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
401	2026-09-19	PlasmoFP: leveraging deep learning to predict protein function of uncharacterized proteins across the malaria parasite genus 2025-Oct-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.12.675843 PMID:41279499	研究论文	本文介绍了PlasmoFP，一种基于深度学习的模型，专门用于预测疟原虫属中未表征蛋白质的功能	创新性地利用系统发育相关的SAR超群蛋白质的结构-功能关系训练模型，解决了由于与已充分表征的模式生物蛋白质序列相似性低而难以注释疟原虫蛋白质的挑战，并估计认知不确定性以控制错误发现率	摘要中未明确提及限制	预测疟原虫属中未表征蛋白质的功能，以推进疟疾基础研究	疟原虫属中未表征的蛋白质，以及19个疟原虫物种的蛋白质组	机器学习	疟疾	深度学习	深度学习模型	蛋白质序列和结构数据	19个疟原虫物种的蛋白质	NA	NA	错误发现率、基因本体术语注释比例	NA
402	2026-09-19	The Seizure Embedding Map: A Spatio-Temporal Transformer for Comparing Patients by Ictal Intracranial EEG Features at Scale 2025-Oct-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.15.25338097 PMID:41282754	研究论文	该研究提出一种时空Transformer模型，用于从颅内脑电的癫痫发作记录中提取嵌入特征，以对不同患者的癫痫网络进行分类和比较	设计了一种自定义的时空Transformer，能够灵活处理不同数量和位置的颅内电极，适用于立体定向脑电和皮层脑电两种植入方式，并首次在大规模药物难治性癫痫队列中实现了癫痫发作的嵌入表示和跨患者比较	癫痫发作聚类未能区分患者的治疗方案和术后结局，未来需要整合多模态数据（如结构和功能影像、症状学、病史和人口统计学信息）以进一步完善方法	通过引入Transformer模型对颅内脑电记录中的时空信息进行嵌入，实现药物难治性癫痫患者癫痫网络的分类及其与结局关系的量化比较，最终为手术干预提供基于证据的推荐	102名药物难治性癫痫患者的882次临床癫痫发作	数字病理学	癫痫	颅内脑电	Transformer	脑电信号	102名受试者的882次临床癫痫发作	NA	时空Transformer	验证准确率	NA
403	2026-09-19	Deep Learning of Brain-Behavior Dimensions Identifies Transdiagnostic Biotypes in Youth with ADHD and Anxiety Disorders 2025-Oct-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.682243 PMID:41279186	研究论文	该研究开发了一个基于深度学习的脑-行为建模框架，整合功能连接与认知行为测量，在青少年中识别出可解释的维度及生物学基础亚型（biotypes），以应对ADHD和焦虑障碍的跨诊断异质性	提出深度学习脑-行为建模框架，整合临床显著的功能连接与认知行为测量，识别出两个可重复的脑-行为维度（认知控制和情绪-注意调节）及三种不同生物亚型，并在独立队列中验证了其稳健性和泛化性，揭示了症状出现前的早期表达	NA	解决传统基于症状分类的诊断框架在ADHD和焦虑障碍中面临的跨诊断复杂性挑战，建立生物学基础的早期分类框架	9-11岁青少年，包括ADHD和焦虑障碍患者	机器学习	ADHD、焦虑障碍	功能连接分析、脑-行为建模	深度学习	影像、认知行为数据	发现队列3508名9-11岁儿童（ABCD数据集），独立验证队列224名年龄匹配参与者（HBN数据集）	NA	NA	NA	NA
404	2026-09-19	Deep learning the dynamic regulatory sequence code of cardiac organoid differentiation 2025-Oct-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.15.680997 PMID:41279701	研究论文	结合时间分辨的单细胞多组学图谱与深度学习模型，从DNA序列预测染色质可及性，以发现早期心脏发育的调控语法	将时间分辨的单细胞多组学图谱与深度学习模型相结合，从DNA序列预测染色质可及性，揭示心脏发生的细胞状态特异性规则，并识别调控区域和与疾病相关的变异	依赖iPSC衍生的心脏类器官模型，可能无法完全反映体内心脏发育；深度学习预测的染色质可及性需进一步实验验证；研究未涉及所有先天性心脏病相关变异	定义驱动人类器官发生的时序基因调控程序，理解先天性疾病的起源	人类iPSC衍生的心脏类器官	机器学习	先天性心脏病	单细胞多组学，染色质可及性测序	深度学习	序列，图像	NA	NA	NA	NA	NA
405	2026-09-19	Hippocampal grey matter changes across scales in Alzheimer's Disease 2025-Oct-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.15.682705 PMID:41280080	研究论文	本文通过深度学习方法分析阿尔茨海默病和轻度认知障碍患者海马体的宏观结构（脑回化和厚度）和微观结构（弥散张量）变化	使用迭代训练范式调整现有深度学习方法来捕捉老年人和海马体退化的个体的海马体拓扑结构，并发现AD和MCI中弥散方向的变化可能与穿通路径退化有关	NA	研究阿尔茨海默病和轻度认知障碍患者海马体的宏观和微观结构变化	阿尔茨海默病患者、轻度认知障碍患者和健康老年对照	医学图像分析	阿尔茨海默病	深度学习，弥散MRI	深度学习模型	医学图像	ADNI数据集中的参与者，具体数量未提及	NA	NA	NA	NA
406	2026-09-19	GhostFold: Accurate protein structure prediction using structure-constrained synthetic coevolutionary signals 2025-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.682177 PMID:41279404	研究论文	GhostFold 利用蛋白质语言模型和 3Di 结构字母表，从单一氨基酸序列生成结构约束的合成多序列比对，实现高精度蛋白质结构预测	首次提出利用结构约束的合成多序列比对替代传统同源搜索，通过 ProstT5 和 3Di 结构字母表迭代反向翻译生成合成比对，编码涌现的共进化约束，无需大型序列数据库即可高精度预测孤儿蛋白和高变抗体环等困难靶标	使用伪多序列比对时，置信度指标（如 pLDDT）与预测精度出现解耦，表明 AlphaFold2 的置信度校准受自然序列比对的统计特性影响，可能影响模型可靠性评估	解决蛋白质结构预测中因同源序列稀少或缺失导致多序列比对深度不足的问题，实现无需传统同源搜索的高精度结构预测	孤儿蛋白、高变抗体环等难以获得多序列比对的蛋白质靶标	计算结构生物学	NA	蛋白质语言模型（ProstT5）、3Di 结构字母表、合成多序列比对生成	蛋白质语言模型	氨基酸序列、结构表示	NA	NA	ProstT5	pLDDT、预测精度	NA
407	2026-09-19	PARSEbp: Pairwise Agreement-based RNA Scoring with Emphasis on Base Pairings 2025-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.682106 PMID:41279467	研究论文	提出了一种名为PARSEbp的多模型RNA三维结构打分方法，通过整合构象集合中的成对结构一致性与碱基配对一致性来提高RNA结构预测和模型选择的准确性	首次将三维水平上基于比对的全局结构一致性与二维水平上的碱基配对一致性相结合，构建共识相似性矩阵来计算每个结构的准确性得分，强调了碱基配对在RNA结构评分中的重要性	仅在CASP16 RNA靶标上进行了测试，未在其他RNA结构数据集上广泛验证；依赖于构象集合的质量和多样性；未提及计算效率的具体量化指标	解决RNA三维结构高保真打分难题，提升构象采样和结构预测中模型排序与选择的准确性	RNA三维结构及其构象集合	计算生物学、结构生物信息学	NA	RNA三维结构评分、碱基配对分析、结构比对	NA	RNA三维结构数据	16个CASP16 RNA靶标	NA	NA	多种互补评估指标（未具体列出）	NA
408	2026-09-19	SCREAM: Single-cell Clustering using Representation Autoencoder of Multiomics 2025-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.03.680290 PMID:41279430	研究论文	本文提出了一种名为SCREAM的深度学习框架，用于多组学单细胞数据的整合和聚类。	SCREAM利用堆叠自编码器（SAEs）生成每种组学模态及其融合的鲁棒潜在表示，并借鉴深度嵌入聚类（DEC）迭代微调整合的多组学潜在空间和单细胞聚类分配。	未明确提及。	解决由于高维度、稀疏性和模态特异性噪声特征带来的跨不同组学模态信息整合的挑战。	多模态单细胞数据。	机器学习	NA	单细胞多组学技术	堆叠自编码器（SAEs），深度嵌入聚类（DEC）	多组学数据	未明确提及。	NA	堆叠自编码器（SAEs），深度嵌入聚类（DEC）	调整兰德指数（ARI），归一化互信息（NMI）	NA
409	2026-09-19	Multiplex design and discovery of proximity handles for programmable proteome editing 2025-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.681693 PMID:41279570	研究论文	本文通过将深度学习引导的蛋白质设计与多重筛选框架（LABEL-seq）结合，大规模筛选设计效应蛋白手柄，用于可编程的蛋白质组编辑（降解、稳定或重定位）	将深度学习引导的蛋白质设计与多重定量筛选（LABEL-seq）相结合，单次实验筛选了9715个设计候选效应蛋白手柄，发现了数百个能驱动靶蛋白降解或稳定的手柄，并证明自噬招募手柄可推广至内源靶标	筛选主要针对报告蛋白进行，内源靶标验证仅限MCL1一例；效应蛋白手柄在更广泛的靶蛋白和内源环境中的通用性仍需进一步验证	加速发现用于细胞内蛋白质降解、稳定或重定位的效应蛋白手柄，建立可编程蛋白质组编辑的通用框架	设计的候选效应蛋白手柄（9715个）、报告蛋白、内源MCL1蛋白、线粒体外膜	机器学习	NA	LABEL-seq（基于测序的多重蛋白质丰度定量检测）、深度学习引导的蛋白质设计	深度学习模型	序列数据、测序数据	9715个设计的候选效应蛋白手柄	NA	NA	降解手柄数量（n=277）、稳定手柄数量（n=204）、UPS通路手柄数量（n=194）、自噬通路手柄数量（n=287）、重复性	NA
410	2026-09-19	Clinical Relevance of Computationally Derived Attributes of Arteries and Arterioles in focal segmental glomerulosclerosis and minimal change disease 2025-Oct-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.08.25336276 PMID:41282757	研究论文	该研究开发了一种计算管道，用于在局灶性节段性肾小球硬化症和微小病变病的数字肾活检中，通过分割和病理组学特征提取，准确且一致地量化动脉和小动脉的预后特征	开发了一种新的计算管道，能够准确分割动脉和小动脉及其内部隔室（管腔、内膜、中膜和玻璃样变性），并提取基于面积和厚度的病理组学特征，提高了疾病进展预测的准确性	样本量相对有限（225例），仅使用了三色染色的全切片图像，且未与其他染色方法或更大规模数据集进行验证	开发并验证一种计算管道，用于量化局灶性节段性肾小球硬化症和微小病变病患者肾活检中动脉和小动脉的硬化及玻璃样变性特征，并评估其与疾病进展的关联	225名参与NEPTUNE/CureGN研究的患者，包括127例局灶性节段性肾小球硬化症和98例微小病变病	数字病理学	肾脏疾病	三色染色全切片图像、深度学习分割、病理组学特征提取	CNN	图像	225例全切片图像，包含1,499个小动脉、686个小叶间动脉和131个弓状动脉	NA	NA	一致性指数（从0.70提升至0.75，弓状动脉从0.69提升至0.74）、Spearman相关系数	NA
411	2026-09-19	RNA sequence design and protein-DNA specificity prediction with NA-MPNN 2025-Oct-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.03.679414 PMID:41256668	研究论文	本文提出NA-MPNN模型，统一处理RNA序列设计和蛋白质-DNA特异性预测这两个核酸逆折叠问题	提出了首个统一的深度学习模型NA-MPNN，使用统一生物聚合物图表示处理蛋白质、DNA和RNA	摘要未提及	开发一个统一的深度学习模型来解决核酸逆折叠问题，包括RNA序列设计和蛋白质-DNA特异性预测	RNA序列和蛋白质-DNA复合物，以及它们的序列设计	计算生物学	不适用	消息传递神经网络	MPNN	分子结构数据	摘要未提及	不适用	NA-MPNN	摘要未提及	摘要未提及
412	2026-09-19	Uncovering the Mechanistic Landscape of Regulatory DNA with Deep Learning 2025-Oct-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.07.681052 PMID:41278958	研究论文	本文提出了SEAM计算框架，结合深度学习和可解释AI来揭示调控DNA的机制景观，并映射遗传突变的影响	SEAM框架结合深度学习和可解释AI，能够识别功能性结合位点并分类突变对结合位点的影响，揭示了调控信号的两类不同性质	摘要中未提及	解码调控基因组中复杂的调控机制，理解基因表达的调控逻辑	人类和果蝇的调控位点	机器学习	NA	深度学习，可解释AI	NA	序列数据	NA	NA	NA	NA	NA
413	2026-09-19	Deep Learning-Based Control of Electrically Evoked Activity in Human Visual Cortex 2025-Oct-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.24.678361 PMID:41279945	研究论文	本文介绍了一种基于深度学习的自动化神经控制方法，用于视觉神经假体，通过生成最优多电极刺激模式来诱发目标神经反应	提出了使用深度学习框架自动生成最优多电极刺激模式的方法，包括学习逆网络和基于梯度的优化器两种互补控制策略，并首次在人类植入物中展示了数据驱动神经控制的可行性	研究仅基于一名盲人参与者的数据，样本量小，需要进一步验证在更多参与者中的通用性和长期稳定性	开发自动化数据驱动的神经控制方法，以替代传统手动电极校准，提高视觉神经假体的刺激效果和感知稳定性	植入枕叶皮层的96通道Utah电极阵列的盲人参与者	计算机视觉	失明	神经假体刺激、深度学习	深度神经网络	神经信号数据	一名盲人参与者	NA	深度学习神经网络	NA	NA
414	2026-09-19	VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis 2025-Oct-07, Research square DOI:10.21203/rs.3.rs-7564369/v1 PMID:41282090	研究论文	介绍了一种名为VISTA的新方法，用于预测亚细胞空间转录组学（SST）数据中未观测基因的表达水平，并展示其在填补、空间可变基因检测、配体-受体相互作用发现等方面的应用	VISTA结合了变分推断和几何深度学习，联合建模scRNA-seq和SST数据，并纳入不确定性量化，能够预测未观测基因的表达	未明确提及	预测SST数据中未观测基因的表达水平，以增强对空间诱导的细胞状态和特征的理解	SST数据和scRNA-seq数据	空间转录组学	NA	scRNA-seq, 亚细胞空间转录组学 (SST)	变分推断, 几何深度学习	基因表达数据, 空间数据	四个SST数据集	NA	NA	NA	NA
415	2026-09-19	Glomerular Segmentation, Classification, and Pathomic Feature-based Prediction of Clinical Outcomes in Minimal Change Disease and Focal Segmental Glomerulosclerosis 2025-Oct-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.01.25336172 PMID:41282794	研究论文	本研究利用深度学习对肾小球进行分割和分类，并提取非硬化肾小球的病理组学特征，以预测微小病变病和局灶节段性肾小球硬化的临床结局	从非硬化肾小球中提取亚视觉病理组学特征并评估其临床预后价值，发现传统评估忽略的预后信息	病理组学特征预后性能中等，部分特征在调整后显著性减弱，样本量有限	自动化分割和分类肾小球，提取非硬化肾小球的病理组学特征，并评估其与疾病进展和蛋白尿缓解的关联	微小病变病和局灶节段性肾小球硬化患者的肾活检全切片图像	数字病理学	肾脏疾病	过碘酸雪夫染色全切片图像分析，深度学习	卷积神经网络	图像	NEPTUNE/CureGN队列的PAS染色全切片图像，具体样本量未在摘要中说明	NA	NA	ICC，iAUC	NA
416	2026-09-19	SpaGene: A Deep Adversarial Framework for Spatial Gene Imputation 2025-Oct-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.03.680242 PMID:41278680	研究论文	本文提出了SpaGene，一个深度对抗框架，用于整合单细胞RNA测序数据和空间转录组数据，以填补空间转录组中缺失的基因表达	SpaGene由两个编码器-解码器对、两个翻译器和两个判别器组成，能够有效填补空间转录组数据集中的缺失基因表达，并在多个数据集上优于现有最先进方法	未明确提及	开发一个深度学习框架，整合scRNA-seq和空间转录组数据，以填补空间转录组中缺失的基因表达，增强对组织生物学、细胞相互作用和疾病进展的理解	单细胞RNA测序数据和空间转录组数据，以及肺肿瘤组织	机器学习	肺癌	scRNA-seq，空间转录组学	深度学习对抗框架	基因表达数据，空间转录组数据	NA	NA	编码器-解码器，翻译器，判别器	皮尔逊相关系数（PCC），结构相似性指数（SSIM），均方根误差（RMSE）	NA
417	2026-09-19	Physics-Informed Machine Learning in Biomedical Science and Engineering 2025-Oct-06, ArXiv PMID:41281212	综述	本文综述了物理信息机器学习（PIML）在生物医学科学与工程中的三种主要框架：物理信息神经网络（PINNs）、神经常微分方程（NODEs）和神经算子（NOs）	系统性地回顾了PINNs、NODEs和NOs在生物医学领域的应用，强调了物理可解释性、数据稀缺或系统复杂性使得传统黑箱学习不足的场景，并指出了未来方向包括不确定性量化、泛化以及PIML与大语言模型的集成	未涉及具体实验验证，主要关注现有框架的综述，缺乏对PIML方法在实际生物医学问题中性能的定量比较	综述物理信息机器学习在生物医学科学与工程中的应用，并识别开放挑战和未来方向	生物医学系统，包括生物固体和生物流体力学、力学生物学、医学成像、动态生理系统、药代动力学、细胞信号传导以及多尺度和空间异质性生物域	机器学习	NA	物理信息机器学习（PIML），包括物理信息神经网络（PINNs）、神经常微分方程（NODEs）和神经算子（NOs）	物理信息神经网络（PINNs）、神经常微分方程（NODEs）、神经算子（NOs）	NA	NA	NA	物理信息神经网络（PINNs）、神经常微分方程（NODEs）、神经算子（NOs）	NA	NA
418	2026-09-19	Decentralized, privacy-preserving surgical video analysis with Swarm Learning 2025-Oct-03, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.02.25337106 PMID:41256170	研究论文	该研究开发了一种将弱监督深度学习与Swarm Learning相结合的管道，用于去中心化、隐私保护的手术视频分析，并在三个患者级疾病分期任务上验证其性能	首次将弱监督深度学习与Swarm Learning集成用于手术视频分析，无需数据集中化即可实现多中心协作训练，并直接从手术视频数据预测患者级临床结局而非依赖人工帧级标注	硬件故障和去中心化学习管道与电子病历系统集成有限是临床实施的主要障碍；数据集规模相对有限（397例）；仅在阑尾切除术中验证	解决手术视频AI分析中对人工帧级标注的依赖和数据隐私限制导致的多中心协作困难问题，实现隐私保护的多中心协作手术视频分析	来自六个国际外科中心的397例腹腔镜阑尾切除术录像	计算机视觉	阑尾炎	弱监督深度学习, Swarm Learning, 腹腔镜视频分析	CNN	视频	397例腹腔镜阑尾切除术录像（来自六个国际外科中心）	NA	SurgTempoNet, SurgFrameNet, Multiple Instance Learning	分类性能（准确率）, 泛化性能	NA
419	2026-09-19	Hybrid deep learning-mechanistic modeling of cellular dynamics from a spatiotemporal single-cell atlas 2025-Oct-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.02.679951 PMID:41256408	研究论文	本文提出了一种混合深度学习与机制建模的方法，利用变分自编码器-神经常微分方程从时空单细胞图谱中学习细胞状态的潜在表示和动态演化，并通过拟合希尔函数模型实现可解释的基因调控预测。	结合变分自编码器和神经常微分方程学习细胞状态的连续动态，并将黑箱模型推断的潜在动态作为基础，拟合机制性的希尔函数模型，从而实现对组合扰动效应的可解释预测。	黑箱深度学习模型在预测组合扰动效应方面存在固有局限，本文通过机制模型来弥补，但机制模型的适用性和准确性可能受限于特定系统。	从时空单细胞图谱中重建细胞动态过程，并实现可解释的基因调控预测。	黑腹果蝇（Drosophila melanogaster）囊胚期胚胎的时空单细胞荧光成像图谱。	计算生物学	NA	单细胞荧光成像	变分自编码器（VAE）、神经常微分方程（Neural ODE）、希尔函数模型	图像、基因表达数据	六个注册的发育时间点	NA	变分自编码器（VAE）、神经常微分方程（Neural ODE）	NA	NA
420	2026-09-19	Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis 2025-Oct-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.01.25337079 PMID:41256111	研究论文	该论文提出了一种结合深度学习和信号处理的端到端自动化流程，用于分析血吸虫病即时循环阴极抗原检测试纸的图像。	创新点在于将深度学习用于试纸盒分割与信号处理相结合，实现了对血吸虫病即时检测试纸的自动化定量分类，并能够解决视觉痕迹不确定性，提供实时质量控制。	摘要中未明确提及研究局限性。	开发自动化流程以对血吸虫病即时检测试纸进行诊断分类和质量控制，以支持大规模筛查和消除目标。	乌干达农村SchistoTrack队列中的3188名个体。	计算机视觉	血吸虫病	深度学习，信号处理，即时检测（POCT），侧向层析试纸（Lateral flow tests）	深度学习（具体模型未说明）	图像	3188名个体（来自SchistoTrack队列）	NA	NA	灵敏度（86.6%），特异性（96.5%）	NA