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
1601	2026-06-15	Foundation Models in Radiology: What, How, Why, and Why Not 2025-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.240597 PMID:39903075	综述	本文综述了基础模型在放射学中的应用，探讨其训练方法、能力及评估策略	系统性地统一了放射学中基础模型的技术进展与临床需求，强调安全负责任的模型训练	NA	解释放射学中基础模型的基本概念与术语，聚焦训练数据需求、模型训练范式、模型能力及评估策略	放射学领域的基础模型	自然语言处理, 计算机视觉	NA	NA	基础模型	文本, 图像	NA	NA	NA	NA	NA
1602	2026-06-15	Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial 2025-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.240473 PMID:39964263	研究论文	基于全国肺筛查试验的纵向数据，分析连续低剂量CT扫描中心外膜脂肪组织变化与死亡率的关系	首次在大规模肺癌筛查队列中系统评估EAT变化的纵向轨迹（体积和密度）与全因、心血管及肺癌死亡率的独立关联，并基于深度学习算法自动量化EAT	研究为回顾性二次分析，可能未完全纳入所有潜在混杂因素；EAT变化分类基于典型范围，其适用性需验证；仅包括肺癌筛查人群，结果推广性受限	探究在肺癌筛查人群中，两年间隔的低剂量CT扫描中EAT变化与死亡率之间的关联	参与全国肺筛查试验的受试者（共20,661人），通过深度学习自动分割获取EAT体积和密度	计算机视觉	心血管疾病	低剂量CT，深度学习算法	深度学习神经网络	CT影像	20,661名参与者（平均年龄61.4岁，男性占59.2%）	NA	NA	危险比（HR），95%置信区间，P值	NA
1603	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
1604	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
1605	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
1606	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
1607	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
1608	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
1609	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
1610	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
1611	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
1612	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
1613	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
1614	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
1615	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
1616	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
1617	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
1618	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 DOI:10.11817/j.issn.1672-7347.2025.250590 PMID:41656833	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
1619	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
1620	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