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
1	2026-04-17	BiU-Net: A Biologically Informed U-Net for Genotype Imputation 2025-Aug-26, Research square DOI:10.21203/rs.3.rs-6797863/v1 PMID:40909775	研究论文	提出一种名为BiU-Net的生物信息学启发的U-Net模型，用于基因型插补，以解决缺失基因型在复杂区域和小数据集中的问题	BiU-Net通过分割基因型数据并编码位置信息来保留基因组上下文，从而在整体指标和按次要等位基因频率分层的指标上优于现有方法	NA	开发一种参考自由的深度学习模型，以改进基因型插补，特别是在复杂区域和种群不匹配的情况下	基因型数据	机器学习	NA	基因型插补	U-Net	基因型数据	涉及1000 Genomes Project、Louisiana Osteoporosis Study和Simons Genome Diversity Project数据集	NA	U-Net	整体指标和按次要等位基因频率分层的指标	NA
2	2026-04-14	ESMDynamic: Fast and Accurate Prediction of Protein Dynamic Contact Maps from Single Sequences 2025-Aug-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.20.671365 PMID:40894558	研究论文	本文介绍了一种名为ESMDynamic的深度学习模型，该模型能够直接从蛋白质序列预测动态的残基-残基接触概率图	首次基于ESMFold架构开发了直接从单序列预测蛋白质动态接触图的深度学习模型，无需多重序列比对，且推理速度比现有方法快数个数量级	模型性能依赖于训练数据（实验结构集合和分子动力学模拟）的质量和覆盖范围，对于训练数据中未充分代表的构象动态模式可能预测能力有限	开发一种快速准确的蛋白质动态接触图预测方法，以理解蛋白质构象动力学	蛋白质序列及其动态结构特性	结构生物学	NA	深度学习，分子动力学模拟	深度学习模型	蛋白质序列，接触概率图	在两个大规模MD数据集（mdCATH和ATLAS）上进行基准测试，并应用于ASCT2和SWEET2b转运蛋白、肌钙蛋白C设计以及HIV-1蛋白酶同源二聚体等多个系统	NA	基于ESMFold架构	与最先进的集合预测模型（AlphaFlow、ESMFlow、BioEmu）在瞬时接触预测方面进行比较	NA
3	2026-04-14	MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243412 PMID:40762846	研究论文	本研究开发了一种基于多参数MRI和临床数据的深度学习流程，用于卵巢病变的自动分割与良恶性分类	首次将Meta的Segment Anything Model（SAM）基础分割模型与DenseNet-121深度学习分类模型结合，构建了一个高效、可泛化的多中心卵巢病变分析流程	研究为回顾性设计，外部验证数据集样本量相对较小（共87个病灶），可能影响模型在更广泛人群中的泛化能力评估	开发一个高效且可泛化的MRI卵巢病变特征分析流程，以提高诊断准确性	卵巢病变患者的多参数MRI影像及临床数据	数字病理学	卵巢癌	多参数MRI	深度学习模型	图像, 临床数据	主要数据集：448名女性的534个病灶；外部数据集：55名女性的58个病灶（机构B）和29名女性的29个病灶（机构C）	NA	Segment Anything Model (SAM), DenseNet-121	Dice系数, AUC	NA
4	2026-04-14	External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243393 PMID:40762850	研究论文	本研究在亚洲健康检查队列中外部测试了深度学习模型Sybil，评估其基于低剂量CT预测肺癌风险的表现	首次在亚洲人群中对Sybil模型进行外部验证，并特别评估了其在非重度吸烟者（包括从不吸烟或轻度吸烟者）中的预测性能	模型在非重度吸烟者亚组中对未来肺癌的预测性能较差（AUC 0.56），且研究为回顾性设计，可能存在选择偏倚	评估深度学习模型Sybil在亚洲健康检查人群中预测肺癌风险的外部泛化能力	亚洲健康检查个体，年龄50-80岁，接受过低剂量CT检查并有至少一次随访扫描	数字病理学	肺癌	低剂量CT（LDCT）	深度学习模型	CT图像	18057名个体，其中92例在6年内确诊肺癌	NA	Sybil	时间依赖性AUC	NA
5	2026-04-14	Intratumoral Microbiome-related MRI Model for Predicting Breast Cancer Shrinkage Pattern Following Neoadjuvant Therapy 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243545 PMID:40892452	研究论文	本研究开发了一种基于瘤内微生物组相关MRI特征的模型，用于预测乳腺癌患者在新辅助治疗后肿瘤的缩小模式	首次将瘤内微生物组数据与多时间点MRI的放射组学和深度学习特征融合，构建预测模型，并验证了其在分子亚型和肿瘤分期中的稳健性	本研究为回顾性研究，未来需要前瞻性研究进一步验证模型的临床适用性	开发一个精准预测乳腺癌新辅助治疗后肿瘤缩小模式的模型，以辅助保乳手术规划	接受新辅助治疗并手术的乳腺癌患者	数字病理学	乳腺癌	MRI	深度学习, 机器学习	MRI图像	2249名女性乳腺癌患者（训练集671人，内部验证集335人，外部验证集1243人）	NA	U-Net, ResNet-50	AUC, Dice系数	NA
6	2026-04-12	Transfer Learning Based Deep Learning Approach for Knee Osteoarthritis Grading Using Modified XceptionNet Architecture 2025-08-22, Journal of visualized experiments : JoVE DOI:10.3791/68720 PMID:40920575	研究论文	本研究提出了一种基于迁移学习的深度学习方法，使用改进的XceptionNet架构对膝关节骨关节炎进行分级	通过类别平衡方法、定制化预处理流程及对XceptionNet的架构改进，有效解决了数据集不平衡问题，提升了早期膝关节骨关节炎的检测性能	NA	开发自动化系统用于膝关节骨关节炎的放射学识别，特别是早期检测	膝关节X射线图像	计算机视觉	骨关节炎	X射线成像	CNN	图像	NA	NA	XceptionNet	准确率, 精确率, 召回率, F1分数, Cohen's kappa	NA
7	2026-04-11	Deep learning approach for automated hMPV classification 2025-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14467-1 PMID:40781468	研究论文	本研究提出了一种名为hMPV-Net的深度学习框架，利用卷积神经网络（CNN）实现人偏肺病毒（hMPV）感染的自动检测与分类	开发了hMPV-Net这一新型深度学习框架，通过结合数据增强、加权损失函数和dropout正则化等先进技术，有效解决了数据集不平衡问题，并在计算效率上显著优于ResNet-50和VGG-16等现有模型	研究使用了模拟图像数据集而非真实患者数据进行训练和评估，这可能会影响模型在真实临床场景中的泛化能力	开发一种能够快速、准确检测和分类人偏肺病毒（hMPV）感染的自动化诊断方法	人偏肺病毒（hMPV）感染病例，特别是儿童、老年人和免疫功能低下患者中的呼吸道疾病	计算机视觉	呼吸道疾病	深度学习，卷积神经网络（CNN）	CNN	图像	10,000个样本，包含等量的hMPV阳性和阴性病例	NA	hMPV-Net	准确率, 精确率, 召回率, F1分数	NA
8	2026-04-07	Detecting structural heart disease from electrocardiograms using AI 2025-08, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09227-0 PMID:40670798	研究论文	本文介绍了一种名为EchoNext的深度学习模型，用于从心电图检测多种结构性心脏病	模型基于大规模多样化健康系统的超过100万条心律和影像记录进行训练，能够检测多种结构性心脏病，并在内部和外部验证中表现出高诊断准确性，优于心脏病专家，且在不同护理环境和种族/民族群体中表现一致	NA	利用人工智能扩大心脏病筛查的可及性	结构性心脏病	机器学习	心血管疾病	深度学习	深度学习模型	心电图（心律记录）和影像记录	超过100万条心律和影像记录	NA	EchoNext	诊断准确性	NA
9	2026-04-06	stImage: a versatile framework for optimizing spatial transcriptomic analysis through customizable deep histology and location informed integration 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf429 PMID:40905789	研究论文	介绍了一个名为stImage的开源R软件包，用于优化空间转录组学分析，通过整合基因表达、组织学图像和空间坐标信息	首次在统一框架中完全协同整合基因表达、组织学特征和精确空间坐标，并提供54种集成策略和深度学习衍生的组织学特征	未明确说明方法在特定组织类型或疾病条件下的适用性限制	开发一个灵活全面的空间转录组学分析框架，优化生物组织结构的理解	空间转录组学数据（基因表达、组织学图像、空间坐标）	空间转录组学	NA	空间转录组学	深度学习	基因表达数据、组织学图像、空间坐标数据	多个数据集（未指定具体数量）	R	NA	诊断图评估	NA
10	2026-04-05	ACtriplet: An improved deep learning model for activity cliffs prediction by in tegrating triplet loss and pre-training 2025-Aug, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101317 PMID:40893440	研究论文	本文提出了一种名为ACtriplet的改进深度学习模型，通过整合三元组损失和预训练策略来预测活性悬崖	将人脸识别中的三元组损失与预训练策略相结合，开发了专门针对活性悬崖的预测模型，以更好地利用现有数据	未提及具体的数据量限制或模型泛化能力的详细评估	开发一种改进的深度学习模型，用于预测药物发现中的活性悬崖，以优化分子结构	活性悬崖（相似化合物对，其结构微小差异导致结合亲和力显著不同）	机器学习	NA	深度学习	深度神经网络	分子图像或图数据	基于30个基准数据集进行实验	NA	ACtriplet	NA	NA
11	2026-04-01	Progress and new challenges in image-based profiling 2025-Aug-07, ArXiv PMID:40799808	综述	本文回顾了基于图像的细胞表型分析（图像分析）的计算方法演变，概述了当前流程、局限性及未来发展方向	系统总结了深度学习如何重塑图像分析，包括特征提取、可扩展性和多模态数据整合的改进，并强调了单细胞分析和批次效应校正等受单细胞转录组学启发的方法学进展	本文侧重于技术演进而未深入探讨广泛的生物学应用，且该领域仍面临需要创新解决方案的重大挑战	为研究人员提供导航这一快速发展领域进展与新挑战的路线图	基于图像的细胞表型分析（图像分析）的计算方法	计算机视觉	NA	显微镜成像，高通量图像分析	深度学习模型	显微镜图像	NA	NA	NA	NA	NA
12	2026-04-01	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2025-Aug-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.31.668042 PMID:40766544	研究论文	本文探讨了使用极少参数和数据的概率模型（如随机上下文无关文法）通过深度学习技术重新发现RNA碱基配对规则的可能性	展示了无需二级结构标签、序列比对或大量参数，仅通过少量RNA序列和自动微分框架就能学习到RNA碱基配对规则	模型仅基于21个参数，可能无法捕捉更复杂的RNA结构或非规范相互作用	研究RNA碱基配对规则的最小学习需求，探索序列级信号在RNA功能区分中的应用	RNA序列，包括结构RNA、信使RNA和打乱序列	自然语言处理	NA	随机上下文无关文法（SCFG），自动微分，随机梯度下降	概率模型，深度学习	序列（RNA序列）	少至50个RNA序列	自动微分框架（未指定具体名称）	随机上下文无关文法（SCFG）	NA	NA
13	2026-04-01	Head-to-Head Comparison between MRI and CT in the Evaluation of Volume and Quality of Epicardial Adipose Tissue 2025-08, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240531 PMID:40810643	研究论文	本研究系统比较了MRI和CT在评估心外膜脂肪组织体积和质量方面的测量结果	首次使用MRI的Dixon脂肪-水分离技术和CT的深度学习分割技术，对心外膜脂肪组织的体积和质量进行头对头比较	样本量较小（92名参与者），且仅基于瑞典心肺生物影像研究的一个子集，可能限制结果的普适性	评估MRI和CT在测量心外膜脂肪组织体积和质量方面的相关性和一致性	心外膜脂肪组织	医学影像分析	心血管疾病	Dixon脂肪-水分离MRI, CT	深度学习	MRI图像, CT图像	92名参与者（平均年龄59岁，60名男性）	NA	NA	Pearson相关系数, 组内相关系数	NA
14	2026-03-31	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	本文研究了基于神经同步机制（特别是结合复值表示与Kuramoto动力学）如何增强深度学习模型在复杂视觉分类任务中的多物体编码能力	首次将神经科学中的同步机制（Kuramoto动力学）与复值表示结合，用于解决深度学习中的物体绑定问题，并设计了前馈和循环两种架构验证其有效性	未明确说明模型的计算复杂度、训练时间成本以及在更大规模数据集（如ImageNet）上的泛化能力	探索神经同步机制是否能增强人工模型在视觉分类任务中的多物体编码能力	多物体图像（如重叠手写数字、含噪声输入、分布外变换图像）	计算机视觉	NA	NA	前馈神经网络, 循环神经网络	图像	NA	NA	基于Kuramoto同步机制的复值神经网络架构	NA	NA
15	2026-03-31	Unveiling the Bioactive Potential of the Invasive Jellyfish Phyllorhiza punctata Through Integrative Transcriptomic and Proteomic Analyses 2025-08-04, Biomolecules IF:4.8Q1 DOI:10.3390/biom15081121 PMID:40867566	研究论文	本研究通过整合转录组学和蛋白质组学数据，分析了入侵物种白色斑点水母的分子和生化特性，重点关注其组织特异性蛋白表达和抗菌肽候选物的发现	首次对白色斑点水母进行整合转录组与蛋白质组分析，识别了组织特异性蛋白表达谱和新型抗菌肽候选物，揭示了其未被充分开发的生物技术潜力	研究主要基于实验室生成的蛋白质组数据和公开转录组信息，可能未完全覆盖物种在自然状态下的全部分子多样性，且功能验证有待进一步实验	探究入侵水母物种的分子与生化特征，挖掘其生物活性成分（如毒素和抗菌肽）的生物技术应用潜力	白色斑点水母（Phyllorhiza punctata）的三种组织：口腕、套膜和性腺	生物信息学	NA	LC-MS/MS蛋白质组学，转录组学分析	深度学习，机器学习	蛋白质组数据，转录组数据	三种组织类型（口腕、套膜、性腺），共鉴定2764个蛋白质和25,045个肽段	NA	NA	NA	NA
16	2026-03-30	RNA-ligand interaction scoring via data perturbation and augmentation modeling 2025-08, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00820-x PMID:40555786	研究论文	本文介绍了一种基于序列的深度学习框架RNAsmol，用于预测RNA与小分子之间的相互作用	结合数据扰动与增强、基于图的分子特征表示和基于注意力的特征融合模块，无需结构输入即可准确预测RNA-小分子结合	受限于已验证的RNA-小分子相互作用数据有限和已知RNA结构稀缺	开发数据驱动的深度学习模型以预测RNA与小分子的相互作用	RNA与小分子之间的相互作用	机器学习	NA	深度学习	深度学习框架	序列数据	NA	NA	基于注意力的特征融合模块	十倍交叉验证、未见评估、诱饵评估	NA
17	2026-03-22	ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction 2025-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01336-y PMID:39586913	研究论文	本文介绍了一种名为ViViEchoformer的深度学习模型，用于从超声心动图视频中直接回归预测射血分数	提出了一种基于视频视觉变换器的深度学习模型，能够直接从超声心动图视频中提取时空信息并准确预测射血分数	NA	开发一种自动、准确的射血分数预测方法，以辅助人类评估和分析	超声心动图视频	计算机视觉	心血管疾病	超声心动图	Transformer	视频	10,030个心尖四腔超声心动图视频	NA	视频视觉变换器	平均绝对误差, 均方根误差, 均方对数误差, 曲线下面积, 分类准确率	NA
18	2026-03-19	Intestinal bacteria translocation promotes β-cell dysfunction in DIO mice 2025-Aug-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15244-w PMID:40849329	研究论文	本研究利用深度学习辅助方法评估肠道细菌易位在肥胖小鼠模型中对胰腺β细胞功能障碍的影响	首次结合FISH、16S rRNA扩增子测序和深度学习辅助方法，精确追踪并量化肠道细菌易位至胰腺的过程，揭示了细菌易位与2型糖尿病严重程度之间的直接关联	研究仅基于小鼠模型，尚未在人类中进行验证；深度学习辅助方法的泛化能力需进一步测试	阐明肠道微生物在2型糖尿病进展中的直接机械作用，特别是肠道细菌易位对胰腺功能的影响	饮食诱导肥胖小鼠和抗生素诱导微生物群破坏的肥胖小鼠模型	数字病理学	2型糖尿病	FISH, 16S rRNA扩增子测序, 深度学习辅助方法	深度学习模型	图像, 序列数据	DIO和AIMD-DIO小鼠模型	NA	NA	准确性, 客观性	NA
19	2026-03-14	af2rave: protein ensemble generation with physics-based sampling 2025-Aug-06, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00201j PMID:40621440	研究论文	介绍了一个名为af2rave的开源Python软件包，该软件包通过整合AlphaFold2结构预测与基于物理的分子动力学采样，实现了高效生成蛋白质构象集合的自动化工作流程	改进了原有的AlphaFold2-RAVE协议，通过特征选择模块自动识别重要的集体变量，显著减少了系统先验知识的需求，并实现了与长时间无偏分子动力学模拟相当的构象采样效率，同时大幅降低了计算成本	NA	开发一种高效、自动化的方法来生成蛋白质的替代构象集合，以支持药物发现和结构生物学研究	蛋白质构象集合	计算生物学	NA	AlphaFold2结构预测，分子动力学模拟	深度学习模型	蛋白质序列，结构数据	多个系统，包括腺苷激酶、人DDR1激酶和SARS-CoV-2刺突蛋白受体结合域	Python	AlphaFold2	构象采样效率，计算成本	NA
20	2026-03-05	Integrating Imaging-Derived Clinical Endotypes with Plasma Proteomics and External Polygenic Risk Scores Enhances Coronary Microvascular Disease Risk Prediction 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.18.25333844 PMID:40894134	研究论文	本研究通过整合影像学衍生的临床内型、血浆蛋白质组学和外源多基因风险评分，开发了冠状动脉微血管疾病的风险预测模型	首次应用影像学内型分型，并结合遗传和蛋白质组学数据进行CMVD风险预测，提出了一种用于复杂疾病的多模态建模框架	CMVD的大规模全基因组关联研究缺乏，限制了多基因风险评分模型的开发	增强冠状动脉微血管疾病的风险预测能力	冠状动脉微血管疾病患者	机器学习	心血管疾病	全基因组关联研究，血浆蛋白质组学，灌注PET成像	机器学习，深度学习	影像数据，蛋白质组学数据，遗传数据	NA	NA	NA	AUROC	NA