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
661	2025-07-20	Deep Learning Radiomics Based on MRI for Differentiating Benign and Malignant Parapharyngeal Space Tumors 2025-Jul, The Laryngoscope DOI:10.1002/lary.32043 PMID:39932109	研究论文	本研究基于MRI的深度学习放射组学方法，用于区分咽旁间隙肿瘤的良恶性	结合深度学习和传统放射组学特征，开发了深度学习放射组学（DLR）模型，显著提高了诊断性能	回顾性研究，样本量相对较小（217例），且仅来自两个医疗中心	建立一种基于深度学习和放射组学特征的预学术诊断工具，指导咽旁间隙肿瘤的临床决策	咽旁间隙肿瘤患者	数字病理	咽旁间隙肿瘤	MRI	深度学习放射组学（DLR）模型	图像	217例患者（训练集145例，测试集72例）
662	2025-07-20	Challenges in Implementing Endoscopic Artificial Intelligence: The Impact of Real-World Imaging Conditions on Barrett's Neoplasia Detection 2025-Jul, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12760 PMID:40116287	research paper	本研究评估了基于高质量内窥镜图像训练的巴雷特肿瘤计算机辅助检测系统在真实世界多样化图像条件下的性能下降，并探讨了提升系统鲁棒性的策略	首次量化分析了内窥镜AI系统在社区医院实际应用中的性能衰减问题，并验证了三种增强数据异质性适应能力的方法	研究仅针对巴雷特肿瘤的检测系统，结果可能不适用于其他类型的病变检测	提高内窥镜人工智能系统在临床实践中的泛化能力	巴雷特肿瘤的内窥镜图像	digital pathology	Barrett's neoplasia	deep learning	CNN	endoscopic images	373名巴雷特患者(训练集1011张图像)，351名患者(测试集)
663	2025-07-20	CATH-ddG: towards robust mutation effect prediction on protein-protein interactions out of CATH homologous superfamily 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf228 PMID:40662779	research paper	该研究提出了一种名为CATH-ddG的新方法，用于预测蛋白质-蛋白质相互作用中突变效应，通过结合蛋白质3D结构和CATH同源超家族信息来提高预测的鲁棒性	引入基于CATH同源超家族的新训练/测试分割以减少数据泄露，采用混合噪声策略进行数据增强，并提出几何编码器场景CATH-ddG来表示突变微环境差异	深度学习模型可能因潜在的数据泄露而高估性能，且在处理硬突变（最大TM-score<0.6）时仍存在挑战	开发更稳健的突变效应预测方法以支持药物设计和疾病机制研究	蛋白质-蛋白质相互作用中的突变效应	生物信息学	NA	蛋白质3D结构分析，深度学习	几何编码器（CATH-ddG），ESM2微调	蛋白质3D结构数据，序列数据	419种人类表皮生长因子受体2（HER2）抗体变体和285种SARS-CoV-2受体结合域（RBD）变体
664	2025-07-20	HIG-Syn: a hypergraph and interaction-aware multigranularity network for predicting synergistic drug combinations 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf215 PMID:40662801	研究论文	提出了一种名为HIG-Syn的超图和交互感知多粒度网络模型，用于预测药物组合的协同作用	整合了粗粒度和细粒度模块，利用超图捕获全局特征，并通过交互感知注意力模拟生物过程	模型在实际应用中的准确性仍需提高，且部分方法可能忽略了模型的生物学意义	开发深度学习方法来预测药物协同组合	药物组合	机器学习	NA	深度学习	HIG-Syn (超图和交互感知多粒度网络)	药物组合数据	从DrugComb和GDSC2数据库中提取的验证数据集
665	2025-07-20	GPO-VAE: modeling explainable gene perturbation responses utilizing GRN-aligned parameter optimization 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf256 PMID:40662800	research paper	提出了一种名为GPO-VAE的可解释变分自编码器，通过基因调控网络（GRN）对齐的参数优化来建模基因扰动响应	GPO-VAE通过优化与潜在扰动效应相关的可学习参数，使其与GRN对齐，从而提高了模型的可解释性和性能	未提及具体的数据集规模或实验条件的限制	预测细胞对基因扰动的响应，并提高模型的可解释性	基因调控网络（GRN）和基因扰动响应	machine learning	NA	VAE（变分自编码器）	GPO-VAE	基因表达数据	NA
666	2025-07-20	Deep learning models for unbiased sequence-based PPI prediction plateau at an accuracy of 0.65 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf192 PMID:40662806	research paper	该研究探讨了基于序列的蛋白质-蛋白质相互作用（PPI）预测的深度学习模型性能，发现所有模型在准确率上均达到0.65的瓶颈	揭示了ESM-2蛋白嵌入对性能提升的关键作用，并发现模型无法隐式学习接触图作为中间层	序列基础模型在PPI预测上存在性能瓶颈，可能需要结合结构等其他输入类型以提高预测可靠性	评估和改进基于序列的蛋白质-蛋白质相互作用预测方法	蛋白质-蛋白质相互作用（PPI）	machine learning	NA	ESM-2蛋白嵌入	深度学习模型（未指定具体架构）	蛋白质序列数据	NA
667	2025-07-20	From high-throughput evaluation to wet-lab studies: advancing mutation effect prediction with a retrieval-enhanced model 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf189 PMID:40662802	研究论文	介绍了一种名为VenusREM的检索增强蛋白质语言模型，用于预测突变效应，并在酶工程中验证其性能	VenusREM模型能够在空间和时间尺度上捕捉局部氨基酸相互作用，并在ProteinGym基准测试中达到最先进性能	仅对30多个突变体进行了低通量事后分析，样本量相对较小	开发一种高性能的计算工具，用于预测突变效应并优化酶的性能	蛋白质序列、结构和功能之间的关系，特别是VHH抗体和DNA聚合酶的突变体	机器学习	NA	深度学习，湿实验验证	检索增强蛋白质语言模型	蛋白质序列数据	217个ProteinGym基准测试，30多个突变体，10个DNA聚合酶新突变体
668	2025-07-20	TCR-epiDiff: solving dual challenges of TCR generation and binding prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf202 PMID:40662810	研究论文	提出了一种基于扩散的深度学习模型TCR-epiDiff，用于生成特定于表位的TCR序列并预测TCR与表位的结合	结合ProtT5-XL嵌入表位信息，并利用去噪扩散概率模型生成序列，同时开发了TCR-表位结合预测器	未提及模型在更大规模数据集上的泛化能力或计算效率的具体限制	解决TCR生成和结合预测的双重挑战，以促进疫苗和免疫疗法的设计	T细胞受体（TCRs）及其与表位的结合	机器学习	NA	深度学习、扩散模型	去噪扩散概率模型、ProtT5-XL	序列数据	未明确提及具体样本量，但使用了外部验证数据集
669	2025-07-20	Accurate PROTAC-targeted degradation prediction with DegradeMaster 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf191 PMID:40662822	研究论文	本文提出了一种名为DegradeMaster的半监督E(3)-等变图神经网络预测器，用于预测PROTACs的靶向降解能力	DegradeMaster利用E(3)-等变图编码器将3D几何约束纳入分子表示，并采用基于记忆的伪标签策略在训练过程中丰富标注数据，同时设计了互注意力池化模块以实现可解释的图表示	NA	开发更准确的计算方法来预测PROTACs的靶向蛋白降解能力，以加速药物发现	PROTACs（蛋白降解靶向嵌合体）	机器学习	NA	E(3)-等变图神经网络	GNN（图神经网络）	3D分子图数据	NA
670	2025-07-20	DivPro: diverse protein sequence design with direct structure recovery guidance 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf258 PMID:40662823	研究论文	介绍了一种名为DivPro的模型，用于设计能够折叠成相似结构的多样化蛋白质序列	DivPro通过学习概率序列空间而非固定序列表示，提高了序列多样性，并结合蛋白质结构预测结果作为训练指导	在处理远程同源蛋白质时，现有方法的局限性更为明显	提高蛋白质序列设计的多样性，同时保持结构恢复的高准确性	蛋白质序列和结构	生物信息学	NA	深度学习，蛋白质结构预测	DivPro	蛋白质序列和结构数据	三个序列设计基准测试
671	2025-07-20	OrgNet: orientation-gnostic protein stability assessment using convolutional neural networks 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf252 PMID:40662839	研究论文	介绍了一种名为OrgNet的新型深度学习模型，用于预测点突变对蛋白质热稳定性的影响	OrgNet通过3D卷积神经网络和空间变换技术，解决了现有模型中存在的方向偏差问题，实现了对蛋白质热稳定性变化的高精度预测	未提及具体的数据集大小限制或模型在其他类型蛋白质上的泛化能力	准确预测单点突变对蛋白质稳定性的影响，以阐明疾病的分子机制并推动蛋白质工程技术发展	蛋白质结构和点突变	机器学习	NA	3D卷积神经网络	CNN	蛋白质结构数据（体素网格）	在Ssym和S669等基准数据集上进行了评估
672	2025-07-20	Harnessing deep learning for proteome-scale detection of amyloid signaling motifs 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf200 PMID:40662825	研究论文	本研究开发了基于双向LSTM和BERT的深度学习模型，用于检测淀粉样信号基序（ASMs）	开发了定制化的双向LSTM和BERT架构，用于建模ASMs，并在大规模数据集中检测ASMs，包括新发现的基序	ASMs的广泛多样性可能影响模型在未知家族中的检测效果	开发能够在大规模蛋白质数据库中检测淀粉样信号基序的判别模型	淀粉样信号基序（ASMs）	机器学习	NA	深度学习	双向LSTM, BERT	蛋白质序列数据	多样化的基序家族和全局负样本集
673	2025-07-20	Super-resolution CBCT on a new generation flat panel imager of a C-arm gantry linear accelerator 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18000 PMID:40665524	研究论文	本研究评估了基于条件生成对抗网络（cGANs）的深度学习超分辨率（SR）模型在投影域增强CBCT图像分辨率的可行性	提出了一种在投影域而非图像域进行超分辨率处理的新方法，能有效恢复因探测器binning操作导致的分辨率损失	研究主要使用体模数据，尚未在真实患者数据上验证	提高C型臂直线加速器新型平板探测器获取的CBCT图像分辨率	Varian TrueBeam LINAC配备的RTI4343iL平板探测器获取的CBCT投影数据	医学影像处理	NA	深度学习超分辨率技术	cGANs（条件生成对抗网络）框架下的U-Net生成器	CBCT投影图像	576对CBCT投影数据（460对训练，116对验证）和144个动态胸部投影数据
674	2025-07-20	The impact of uncertainty estimation on radiomic segmentation reproducibility and scan-rescan repeatability in kidney MRI 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17995 PMID:40665574	研究论文	本研究探讨了在肾脏MRI中，通过考虑分割不确定性来提高放射组学特征的再现性和重复性，并评估了基于不确定性信息的分割是否能改善健康与病理受试者的分类	首次将不确定性量化整合到基于深度学习的放射组学分割中，以提高特征的稳健性和分类性能	不同方法和受试者群体中，关于分割变异性的再现性改进并不一致	提高放射组学分析在分割和扫描-重扫描变异性中的稳健性，并改善病理与健康受试者的分类能力	慢性肾脏病（CKD）患者和健康对照（HC）的肾脏MRI数据	数字病理	慢性肾脏病	MRI	U-Net, Monte Carlo dropout (MCD), test-time augmentation (TTA)	图像	公开可用的肾脏MRI数据集，包含CKD患者和健康对照
675	2025-07-20	Joint enhancement of automatic chest x-ray diagnosis and radiological gaze prediction with multistage cooperative learning 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17977 PMID:40665596	research paper	提出一种新型深度学习框架，用于联合胸部X光扫描的疾病诊断和放射科医生凝视显著性图预测	引入双编码器多任务UNet架构，结合DenseNet201和残差与Squeeze-and-Excitation块编码器，提出多阶段协作学习策略和对比学习特征编码预训练	未明确说明模型在多样化数据集上的泛化能力及临床部署的可行性	提升自动放射诊断质量并预测放射科医生凝视模式	胸部X光扫描图像及对应放射科医生眼动数据	digital pathology	lung cancer	deep learning	dual-encoder multitask UNet (DenseNet201 + Residual and Squeeze-and-Excitation blocks)	medical images (chest X-ray) + eye gaze tracking data	NA
676	2025-07-20	EUP: Enhanced cross-species prediction of ubiquitination sites via a conditional variational autoencoder network based on ESM2 2025-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013268 PMID:40668800	research paper	该论文介绍了一个名为EUP的在线网络服务器，用于多物种泛素化位点预测和模型解释	利用预训练语言模型ESM2提取赖氨酸位点依赖特征，并通过条件变分推断降低特征维度，提高了跨物种泛素化位点预测的性能和解释性	未提及具体的数据集大小或模型在极端情况下的表现	提高跨物种泛素化位点预测的准确性和解释性	动物、植物和微生物中的泛素化位点	machine learning	NA	conditional variational autoencoder	ESM2	protein sequences	NA
677	2025-07-19	Recognition and classification of facial expression using artificial intelligence as a key of early detection in neurological disorders 2025-Jul-28, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2024-0125 PMID:39829206	综述	本文综述了人工智能在面部表情识别与分类中的应用，及其在神经退行性疾病早期检测中的潜力	探讨了AI技术（如深度学习和计算机视觉）在识别与神经退行性疾病相关的微妙面部表情变化中的创新应用	面临技术挑战和伦理考量，且尚未广泛应用于临床实践	评估AI驱动的面部表情分析在神经退行性疾病早期检测和监测中的应用	神经退行性疾病（如阿尔茨海默病和帕金森病）患者的面部表情	计算机视觉	神经退行性疾病	深度学习和计算机视觉	深度学习模型	图像	NA
678	2025-07-19	Commentary on "Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study" 2025-Jul-18, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.70102 PMID:40678844	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
679	2025-07-19	Clinical Translation of Integrated PET-MRI for Neurodegenerative Disease 2025-Jul-18, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70046 PMID:40679171	综述	本文综述了集成PET-MRI在神经退行性疾病临床实践和研究中的最新技术进展及其应用	介绍了MRI为基础的衰减校正和运动校正技术，以及深度学习在PET和MRI数据分析中的应用	证据等级为5，技术效能为阶段3，表明仍需更多临床验证	探讨集成PET-MRI在神经退行性疾病诊断和研究中的应用及其技术进展	阿尔茨海默病及其他痴呆症患者	数字病理学	神经退行性疾病	PET-MRI, 深度学习	NA	图像	NA
680	2025-07-19	Investigating brain tumor classification using MRI: a scientometric analysis of selected articles from 2015 to 2024 2025-Jul-18, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03685-z PMID:40679613	研究论文	本文通过科学计量学方法研究了2015年至2024年间基于MRI的脑肿瘤分类研究	首次对2015年至2024年间基于MRI的脑肿瘤分类研究进行全面的科学计量分析	仅分析了Scopus数据库中的348篇同行评审文章，可能存在数据覆盖不全的问题	调查基于MRI的脑肿瘤分类研究现状和发展趋势	348篇同行评审文章	数字病理学	脑肿瘤	MRI	深度学习	图像	348篇论文