC | NA |
| 359 | 2026-06-07 |
High-Quality CEST Mapping With Lorentzian-Model Informed Neural Representation
2025-12, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3574238
PMID:40434851
|
研究论文 | 提出一种基于洛伦兹模型神经表示框架，用于高质量化学交换饱和转移磁共振成像映射 | 通过自监督神经架构嵌入洛伦兹方程，直接重建高灵敏度参数图，无需标注训练数据，且自监督训练策略保证收敛性 | NA | 克服CEST映射中模型方法灵敏度和鲁棒性不足以及深度学习方法泛化性差的问题 | 合成体模和活体实验数据（包括肿瘤和阿尔茨海默病模型） | 计算机视觉 | 肿瘤、阿尔茨海默病 | CEST MRI | 神经表示 | 磁共振成像数据 | 合成体模和活体实验数据，具体数量未提及 | NA | 神经网络架构（自监督，嵌入洛伦兹方程） | NA | NA |
| 360 | 2026-06-07 |
Deep Separable Spatiotemporal Learning for Fast Dynamic Cardiac MRI
2025-12, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3574090
PMID:40434852
|
研究论文 | 提出一种基于深度可分时空学习的快速动态心脏MRI重建方法 | 采用降维的可分离学习方案，在训练数据极度有限的情况下仍能表现出色，并结合时间低秩性和空间稀疏性先验 | 未明确讨论方法在更复杂病变或更大规模多中心数据上的泛化能力 | 实现快速动态心脏MRI图像重建，降低对大量训练数据的依赖 | 心脏动态MRI图像重建及下游分割任务 | 计算机视觉 | 心血管疾病 | 动态磁共振成像 | 深度可分时空学习网络（DeepSSL） | 图像（心脏电影MRI图像） | 使用心脏电影数据集，未明确样本数目 | NA | DeepSSL | 视觉效果与定量指标（具体指标未在摘要中详述），下游分割准确性 | NA |