深度学习在生物医药领域中的应用

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
1001	2025-04-20	Can Deep Learning Blind Docking Methods be Used to Predict Allosteric Compounds? 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00331 PMID:40167386	research paper	本文探讨了深度学习盲对接方法在预测变构化合物中的应用，并评估了其在虚拟筛选中的潜力	提出了一种基于数据驱动的最小距离矩阵表示（MDMR）方法，用于预测变构抑制剂与CDK2的复合物，并识别了其他启发式方法未能区分的中间蛋白质构象	研究仅针对CDK2进行了验证，未在其他蛋白质或系统中进行广泛测试	评估深度学习盲对接方法在预测变构化合物结合模式中的效用	变构化合物与Cyclin-Dependent Kinase (CDK) 2的复合物	machine learning	NA	DiffDock, Lin_F9 Local Re-Docking	深度学习模型	蛋白质-配体复合物数据	NA
1002	2025-04-20	Application of Deep Learning to Predict the Persistence, Bioaccumulation, and Toxicity of Pharmaceuticals 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02293 PMID:40178174	research paper	本研究探讨了深度学习模型（特别是通过Chemprop实现的消息传递神经网络MPNN）在预测药物化合物的持久性、生物累积性和毒性（PBT）特性中的应用	采用聚类策略公平评估模型性能，并识别潜在的PBT化学物质及其相关亚结构，为药物设计早期阶段提供环境风险预警	未明确提及模型在跨类别化合物或复杂环境中的泛化能力	开发环境友好的药物候选分子并保持其治疗功效	药物化合物及其PBT特性	machine learning	NA	deep learning (DL), message-passing neural network (MPNN)	MPNN	chemical compound data	未明确提及具体样本量（聚焦于药物相关分子集）
1003	2025-04-20	Rapid pathologic grading-based diagnosis of esophageal squamous cell carcinoma via Raman spectroscopy and a deep learning algorithm 2025-Apr-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i14.104280 PMID:40248385	research paper	该研究利用拉曼光谱和深度学习算法快速诊断食管鳞状细胞癌的病理分级	提出了一种1D-transformer网络模型用于分类食管鳞状细胞癌的光谱数据，并结合深度学习模型可视化拉曼光谱数据并解释其分子特征	样本量相对较小（360组拉曼光谱数据），可能需要更大样本量验证模型的泛化能力	检测食管肿瘤不同阶段的拉曼光谱信息变化，提高分类准确性	不同分级的食管病变组织	digital pathology	esophageal squamous cell carcinoma	Raman spectroscopy	1D-transformer network	spectral data	360组拉曼光谱数据
1004	2025-04-20	Automatic Generation of Liver Virtual Models with Artificial Intelligence: Application to Liver Resection Complexity Prediction 2025-Apr-11, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006722 PMID:40211963	研究论文	本研究开发了一种基于人工智能的自动工具，用于从术前CT扫描预测肝切除手术的复杂性	提出了一种新的解剖参考框架（HCZ）和全自动管道来量化肿瘤位置，并通过AI模型预测手术复杂性	研究仅针对145名HCC患者，样本量有限	预测肝切除手术的复杂性以改善手术规划	肝切除手术患者	数字病理	肝癌	Deep Learning	NA	CT扫描图像	145名HCC患者
1005	2025-04-20	Explainable Deep Learning to Predict Kelp Geographical Origin from Volatile Organic Compound Analysis 2025-Apr-04, Foods (Basel, Switzerland) DOI:10.3390/foods14071269 PMID:40238501	research paper	该研究通过分析海藻中的挥发性有机化合物（VOCs）并结合可解释的深度学习技术，预测海藻的地理来源	首次将可解释的深度学习技术应用于海藻地理来源的预测，通过SHAP分析揭示了关键VOCs对模型输出的影响	研究样本中仅识别出68种可区分的VOCs，可能限制了模型的泛化能力	开发一种可解释的深度学习模型，用于通过VOCs分析预测海藻的地理来源	海藻样本中的挥发性有机化合物（VOCs）	machine learning	NA	气相色谱-离子迁移谱（GC-IMS）	1D-CNN	化学分析数据	包含115种不同VOCs的海藻样本，其中68种可区分
1006	2025-04-20	The STRIPED Dietary Supplement Label Explorer: A Tool to Identify Supplements Sold with Weight-Loss, Muscle-Building, and Cleanse/Detox Claims 2025-Apr, The Journal of nutrition IF:3.7Q2 DOI:10.1016/j.tjnut.2025.02.007 PMID:39954739	research paper	开发了一个名为STRIPED Dietary Supplement Label Explorer的工具，用于识别和分类具有减肥、增肌和排毒/清洁声称的膳食补充剂标签	利用公开的膳食补充剂标签数据库(DSLD) API，开发了一个易于使用的工具，结合系统启发式方法和多模态深度学习模型来分类补充剂标签	系统启发式方法在效率上不如深度学习模型，需要更多的人力劳动时间	创建一个全面的数据库，便于搜索具有减肥、增肌和排毒/清洁声称的膳食补充剂	美国销售的膳食补充剂标签	自然语言处理	NA	API调用、系统启发式方法、多模态深度学习	多模态深度学习模型	文本	4745个DSLD标签
1007	2025-04-20	Multiscale Dissection of Spatial Heterogeneity by Integrating Multi-Slice Spatial and Single-Cell Transcriptomics 2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202413124 PMID:39999288	research paper	提出了一种名为SMILE的新型深度学习方法，用于整合多切片空间和单细胞转录组数据，以多尺度解析空间异质性	SMILE结合了图对比自编码器和多层感知器，具有局部约束，能够学习多尺度且信息丰富的点表示，同时在空间对齐、域识别和细胞类型解卷积方面表现出色	未明确提及具体局限性，但可能依赖于先验域注释信息以进一步提升性能	开发一种能够同时解析不同尺度空间变异和揭示疾病条件下细胞微环境变化的方法	空间分辨转录组学(SRT)数据	生物信息学	NA	空间分辨转录组学(SRT)，单细胞转录组学	图对比自编码器，多层感知器(MLP)	空间转录组数据，单细胞转录组数据	模拟和真实数据集（具体数量未提及）
1008	2025-04-20	Psychedelic Drugs in Mental Disorders: Current Clinical Scope and Deep Learning-Based Advanced Perspectives 2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202413786 PMID:40112231	review	本文综述了迷幻药物在精神障碍治疗中的当前临床范围及基于深度学习的先进视角	探讨了迷幻药物的多样化药理作用，并提出了基于深度学习的药物开发新方法	迷幻药物的精确处方机制尚不明确，需要进一步研究优化药物开发	优化迷幻药物的开发，以提升精神障碍的治疗效果	精神障碍（如焦虑、重度抑郁症、自闭症谱系障碍）及迷幻药物（如裸盖菇素和LSD）	machine learning	mental disorders	deep learning	NA	big data	NA
1009	2025-04-20	Emerging frontiers in protein structure prediction following the AlphaFold revolution 2025-Apr, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0886 PMID:40233800	综述	本文探讨了深度学习驱动的蛋白质结构预测工具AlphaFold带来的革命性进展及其在高级应用中的应用	聚焦于AlphaFold革命后蛋白质结构预测的前沿应用，并提出了报告AlphaFold预测的指南	未提及具体实验验证或实际应用案例的局限性	探讨蛋白质结构预测工具在生物学、化学和计算机科学交叉领域的应用	蛋白质结构及其与其他生物分子的相互作用	生物信息学	NA	深度学习	AlphaFold	蛋白质结构数据	数百万个蛋白质结构模型
1010	2025-04-20	Deep mutational learning for the selection of therapeutic antibodies resistant to the evolution of Omicron variants of SARS-CoV-2 2025-Apr, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01353-4 PMID:40044817	研究论文	通过深度突变学习筛选对SARS-CoV-2 Omicron变体进化具有抵抗力的治疗性抗体	利用深度学习和突变库筛选技术，预测和优化抗体对SARS-CoV-2变体的抵抗能力	研究主要针对Omicron BA.1变体，对其他变体的适用性未明确验证	开发对SARS-CoV-2变体具有广谱抵抗力的治疗性抗体	SARS-CoV-2的受体结合域（RBD）及其突变体	机器学习	COVID-19	深度突变学习、深度测序、深度学习模型	ensemble deep-learning models	基因序列数据	Omicron BA.1变体的全长度RBD突变库
1011	2025-04-20	The Application of Artificial Intelligence in Spine Surgery: A Scoping Review 2025-Apr-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews DOI:e24.00405 PMID:40239218	综述	本文对人工智能在脊柱外科手术中的应用进行了范围性综述	提供了关于人工智能在脊柱外科手术中应用的全面综述，填补了该领域的空白	仅纳入了2020年至2024年的研究，且排除了缺乏临床重点的文章	探讨人工智能在脊柱外科手术中的应用现状和潜力	脊柱外科手术中的人工智能应用研究	医疗人工智能	脊柱疾病	监督学习和深度学习	常规机器学习和深度学习	医学图像和临床数据	105项研究，其中27项涉及超过1000名患者的数据
1012	2025-04-19	BERT-DomainAFP: Antifreeze protein recognition and classification model based on BERT and structural domain annotation 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112077 PMID:40241758	研究论文	提出了一种基于BERT和结构域注释的抗冻蛋白识别与分类模型BERT-DomainAFP	结合预训练的ProteinBERT和新型注释策略，采用过采样与欠采样技术处理不平衡数据，实现了目前最高的识别准确率	未提及模型在跨物种或新型抗冻蛋白上的泛化能力	提高抗冻蛋白的预测与分类准确性	抗冻蛋白(AFPs)	自然语言处理	NA	深度学习	BERT	蛋白质序列数据	AntiFreezeDomains数据集（未提具体样本量）
1013	2025-04-19	Scaling down annotation needs: The capacity of self-supervised learning on diatom classification 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112236 PMID:40241763	研究论文	本研究探讨了自监督学习在硅藻分类中减少标注需求的能力	引入自监督学习以解决硅藻分类中标注稀缺的挑战，并展示了小规模标注数据下仍能保持高准确率	未提及具体模型在极端小样本情况下的泛化能力	减少硅藻分类中对标注数据的依赖，提高分类效率	硅藻（环境健康评估的生物标志物）	计算机视觉	NA	自监督学习	NA	图像（光学显微镜图像）	每类50个样本（扩展实验为每类30个样本）
1014	2025-04-19	Capsule neural network and its applications in drug discovery 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112217 PMID:40241764	review	本文综述了胶囊神经网络（CapsNet）在药物发现中的应用及其理论基础	CapsNet通过捕获特征间的空间层次关系，解决了传统神经网络中的空间信息丢失问题，特别适合处理小规模数据集	文章指出了CapsNet的局限性，并提出了未来研究方向以增强其在药物发现中的实用性	探讨CapsNet在药物发现领域的应用及其性能	胶囊神经网络（CapsNet）及其在药物设计中的应用	machine learning	NA	NA	CapsNet	NA	NA
1015	2025-04-19	Identification of non-glandular trichome hairs in cannabis using vision-based deep learning methods 2025-Apr-18, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70058 PMID:40249026	research paper	提出了一种基于深度学习的计算机视觉方法，用于识别大麻中的非腺毛状体毛发	首次将深度学习应用于大麻非腺毛状体的识别，准确率超过97%，减少了对耗时耗力的专家显微镜分析的依赖	需要大量标注的显微镜图像数据集，且可能受限于样本多样性	开发一种高效准确的大麻识别方法以支持法医部门和执法机构打击非法毒品交易	大麻及其非法替代品中的非腺毛状体毛发	computer vision	NA	deep learning-based computer vision	CNN	image	数千张标注的显微镜图像，包括真正的大麻和疑似喷洒合成大麻素的非大麻植物材料
1016	2025-04-19	Deep learning reconstruction of diffusion-weighted imaging with single-shot echo-planar imaging in endometrial cancer: a comparison with multi-shot echo-planar imaging 2025-Apr-18, Abdominal radiology (New York) DOI:10.1007/s00261-025-04955-3 PMID:40249551	research paper	评估深度学习重建(DLR)在子宫内膜癌单次激发平面回波成像(SSEPI)扩散加权成像(DWI)中的效果，并与多激发敏感编码(MUSE) DWI进行比较	首次将深度学习重建技术应用于子宫内膜癌的SSEPI DWI，并与MUSE DWI进行对比，证明DLR能显著提高图像质量且扫描时间更短	研究样本量较小(31例)，且为回顾性研究	评估DLR在子宫内膜癌DWI成像中的效果	31例经手术确诊的子宫内膜癌患者	digital pathology	endometrial cancer	deep learning reconstruction, diffusion-weighted imaging, single-shot echo-planar imaging, multiplexed sensitivity-encoding	deep learning	MRI图像	31例子宫内膜癌患者
1017	2025-04-19	The Role of Artificial Intelligence in Cardiovascular Disease Risk Prediction: An Updated Review on Current Understanding and Future Research 2025-Apr-17, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X351048250329170744 PMID:40248921	综述	本文综述了人工智能在心血管疾病风险预测中的最新理解和未来研究方向	探讨了人工智能在提高心血管风险预测模型的准确性、效率和可及性方面的变革性作用，并展示了AI在改善CVD死亡率、生活质量指标和降低医疗成本方面的潜力	人工智能在心血管风险评估中的广泛应用仍面临挑战，主要原因是医疗专业人员缺乏教育和接受度	提高心血管疾病风险预测的准确性和成本效益，以改善患者预后和减轻全球CVD负担	心血管疾病（CVD）患者	机器学习	心血管疾病	机器学习算法、深度学习、心电图（ECG）分析	ML、DL	电子健康记录、心电图数据	NA
1018	2025-04-19	PointNorm-Net: Self-Supervised Normal Prediction of 3D Point Clouds via Multi-Modal Distribution Estimation 2025-Apr-16, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3562051 PMID:40238601	研究论文	本文提出了一种名为PointNorm-Net的自监督深度学习框架，用于预测3D点云的法线，通过多模态分布估计解决合成数据与真实数据之间的领域差距问题	PointNorm-Net是首个自监督深度学习框架，采用三阶段多模态法线分布估计范式，可集成到深度或传统优化基础的法线估计框架中	未明确提及具体限制，但暗示真实世界数据的点级法线标注是一项繁琐且昂贵的任务	提升3D点云法线预测在真实场景中的性能，克服合成数据与真实数据之间的领域差距	3D点云数据	计算机视觉	NA	自监督学习，多模态分布估计	PointNorm-Net	3D点云	三个具有不同特性的真实世界数据集
1019	2025-04-19	Prediction of Tumor Budding Grading in Rectal Cancer Using a Multiparametric MRI Radiomics Combined with a 3D Vision Transformer Deep Learning Approach 2025-Apr-16, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.046 PMID:40246672	研究论文	评估多参数MRI放射组学结合3D Vision Transformer深度学习模型在预测直肠癌患者肿瘤出芽分级中的有效性	首次将多参数MRI放射组学与3D Vision Transformer深度学习模型结合用于直肠癌肿瘤出芽分级预测	回顾性研究设计可能引入选择偏倚，且未建立临床模型	开发非侵入性方法预测直肠癌肿瘤出芽分级	349例直肠腺癌患者（来自两家医院）	数字病理	直肠癌	多参数MRI（T2WI/DWI/T1CE）	3D Vision Transformer (ViT)	医学影像	349例患者（训练集187例，内部测试集80例，外部测试集82例）
1020	2025-04-19	Multi-objective deep learning for lung cancer detection in CT images: enhancements in tumor classification, localization, and diagnostic efficiency 2025-Apr-15, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02314-8 PMID:40232589	研究论文	本研究开发并评估了一种先进的深度学习框架，用于在CT扫描图像中检测、分类和定位肺部肿瘤	模型结合了基于transformer的注意力层、自适应无锚机制和改进的特征金字塔网络，能够高效处理检测、分类和定位任务	研究仅使用了1608张CT扫描图像，样本量相对有限	开发一个用于肺部肿瘤检测、分类和定位的深度学习框架	肺部肿瘤的CT扫描图像	计算机视觉	肺癌	深度学习	transformer-based, adaptive anchor-free, improved feature pyramid network	图像	1608张CT扫描图像（623例癌症病例和985例非癌症病例）