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
841	2025-10-06	Deep Learning Approach Readily Differentiates Papilledema, Non-Arteritic Anterior Ischemic Optic Neuropathy, and Healthy Eyes 2025-Aug, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.04.006 PMID:40220884	研究论文	开发并验证了一种基于深度学习的模型，用于通过眼底照片区分特发性颅内高压引起的视盘水肿、非动脉炎性前部缺血性视神经病变和健康眼睛	首次使用深度学习模型在单一框架内同时区分三种眼科状态（IIH、NAION和健康眼睛），并生成可视化激活图谱突出显示关键诊断区域	研究依赖于现有数据集，未在更广泛的人群中进行前瞻性验证	开发一种自动诊断工具，用于神经眼科疾病的鉴别诊断	眼底照片，包括特发性颅内高压（IIH）患者、非动脉炎性前部缺血性视神经病变（NAION）患者和健康对照者的眼睛	计算机视觉	眼科疾病	眼底摄影	CNN	图像	训练验证集：15,088张眼底照片（5866只眼睛），外部验证集：1,126张照片（928只眼睛）	PyTorch	ResNet-50	准确率，AUC-ROC，精确率，召回率，F1分数，混淆矩阵	NA
842	2025-10-06	Deep learning Radiopathomics based on pretreatment MRI and whole slide images for predicting overall survival in locally advanced nasopharyngeal carcinoma 2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110949 PMID:40409367	研究论文	开发基于深度学习的放射病理组学模型，用于预测局部晚期鼻咽癌患者的总生存期	首次将MRI影像与全切片图像通过多模态融合方法结合，采用自注意力机制评估不同图像区域对预后预测的重要性	样本量相对有限（343例患者），需要更大规模的多中心验证	预测局部晚期鼻咽癌患者的总生存期	局部晚期鼻咽癌患者	数字病理	鼻咽癌	MRI成像，全切片图像分析	深度学习，自注意力机制，多层感知机	医学影像（MRI），病理图像（WSI）	343例局部晚期鼻咽癌患者（训练集202例，验证集91例，外部测试集50例）	NA	自注意力机制，多层感知机，多模态融合模型	一致性指数（C-index），Kaplan-Meier曲线	NA
843	2025-10-06	Deep learning dosiomics for the pretreatment prediction of radiation dermatitis in nasopharyngeal carcinoma patients treated with radiotherapy 2025-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110951 PMID:40412532	研究论文	开发结合剂量组学和深度学习的模型预测鼻咽癌放疗患者发生2级及以上放射性皮炎的风险	首次将剂量组学特征与深度学习特征相结合构建预测模型，并整合临床因素提升预测性能	回顾性研究且样本量有限（290例患者）	预测鼻咽癌患者放疗后放射性皮炎的发生风险	接受放疗的鼻咽癌患者	医学影像分析	鼻咽癌	放射治疗剂量分布分析	CNN, XGBoost	放射剂量分布数据	290例鼻咽癌患者（训练集167例，内部验证集72例，外部验证集51例）	NA	ResNet-34	AUC	NA
844	2025-10-06	Computational screening of umami tastants using deep learning 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11006-4 PMID:39422798	研究论文	本研究开发了一种基于深度学习的虚拟筛选流程，用于从大型分子数据库中识别高效鲜味物质	构建了最全面的鲜味分子分类数据集，首次开发了基于Transformer架构的鲜味物质分类模型和鲜味化合物效价预测神经网络模型	鲜味分子知识有限，模型性能可能受数据集规模限制	开发高效识别新型鲜味物质的虚拟筛选方法	鲜味和非鲜味分子	机器学习	NA	分子对接，虚拟筛选	Transformer, 神经网络	分子结构数据，化学特征数据	867个分子（439个鲜味分子和428个非鲜味分子），FooDB数据库中约70,000个分子	NA	Transformer	准确率	NA
845	2025-10-06	iDCNNPred: an interpretable deep learning model for virtual screening and identification of PI3Ka inhibitors against triple-negative breast cancer 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11055-9 PMID:39648257	研究论文	开发了一种基于可解释深度学习的虚拟筛选模型iDCNNPred，用于识别针对三阴性乳腺癌的PI3Kα抑制剂	首次将2D分子图像与可解释深度学习结合用于PI3Kα抑制剂筛选，并采用Grad-CAM技术增强模型预测的可解释性	模型验证样本量有限，仅通过体外实验验证了4个先导化合物	开发虚拟筛选方法识别新型PI3Kα抑制剂用于三阴性乳腺癌治疗	PI3Kα抑制剂小分子化合物	计算药物发现	三阴性乳腺癌	分子对接，体外PI3K抑制实验	CNN	2D分子图像	Maybridge化合物库中的分子，最终验证12个候选分子	NA	Custom-DCNN, AlexNet, SqueezeNet, VGG19	模型复杂度，内存使用量，生物活性分类准确率	NA
846	2025-10-06	GraphkmerDTA: integrating local sequence patterns and topological information for drug-target binding affinity prediction and applications in multi-target anti-Alzheimer's drug discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11065-7 PMID:39792322	研究论文	提出了一种结合局部序列模式和拓扑信息的深度学习模型GraphkmerDTA，用于药物-靶点结合亲和力预测，并在多靶点抗阿尔茨海默病药物发现中应用	首次将Kmer特征与结构拓扑信息相结合，通过图神经网络提取拓扑特征，同时利用全连接网络学习蛋白质的局部序列模式	未明确提及模型的具体局限性	开发更准确的药物-靶点结合亲和力预测方法，并应用于多靶点抗阿尔茨海默病药物发现	药物分子、蛋白质靶点、阿尔茨海默病相关化合物	机器学习	阿尔茨海默病	Kmer特征提取、图神经网络、分子对接	图神经网络、全连接网络	蛋白质序列、分子结构	超过两千种化合物的筛选库	NA	GraphkmerDTA	NA	NA
847	2025-10-06	Deep Learning-Based Signal Amplification of T1-Weighted Single-Dose Images Improves Metastasis Detection in Brain MRI 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001166 PMID:39961132	研究论文	本研究开发了一种基于深度学习的对比信号放大方法，将真实单剂量T1加权图像转换为人工双剂量图像，用于提高脑转移瘤的检测能力	首次使用深度学习技术将单剂量对比增强MRI图像转换为人工双剂量图像，避免了真实双剂量扫描对患者和环境的影响	样本量较小（30名参与者），在人工双剂量图像上观察到描述性假阳性增加趋势	评估基于深度学习的对比信号放大方法在脑转移瘤检测中的价值	30名参与者（平均年龄58.5±11.8岁，23名女性）的脑MRI图像	医学影像分析	脑转移瘤	磁共振成像（MRI），T1加权成像	深度学习	医学影像	30名参与者	NA	NA	灵敏度，假阳性率	NA
848	2025-10-06	Deep learning in the discovery of antiviral peptides and peptidomimetics: databases and prediction tools 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11173-y PMID:40153158	综述	本文综述了抗病毒肽及其模拟物的数据库资源、理化特性及基于机器学习的预测工具在抗病毒肽发现中的应用	系统总结了抗病毒肽研究领域的关键数据库资源和机器学习预测工具，提出了未来发展的重点方向	现有数据库存在数据集规模小、注释不完整、与多组学数据整合不足的问题，预测工具面临过拟合、实验验证有限和机制解释不足的挑战	促进抗病毒肽及其模拟物的发现与研究	抗病毒肽及其模拟物	机器学习	病毒感染	机器学习，深度学习	NA	序列数据，理化特性数据	NA	NA	NA	NA	NA
849	2025-10-06	Integrating deep learning and molecular dynamics simulations for FXR antagonist discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11145-2 PMID:40172823	研究论文	本研究结合深度学习和分子动力学模拟发现新型FXR拮抗剂	首次将深度学习模型与分子动力学模拟相结合用于FXR拮抗剂发现	仅使用HMDB数据库进行筛选，未进行实验验证	发现新型FXR拮抗剂用于代谢疾病治疗	HMDB数据库中的217,345个化合物	机器学习	代谢疾病	分子动力学模拟，结合自由能计算	深度学习模型	化学化合物数据	217,345个化合物，筛选出11个候选代谢物	NA	NA	结合自由能	NA
850	2025-10-06	QMGBP-DL: a deep learning and machine learning approach for quantum molecular graph band-gap prediction 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11178-7 PMID:40252145	研究论文	提出一种结合深度学习与机器学习的量子分子图带隙预测方法QMGBP-DL	将分子图编码器与机器学习模型相结合，通过图卷积网络从SMILES字符串提取化学结构潜在表示，并与随机森林等传统机器学习模型集成	NA	提高分子和材料带隙能量的预测准确性	量子分子和材料	机器学习	NA	分子图编码，SMILES字符串处理	GCN，随机森林	分子图数据	QM9、PCQM4M和OPV数据集	NA	图卷积网络	MAE	NA
851	2025-10-06	Cangrelor and AVN-944 as repurposable candidate drugs for hMPV: analysis entailed by AI-driven in silico approach 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11206-6 PMID:40316857	研究论文	本研究通过人工智能驱动的计算机模拟方法，筛选出坎格瑞洛和AVN-944作为抗人偏肺病毒(hMPV)的候选药物	首次开发基于深度学习的药效团模型筛选hMPV治疗药物，并通过分子动力学模拟验证蛋白-药物复合物稳定性	需要进一步的体外和体内实验验证候选药物的疗效	寻找针对人偏肺病毒F蛋白的可再利用候选药物	人偏肺病毒F蛋白及其与药物的相互作用	药物发现	呼吸道感染	深度学习药效团模型、虚拟筛选、分子动力学模拟	深度学习模型	分子结构数据、药物数据库	2400种FDA批准药物和255种抗病毒药物	NA	NA	ROC曲线、皮尔逊相关性、自由能景观、动态交叉相关矩阵	NA
852	2025-10-06	Machine learning approaches for predicting the small molecule-miRNA associations: a comprehensive review 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11211-9 PMID:40392452	综述	本文全面回顾了机器学习方法在预测小分子-miRNA关联方面的研究进展	对32种基于机器学习的SMA预测方法进行了详尽普查，并按六种类型分类分析，首次进行了算法使用趋势和性能成就的模式分析	NA	增强对SM-miRNA相互作用的理解，为疾病诊断和治疗提供潜在靶点	小分子(SMs)与微RNA(miRNAs)之间的关联关系	机器学习	多种人类疾病	机器学习	经典机器学习,深度学习,矩阵分解,网络传播,图学习,集成学习	SM-miRNA关联数据	NA	NA	NA	NA	NA
853	2025-10-06	Brain age prediction from MRI scans in neurodegenerative diseases 2025-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001383 PMID:40396549	综述	本文探讨了基于MRI扫描的脑年龄预测作为神经退行性疾病生物标志物的应用	将脑年龄作为量化神经生物学衰老的非侵入性生物标志物，结合深度学习和多模态成像技术提高预测准确性和可解释性	存在标准化实施困难、人口统计学偏差和模型可解释性等挑战	开发神经退行性疾病的早期检测工具和疾病监测方法	阿尔茨海默病、轻度认知障碍和帕金森病患者	医学影像分析	神经退行性疾病	MRI扫描，多模态成像	深度学习	医学影像	NA	NA	NA	脑预测年龄差异	NA
854	2025-10-06	Discovery of novel potential 11β-HSD1 inhibitors through combining deep learning, molecular modeling, and bio-evaluation 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11171-0 PMID:40397334	研究论文	本研究通过结合深度学习、分子建模和生物评估方法发现新型11β-HSD1抑制剂	使用基于门控循环单元(GRU)的循环神经网络构建分子生成模型，并通过迁移学习生成潜在11β-HSD1抑制剂	发现的化合物02具有抑制活性但效果不如对照药物	开发新型11β-HSD1抑制剂用于治疗葡萄糖耐受不良、胰岛素抵抗、血脂异常和肥胖	11β-羟基类固醇脱氢酶1型(11β-HSD1)抑制剂	机器学习	代谢性疾病	深度学习,分子对接,分子动力学模拟,ADME/T分析	GRU,RNN	分子结构数据	1,854,484个药物样分子来自ChEMBL和美国专利数据库	NA	GRU	结合自由能,体外活性验证	NA
855	2025-10-06	Drug repurposing to identify potential FDA-approved drugs targeting three main angiogenesis receptors through a deep learning framework 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11214-6 PMID:40418485	研究论文	通过深度学习框架识别FDA批准药物作为血管生成受体多靶点抑制剂的研究	首次采用集成分类和回归模型的深度学习方法，同时针对三种关键血管生成受体(VEGFR、FGFR、EGFR)进行多靶点药物筛选	研究基于计算模拟筛选，需要后续实验验证筛选结果的生物学有效性	开发药物重定位方法，从FDA批准药物中发现血管生成受体多靶点抑制剂	2000多种FDA批准药物	机器学习	癌症	虚拟筛选	深度自编码器,集成学习	分子数据	2000多种FDA批准药物	NA	深度自编码器	概率阈值(>0.9),模型一致性(>70%)	NA
856	2025-10-06	Integrated machine learning-based virtual screening and biological evaluation for identification of potential inhibitors against cathepsin K 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-10845-5 PMID:38662177	研究论文	本研究通过机器学习和深度学习虚拟筛选结合生物评价，识别出针对组织蛋白酶K的潜在抑制剂	首次结合机器学习和深度学习虚拟筛选方法识别新型抗骨质疏松剂，并通过综合计算验证其稳定性	仅对10种候选化合物进行了实验验证，样本量有限	开发针对组织蛋白酶K的抑制剂用于骨质疏松治疗	组织蛋白酶K及其小分子抑制剂	机器学习	骨质疏松症	虚拟筛选、分子对接、MD模拟、MM/PBSA计算、ADMET预测	机器学习,深度学习	化学化合物数据	10种候选化合物	NA	NA	抑制率(50%抑制浓度0.1μM)	NA
857	2025-10-06	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-Aug, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	系统综述与荟萃分析	本文系统回顾并荟萃分析了眼动追踪与人工智能在痴呆检测中交叉应用的研究现状	首次对眼动追踪与人工智能结合用于痴呆检测的研究进行系统综述和荟萃分析	纳入研究数量有限（9项），样本量较小（57-583人），缺乏标准化指南，痴呆类型覆盖不全	评估眼动追踪与人工智能技术在痴呆检测中的应用效果	痴呆患者（主要为阿尔茨海默病）	机器学习	老年痴呆症	眼动追踪技术	机器学习模型,深度学习模型	眼动数据	9项研究，参与者57-583人	NA	NA	准确率,灵敏度,特异性	NA
858	2025-10-06	Automated Von Willebrand Factor Multimer Image Analysis for Improved Diagnosis and Classification of Von Willebrand Disease 2025-Aug, International journal of laboratory hematology IF:2.2Q3 DOI:10.1111/ijlh.14455 PMID:40025642	研究论文	开发基于深度学习的自动化图像分析流程用于冯·维勒布兰德因子多聚体模式分类	首次将YOLOv8深度学习模型应用于VWF多聚体凝胶图像分析，实现自动化分类	对罕见亚型的分类性能较低	提高VWF多聚体模式分类的可重复性和效率	冯·维勒布兰德因子多聚体凝胶图像	计算机视觉	冯·维勒布兰德病	凝胶电泳图像分析	YOLOv8	图像	训练集514张图像(6168个标注实例)，验证集192张图像(2304个实例)，测试集94张图像(1128个实例)	YOLOv8	YOLOv8	准确率, 精确率, 召回率, F1分数, Cohen's kappa系数	NA
859	2025-10-06	Artificial intelligence models for predicting acute kidney injury in the intensive care unit: a systematic review of modeling methods, data utilization, and clinical applicability 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf065 PMID:40620479	系统综述	系统评估ICU中急性肾损伤预测AI模型的建模方法、数据利用和临床适用性	首次系统评估ICU环境中AKI预测AI模型的方法学、数据利用和临床适用性，识别当前挑战并提出未来研究方向	纳入研究存在高偏倚风险，特别是泛化性和临床适用性方面，模型可比性受研究设计、预测窗口和数据源差异影响	评估ICU中急性肾损伤预测AI模型的建模方法、数据利用策略和临床适用性	ICU患者的急性肾损伤预测模型研究	机器学习	急性肾损伤	系统文献综述	机器学习,深度学习	ICU临床数据	47项符合纳入标准的研究（从1305项筛选研究中）	NA	NA	准确率,精确率,召回率,F1分数,AUC	NA
860	2025-10-06	An Explainable Connectome Convolutional Transformer for Multimodal Autism Spectrum Disorder Classification 2025-Aug, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500431 PMID:40621646	研究论文	提出一种可解释的连接组卷积Transformer框架，用于多模态自闭症谱系障碍分类	融合功能与结构脑连接信息的多模态深度学习框架，结合连接组卷积嵌入和Transformer编码器，并引入节点到图的池化层识别生物标志物	多站点数据集成可能引入变异性，依赖特定数据集（ABIDE）	开发自动化神经影像诊断工具以改善自闭症谱系障碍诊断	自闭症谱系障碍患者的脑连接数据	医学影像分析	自闭症谱系障碍	fMRI, sMRI	Transformer, CNN	脑连接图像数据	ABIDE多站点数据集	深度学习框架	连接组卷积Transformer (CCTF)	准确率	NA