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
1	2025-09-26	scHSC: enhancing single-cell RNA-seq clustering via hard sample contrastive learning 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf485 PMID:40977264	研究论文	提出一种基于困难样本对比学习的深度学习方法scHSC，用于提升单细胞RNA测序数据的聚类效果	通过困难样本挖掘和对比学习，同时整合基因表达和细胞间拓扑结构信息，采用自适应权重策略结合ZINB模型	NA	提高单细胞RNA测序数据的聚类精度和细胞类型注释效果	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序(scRNA-seq)	对比学习、ZINB模型	基因表达数据	18个单细胞RNA测序真实数据集
2	2025-09-26	A survey on deep learning for drug-target binding prediction: models, benchmarks, evaluation, and case studies 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf491 PMID:40977267	综述	本文系统综述了深度学习在药物-靶点结合预测中的模型、数据集、评估方法及应用案例	全面分析DTB预测领域从早期网络方法到最新多模态方法的范式转变，并通过癌症靶点案例验证方法实用性	NA	探讨深度学习如何为药物靶点关系研究提供定量框架，加速新药候选物识别	药物-靶点结合预测模型及相关生物数据	机器学习	癌症	深度学习	基于网络的方法、图神经网络、注意力机制、多模态方法	化合物库数据、蛋白质靶点数据	NA
3	2025-09-26	MVRBind: multi-view learning for RNA-small molecule binding site prediction 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf489 PMID:40977268	研究论文	提出MVRBind多视图图卷积网络用于预测RNA-小分子结合位点	开发了多视图特征融合模块，整合RNA的一级、二级和三级结构视图，并融合多尺度嵌入获得RNA核苷酸的综合表征	NA	提高RNA-小分子结合位点的预测准确性	RNA分子及其与小分子的结合位点	生物信息学	NA	多视图图卷积网络	GCN（图卷积网络）	RNA序列数据和结构特征数据	NA
4	2025-09-26	SageTCR: a structure-based model integrating residue- and atom-level representations for enhanced TCR-pMHC binding prediction 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf496 PMID:40984702	研究论文	提出一种基于结构的双层次图神经网络模型SageTCR，用于提升TCR-pMHC结合预测的准确性	整合残基级和原子级表征的双层次GNN框架，通过注意力机制融合双模态表示，并采用数据增强策略保持TCR-pMHC对角线结合模式特征	实验结构数据不足的问题通过数据增强策略缓解，但未明确说明具体数据规模限制	提升TCR-pMHC结合预测精度以促进TCR相关疗法发展	T细胞受体（TCR）与肽-MHC复合物（pMHC）的结构相互作用	生物信息学	免疫相关疾病	图神经网络（GNN）、预训练语言模型、注意力机制	GNN	结构数据（残基级和原子级表征）	NA
5	2025-09-26	scBCN: deep learning-based batch correction network for integration of heterogeneous single-cell data 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf503 PMID:40991329	研究论文	提出基于深度学习的单细胞数据批次校正网络scBCN，用于整合异质性单细胞数据	结合跨批次相似聚类识别与深度残差神经网络，在消除批次效应的同时保留生物变异	NA	开发单细胞数据批次效应校正方法以提高细胞类型识别准确性	单细胞测序数据	生物信息学	NA	单细胞测序	深度残差神经网络	单细胞基因表达数据	多个模拟和真实数据集（未指定具体样本量）
6	2025-09-26	Diagnostic performance of deep learning for predicting glioma isocitrate dehydrogenase and 1p/19q co-deletion in MRI: a systematic review and meta-analysis 2025-Aug-16, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11898-2 PMID:40817944	系统综述与荟萃分析	通过系统综述和荟萃分析评估深度学习模型基于MRI预测胶质瘤IDH突变和1p/19q共缺失状态的诊断性能	首次对深度学习在胶质瘤分子分型中的诊断性能进行系统性量化评估，并识别影响准确性的关键方法学因素	研究存在异质性，需要多中心外部验证和前瞻性临床验证才能实现临床转化	评估深度学习模型在胶质瘤分子分型中的诊断准确性	胶质瘤患者的MRI影像数据	医学影像分析	胶质瘤	深度学习放射组学	DL	MRI影像	包含1517篇文献，最终104篇纳入定性分析，72篇进行荟萃分析
7	2025-09-26	A Deep Learning Framework for Using Search Engine Data to Predict Influenza-Like Illness and Distinguish Epidemic and Nonepidemic Seasons: Multifeature Time Series Analysis 2025-Aug-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/71786 PMID:40789146	研究论文	提出一种基于百度搜索数据和流感样病例百分比(ILI%)的深度学习框架，用于预测流感疫情并区分流行季与非流行季	首次将卷积长短期记忆网络(CLSTM)用于结合搜索引擎数据和传统监测数据的流感预测，并专门区分流行季与非流行季的预测性能	研究仅基于中国地区数据，模型在未来工作中需要进一步优化	开发能够准确预测流感疫情并区分不同流行状态的预测模型	中国2013-2024年的流感样病例百分比数据和百度搜索指数数据	自然语言处理	流感	深度学习、时间序列分析、交叉相关分析	CLSTM（卷积长短期记忆网络）	时间序列数据	2013-2024年的每周流感监测数据和百度搜索数据
8	2025-09-26	EDNTOM: An Ensemble Learning and Weight Mechanism-Based Nanopore Methylation Detection Tool 2025-Aug-05, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01924 PMID:40787313	研究论文	开发了一种基于集成学习和注意力权重机制的纳米孔甲基化检测工具EDNTOM	采用集成学习技术整合多个预训练单模型预测，并引入注意力权重机制实现准确可靠的检测	NA	开发计算资源消耗更低、检测更准确的DNA甲基化检测工具	DNA甲基化修饰	机器学习	NA	纳米孔测序	集成学习、深度学习	DNA测序数据	NA
9	2025-09-26	GGCRB: A Graph Neural Network Approach for Predicting CircRNA-RBP Interactions Using Structural and Sequence Features 2025-Aug-05, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c04524 PMID:40787315	研究论文	提出一种结合序列和结构特征的图神经网络方法GGCRB，用于预测环状RNA与RNA结合蛋白的相互作用位点	首次将图卷积网络和图注意力网络应用于circRNA结构特征建模，并通过多模态融合策略整合序列和结构信息	未明确说明模型对未知circRNA-RBP相互作用的泛化能力	开发高精度的circRNA-RBP结合位点预测计算方法	环状RNA（circRNA）与RNA结合蛋白（RBP）	生物信息学	NA	图卷积网络（GCN）、图注意力网络（GAT）、双向LSTM、多头注意力机制	GGCRB（图神经网络框架）	序列数据、结构数据（碱基配对邻接矩阵）	16个基准数据集
10	2025-09-26	Spatio-temporal learning from molecular dynamics simulations for protein-ligand binding affinity prediction 2025-Aug-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf429 PMID:40828893	研究论文	开发了基于分子动力学模拟的深度学习模型MDbind，用于预测蛋白质-配体结合亲和力	首次将分子动力学模拟作为数据增强手段，构建包含63,000个模拟轨迹的数据集，并开发新型神经网络学习时空动态信息	训练数据有限性可能导致模型泛化能力不足	提高蛋白质-配体结合亲和力预测的准确性和泛化能力	蛋白质-配体复合物	机器学习	NA	分子动力学模拟、深度学习	神经网络	分子动力学模拟轨迹数据	63,000个蛋白质-配体相互作用的模拟轨迹
11	2025-09-26	Modified Le-Net Model with Multiple Image Features for Skin Cancer Detection 2025-Aug, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2025.2518400 PMID:40536067	研究论文	提出一种基于改进LeNet模型和多图像特征的皮肤癌检测方法	结合改进深度联合分割技术和多特征提取（MTH、IPHOG、MBP）的改进LeNet模型	NA	开发高精度的皮肤癌自动检测系统	皮肤癌图像（黑色素瘤和非黑色素瘤）	计算机视觉	皮肤癌	深度学习	改进LeNet（MLeNet）	图像	HAM10000和ISIC 2019数据集
12	2025-09-26	Enhancing Lung Cancer Diagnosis: An Optimization-Driven Deep Learning Approach with CT Imaging 2025-Aug, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2025.2518404 PMID:40546028	研究论文	提出一种优化驱动的CBAM-EfficientNet深度学习模型，用于增强CT影像中的肺癌分类诊断	结合EfficientNet降低计算复杂度，集成CBAM注意力机制强化特征提取，并首次采用灰狼优化等算法进行超参数调优	仅在两个公开数据集上进行验证，需要进一步临床实际场景测试	提升肺癌CT影像分类的准确性和效率	肺癌患者的CT影像数据	计算机视觉	肺癌	CT影像分析	CBAM-EfficientNet（集成注意力机制的CNN模型）	医学影像	Lung-PET-CT-Dx和LIDC-IDRI两个基准数据集
13	2025-09-26	Automated Evaluation of Female Pelvic Organ Descent on Transperineal Ultrasound: Model Development and Validation 2025-Aug, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-025-06211-0 PMID:40580222	研究论文	开发并验证了一种基于多任务深度学习模型，用于自动化评估经会阴超声图像中的女性盆腔器官脱垂	首次将多任务深度学习模型应用于经会阴超声图像的自动化POP评估，通过Grad-CAM可视化技术验证模型关注区域与专家判断的一致性	研究样本仅来自单一时间段（2023年1-6月），未涉及外部验证集	开发自动化评估女性盆腔器官脱垂的深度学习模型	1340名女性患者的经会阴超声图像	医学影像分析	盆腔器官脱垂	深度学习，梯度加权类激活映射	ResNet34+多任务全连接层	超声图像	1340例患者图像（1072训练/268验证）
14	2025-09-26	Standardisation of an AI-based vocal fold assessment tool on a recurrent respiratory papillomatosis model 2025-Aug, Acta otorhinolaryngologica Italica : organo ufficiale della Societa italiana di otorinolaringologia e chirurgia cervico-facciale IF:2.1Q2 DOI:10.14639/0392-100X-N2896 PMID:40985091	研究论文	本研究通过AI工具GC-AID定量评估复发性呼吸道乳头状瘤病（RRP）在声带上的病变范围	开发了首个基于AI的声带病变定量评估工具GC-AID，并在RRP模型中实现标准化应用	样本量较小（仅4名患者），属于案例研究性质	验证AI工具在RRP病变定量评估中的有效性	复发性呼吸道乳头状瘤病（RRP）患者的声带病变	数字病理	复发性呼吸道乳头状瘤病	人工智能深度学习	深度学习	医学图像（白光和窄带成像）	4名RRP患者
15	2025-09-25	Computational Prediction of Single-Domain Immunoglobulin Aggregation Propensities Facilitates Discovery and Humanization of Recombinant Nanobodies 2025-Aug-28, Antibodies (Basel, Switzerland) DOI:10.3390/antib14030073 PMID:40981272	研究论文	开发基于深度学习的计算方法来预测单域免疫球蛋白（纳米抗体）的聚集倾向	首次将AI驱动的结构预测与框架区域2特性分析相结合，建立纳米抗体聚集倾向的预测模型	仅基于106种纳米抗体变体进行验证，样本规模有限	开发预测纳米抗体聚集倾向的计算工具以促进重组纳米抗体的发现和人源化	重链抗体可变域（VHH）纳米抗体	机器学习	NA	深度学习结构预测、尺寸排阻色谱（SEC）	深度学习	蛋白质结构数据	106种纳米抗体变体
16	2025-09-25	World's First Real-Time Artificial Intelligence-Assisted Mechanical Thrombectomy for Acute Ischemic Stroke 2025-Aug-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8704 PMID:39961616	研究论文	介绍实时人工智能辅助机械取栓治疗急性缺血性卒中的初步经验	首次报道在急诊机械取栓手术中应用实时深度学习AI系统进行辅助操作	样本量较小（16例患者），需要大规模研究验证对手术流程和临床结果的影响	评估实时AI系统在急性缺血性卒中机械取栓手术中的有效性、准确性和安全性	16例连续收治的急性缺血性卒中患者	数字病理	脑血管疾病	深度学习AI软件（Neuro-Vascular Assist）	深度学习模型	荧光透视图像视频	16例急性缺血性卒中患者
17	2025-09-25	Machine Learning Approach to Predict Emergency Cesarean Sections Among Nulliparous Women 2025-Aug, Cureus DOI:10.7759/cureus.90501 PMID:40978894	研究论文	本研究利用机器学习方法预测初产妇急诊剖宫产的风险因素	首次将七种机器学习模型（包括线性回归和深度学习）应用于初产妇急诊剖宫产预测，并比较其性能	回顾性单中心研究，未包含产时临床特征，需要前瞻性研究验证	识别初产妇急诊剖宫产的预测因素	伊朗某三级妇产中心的2668名初产妇	机器学习	产科疾病	机器学习	线性回归, 逻辑回归, 决策树, 随机森林, XGBoost, KNN, 深度学习	临床数据	2668名初产妇（1916例阴道分娩，752例剖宫产）
18	2025-09-25	The Prognostic Performance of Artificial Intelligence and Machine Learning Models for Mortality Prediction in Intensive Care Units: A Systematic Review 2025-Aug, Cureus DOI:10.7759/cureus.90465 PMID:40978923	系统综述	系统评估人工智能和机器学习模型在ICU患者院内死亡率预测中的性能表现	首次系统比较AI/ML模型与传统临床评分系统在ICU死亡率预测中的性能差异，发现集成学习方法具有最优预测精度	研究多为回顾性分析，数据集来源有限，缺乏前瞻性验证	评估AI/ML模型在ICU死亡率预测中的预后性能	ICU住院患者	机器学习	危重症	机器学习算法	XGBoost, Random Forest, Logistic Regression, RNN	临床数据	基于MIMIC和eICU-CRD两大公共重症数据库的15项研究（2015-2025年）
19	2025-09-25	Predicting cardiotoxicity in drug development: A deep learning approach 2025-Aug, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101263 PMID:40979544	研究论文	本研究采用深度学习方法预测药物开发中的心脏毒性，通过分子指纹和描述符结合多种机器学习算法构建预测模型	首次将Transformer模型应用于心脏毒性预测，并集成多种分子特征表示方法，同时使用SHAP解释模型特征重要性	未明确说明训练数据和外部验证集的具体样本规模和来源	提高药物心脏毒性预测的准确性和效率，替代传统耗时昂贵的实验方法	化合物分子（重点关注hERG钾通道相关毒性）	机器学习	心血管疾病	分子指纹和分子描述符计算	XGBoost, Transformer, NB, RF, SVM, KNN	分子结构数据	NA
20	2025-09-25	HyPepTox-Fuse: An interpretable hybrid framework for accurate peptide toxicity prediction fusing protein language model-based embeddings with conventional descriptors 2025-Aug, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101410 PMID:40979547	研究论文	提出一种融合蛋白质语言模型嵌入与传统描述符的混合框架HyPepTox-Fuse，用于精确预测肽毒性	首次将蛋白质语言模型嵌入与传统描述符通过跨模态多头注意力机制和Transformer架构进行融合，并采用鲁棒的特征排序选择流程	NA	开发准确预测肽毒性的计算工具以促进肽类疗法的安全设计	肽类分子	自然语言处理	NA	蛋白质语言模型、机器学习、深度学习	Transformer、多头注意力机制	序列数据、分子描述符	NA