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
61	2026-08-30	MultiD4CAD: Multimodal Dataset composed of CT and Clinical Features for Coronary Artery Disease Analysis 2025-09-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05743-w PMID:41006273	研究论文	本文介绍了一个名为MultiD4CAD的多模态数据集，包含疑似冠状动脉疾病患者的CT影像和临床特征，用于支持临床决策支持系统的开发	该数据集结合了冠状动脉CT血管造影的影像数据（包括心外膜和冠状动脉周围脂肪组织分割）和临床生物标志物，并带有疾病标签，适用于监督学习算法	文章未明确提及局限性，但可能包括数据集规模有限或单一中心来源	提供多模态数据集以支持冠状动脉疾病的预测模型开发和临床决策	疑似冠状动脉疾病患者	医学影像分析	冠状动脉疾病	CCTA	NA	影像和临床数据	NA	NA	NA	NA	NA
62	2026-08-30	Endoplasmic reticulum junctions serve as a platform for endosome-lysosome interactions through their stop-and-go motion switching 2025-09-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adv4437 PMID:40961183	研究论文	通过深度学习图像分析，发现内质网连接点通过其“走走停停”的运动切换机制作为内体-溶酶体相互作用的平台	首次揭示内质网连接点作为内体-溶酶体相互作用的平台，并阐明其通过肌动蛋白凝聚和VAP-STARD3相互作用介导运动切换的机制	未提供具体限制信息	阐明内体-溶酶体在细胞质中“走走停停”运动的机制，并揭示内质网连接点在该过程中的作用	内体、溶酶体、内质网连接点、肌动蛋白、脂滴、过氧化物酶体	计算机视觉，机器学习	无特定疾病	深度学习图像分析，包括粒子追踪、空间分布分析和内质网形态分析	深度学习模型	图像	未提供具体样本量	未提供具体框架	未提供具体架构	未提供具体性能指标	未提供计算资源信息
63	2026-08-28	Physics-informed deep learning for plasmonic sensing of nanoscale protein dynamics in solution 2025-09-26, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw0783 PMID:41004578	研究论文	本文介绍了一种结合物理信息深度学习的中红外等离激元传感器，用于溶液中纳米尺度蛋白质二级结构的定量分析。	创新点在于将合成复频率波（s-CFW）与卷积神经网络（CNN）结合，增强目标光谱特征，提高了蛋白质二级结构预测的准确性。	摘要中未提及明显的局限性。	解决深度学习中数据稀缺问题，实现对生理环境下蛋白质动态和相互作用的实时定量预测。	溶液中的纳米尺度蛋白质，特别是尺寸小于10纳米的蛋白质。	机器学习和数字病理学	不适用	中红外等离激元传感技术，合成复频率波（s-CFW）技术	卷积神经网络（CNN）	光谱数据	未提及具体样本数量，涉及亚10纳米蛋白质	未明确提及，可能使用PyTorch或TensorFlow	卷积神经网络（CNN）	平均相对误差	未提及具体计算资源
64	2026-08-28	Scalable deep learning reconstruction for accelerated multidimensional nuclear magnetic resonance spectroscopy of proteins 2025-09-26, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw8122 PMID:41004582	研究论文	本文介绍了一种可扩展的深度学习重建方法，用于加速高维核磁共振波谱分析，特别针对蛋白质结构测定，实现了3D和4D NMR的高效重建。	提出了一种基于一维数据学习的网络设计，通过外积和一阶Hankel矩阵近似，实现了跨加速因子（2至33）的鲁棒3D重建，并首次展示了4D NMR的人工智能重建可能性。	论文摘要未明确提及局限性，但可推测扩展至高维需要复杂网络和更多数据，可能限制应用。	开发可扩展的深度学习重建方法，以加速高维NMR波谱采集，支持蛋白质结构测定。	蛋白质的核磁共振波谱数据，包括时间域信号和相应的多维频谱。	机器学习	NA	核磁共振波谱（NMR）	神经网络	波谱数据（时间域信号）	示例包括3D和4D NMR数据集，具体样本量未在摘要中说明。	NA	基于一维数据的学习网络（结构细节未在摘要中提供）	重建保真度（未明确指标，但涉及跨加速因子的鲁棒性）	NA
65	2026-08-28	Box embeddings for extending ontologies: a data-driven and interpretable approach 2025-Sep-01, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01086-1 PMID:40890838	研究论文	提出使用盒嵌入方法扩展本体，通过数据驱动和可解释的方式学习多标签数据集中的隐含层级关系，并在ChEBI本体上验证其性能。	在训练阶段强制模型输出具有分类结构，使用轴对齐超矩形（盒子）表示本体类别，无需显式提供分类体系即可捕捉隐含层次关系，同时实现可解释性和最先进的分类性能。	摘要未提及具体限制，可能包括对大型本体或复杂层次关系的扩展性和计算开销问题，但未明确说明。	通过盒嵌入的语义结构使深度学习模型输出可解释，并在多标签分类任务中学习标签间的隐含层次关系。	多标签数据集和ChEBI本体中的类别及其层次关系。	机器学习	不适用	盒嵌入（box embeddings）	盒嵌入模型	多标签数据	未提供具体样本数量，仅在ChEBI本体上评估。	未提及	未明确指定，但涉及盒嵌入结构。	层次关系逼近能力和多标签分类性能（如准确率等，具体未详述）。	未提及
66	2026-08-26	Data-Augmented Deep Learning Algorithm for Accurate Control of Bioethanol Fermentation Using an Online Raman Analyzer 2025-09, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29040 PMID:40485093	研究论文	本研究提出了一种基于在线拉曼光谱和深度学习算法的生物乙醇发酵监控系统，利用伪标签技术扩大训练数据，并开发了STC-CNN模型，实现了葡萄糖浓度的准确预测和自动补料控制，显著提高了乙醇产量。	创新点在于采用伪标签半监督学习将训练数据扩大100倍，并开发了结合光谱和时间序列特征的STC-CNN模型，优于传统机器学习方法，实现了自动化生物过程优化。	摘要中未提及局限性，可能涉及对特定发酵体系（酿酒酵母）的依赖性以及在线拉曼光谱仪的成本和通用性。	优化生物乙醇发酵的补料策略，实现稳定最大产量，并通过自动化系统提高乙醇浓度和减少副产物。	以酿酒酵母（Saccharomyces cerevisiae）生产生物乙醇的过程为研究对象，包括葡萄糖、乙醇和甘油浓度的监测。	机器学习	NA	在线拉曼光谱	卷积神经网络（CNN）	光谱数据（拉曼光谱）	未明确样品数量，但训练数据通过伪标签扩大100倍	PyTorch	STC-CNN（光谱-时间拼接卷积神经网络）	均方根误差（RMSE）	未提及，可能使用通用GPU（如NVIDIA）进行训练
67	2026-08-25	Cross-institutional validation of a polar map-free 3D deep learning model for obstructive coronary artery disease prediction using myocardial perfusion imaging: insights into generalizability and bias 2025-09, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07243-w PMID:40198356	研究论文	本研究通过两个医疗中心的数据验证了一个无极坐标图的3D深度学习模型在心肌灌注成像中预测阻塞性冠状动脉疾病的表现，并评估其泛化性和潜在偏差。	首次跨机构验证了无极坐标图的3D深度学习模型在MPI预测阻塞性CAD中的泛化性和偏差，并发现其性能优于应力总灌注缺损。	模型在外部队列中表现显著降低，且在不同应激类型和年龄组存在偏差。	评估一个内部开发的基于MPI的深度学习模型在不同医院队列中的泛化能力和潜在偏差。	来自台湾两个医疗中心的患者，接受了应激/再分布铊-201 MPI并在90天内进行侵入性冠状动脉造影。	医学影像分析	阻塞性冠状动脉疾病	心肌灌注成像（MPI）	3D深度学习模型	医学图像（MPI图像）	训练集928个图像，内部验证集933个图像，外部验证集3234个图像	NA	3D卷积神经网络（推测）	AUC	NA
68	2026-08-24	Neural xenografts contribute to long-term recovery in stroke via molecular graft-host crosstalk 2025-Sep-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-63725-3 PMID:40957886	研究论文	本研究展示了iPSC来源的神经祖细胞移植可改善中风小鼠的脑修复和长期功能恢复，并揭示了移植物与宿主组织的分子相互作用机制	首次通过单核RNA测序揭示神经移植物与宿主中风组织之间的分子串扰机制，并利用深度学习分析量化功能恢复	研究仅在动物模型中进行，未涉及人类临床试验，长期安全性和有效性有待进一步验证	探究神经祖细胞移植促进中风后长期功能恢复的机制，并评估其治疗潜力	中风损伤的小鼠模型	神经科学	中风	单核RNA测序	神经网络	图像数据、基因表达数据	中风小鼠模型，具体数量未提及	NA	深度学习模型，具体架构未提及	步态恢复和精细运动恢复的量化指标	NA
69	2026-08-24	Unipolar voltage electroanatomic mapping detects structural atrial remodeling identified by LGE-MRI 2025-09, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.10.015 PMID:39396602	研究论文	本文探讨了在心房颤动患者中，单极电压电解剖标测与LGE-MRI检测到的结构性心房重构之间的关系	首次使用多极高密度标测比较单极和双极低电压区与LGE区域的重叠情况，并展示单极低电压区与LGE区域高度相关	样本量较小（20名患者），且为单中心研究，可能限制结果的普遍性	探索LGE区域与单极和双极低电压区之间的关系，以改善心房颤动患者的心房基质评估	计划进行心房颤动消融的20名患者	医学影像分析，数字病理学	心房颤动	LGE-MRI，电解剖标测	深度学习	MRI图像，电解剖标测数据	20名患者	NA	NA	精确度、灵敏度、F1分数、准确率	NA
70	2026-08-24	A structurally informed human protein-protein interactome reveals proteome-wide perturbations caused by disease mutations 2025-Sep, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02428-4 PMID:39448882	研究论文	本文介绍了PIONEER，一个集成深度学习框架，用于预测人类及其他七种模式生物中所有已知蛋白质相互作用的结合位点特异性界面，构建结构信息丰富的蛋白质相互作用组，并展示了疾病突变对蛋白质组范围的扰动。	PIONEER是首个能够为所有已知蛋白质相互作用预测结合位点特异性界面的集成深度学习框架，覆盖人类及七种模式生物，且经实验验证优于现有最先进方法。	未明确提及局限性。	协助遗传发现转化为疾病病理学和治疗发现，通过预测蛋白质相互作用界面并分析疾病突变的影响，支持精准医学。	人类及七种常见模式生物中的所有已知蛋白质相互作用，以及约11,000个全外显子组中的33种癌症类型的体细胞突变。	深度学习、蛋白质相互作用预测、精准医学	癌症	全外显子组测序（WES）	集成深度学习	蛋白质序列、蛋白质相互作用数据、全外显子组突变数据	约11,000个全外显子组样本，覆盖33种癌症类型	NA	未指定具体架构（集成深度学习框架）	准确率、性能比较（优于现有方法）、实验验证	NA
71	2026-08-23	Deep-Learning-Based Analysis of Disease-Specific Structural Biomarkers on Retinal Sensitivity in Neovascular Age-Related Macular Degeneration 2025-09-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.12.68 PMID:41025875	研究论文	该研究利用深度学习分析新生血管性年龄相关性黄斑变性（nAMD）患者视网膜敏感性相关的疾病特异性结构生物标志物。	首次使用深度学习量化nAMD中的多个结构生物标志物并进行共配准，以评估其对点状视网膜敏感性的影响，并发现了生物标志物与偏心率之间的交互作用。	样本量较小（20只眼睛），且仅包括活动性nAMD患者，可能限制普遍性。	评估特定生物标志物（如PED、IRF、SRF、EZL、SHRM）对活动性nAMD患者点状视网膜敏感性的影响。	20名活动性nAMD患者（平均年龄76.0岁）的20只眼睛。	深度学习、医学影像分析	年龄相关性黄斑变性（新生血管性）	光学相干断层扫描（OCT）、微视野计（MP）、深度学习	深度学习模型（具体架构未在摘要中说明）	医学影像（OCT图像、微视野计数据）	20只眼睛（20名受试者）	NA	NA	平均敏感性差异（dB）、95%置信区间	NA
72	2026-08-23	Understanding the stability landscape of LbCas12a by deep analysis of stabilizing mutations and mutation combinations 2025-09, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70280 PMID:40838855	研究论文	本文通过深入分析稳定化突变及其组合，研究了LbCas12a的稳定性景观，揭示了突变间的上位效应及稳定性与活性的权衡关系	首次系统分析了LbCas12a稳定化突变间的相互作用，发现突变在不同背景下对稳定性的影响差异显著，并展示了稳定化突变可恢复不稳定变体的功能	未明确说明局限性与样本量，可能受限于体外实验条件，缺乏体内验证	理解LbCas12a的稳定性景观，为开发新型Cas核酸酶工程策略提供见解	LbCas12a蛋白及其突变体	蛋白质工程	NA	深度学习预测、饱和突变、熔解温度分析	深度学习模型	蛋白质序列与稳定性数据	约90个稳定化突变体，19个S962位点氨基酸替换	NA	NA	熔解温度(Tm)、活性测定结果	NA
73	2026-08-22	Artificial Intelligence-Based Model Exploiting Hematoxylin and Eosin Images to Predict Rare Gene Mutations in Patients With Lung Adenocarcinoma 2025-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00093 PMID:41004706	研究论文	本研究开发了一种基于ResNeXt101的深度学习模型，利用苏木精-伊红染色图像预测肺腺癌患者的罕见基因突变状态。	首次利用深度学习模型直接预测肺腺癌中的六种罕见基因突变，并在外部数据集和转移性癌症数据上验证了性能。	样本量相对较小，且模型对某些基因突变（如转移数据集中的部分基因）预测性能较低（AUC 0.72-0.80）。	开发高精度的深度学习模型，通过病理图像预测肺腺癌基因突变，以加速诊断并支持精准医疗。	肺腺癌患者及其苏木精-伊红染色病理图像，以及对应的基因突变状态。	数字病理学、机器学习	肺腺癌	数字病理图像分析	卷积神经网络（CNN）	图像（苏木精-伊红染色的组织病理图像）	两个队列共213名患者（队列1：144名，队列2：69名），另加一个转移性癌症数据集。	NA	ResNeXt101	AUC、准确率、精确率、召回率、F1分数	NA
74	2026-08-20	AlphaFold model quality self-assessment improvement via deep graph learning 2025-09, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70274 PMID:40823963	研究论文	提出EQAFold框架，通过深度图学习改进AlphaFold的模型质量自我评估，生成更准确的自信度分数	将AlphaFold的Local Distance Difference Test预测头进行精炼，并引入等变图神经网络来提升自评估置信度的可靠性	未明确提及，但暗示标准AlphaFold的置信度在某些情况下不可靠	改进蛋白质结构预测中的自置信度评估，提供更可靠的模型质量指标	蛋白质结构预测模型（AlphaFold）及其置信度输出	机器学习	NA	NA	图神经网络	蛋白质结构数据	NA	NA	等变图神经网络	NA	NA
75	2026-08-18	Impact of hypertension on cerebral small vessel disease: A post-mortem study of microvascular pathology from normal-appearing white matter into white matter hyperintensities 2025-09, Journal of cerebral blood flow and metabolism : official journal of the International Society of Cerebral Blood Flow and Metabolism IF:4.9Q1 DOI:10.1177/0271678X251333256 PMID:40219923	研究论文	本研究通过尸检样本，探讨了高血压对脑小血管疾病的影响，特别是微血管病理从正常表现白质向白质高信号转变的过程	首次利用深度学习优化白质高信号分割，并对正常表现白质到白质高信号中心进行逐体素的相关性分析，揭示了高血压个体中内皮损伤、血脑屏障破坏和神经血管炎症在脑小血管病进展中的协同作用	未观察到沿正常表现白质到白质高信号转变过程中血脑屏障损伤或神经血管炎症的渐进性变化，可能受限于样本量或尸检组织处理的影响	探讨慢性高血压与脑小血管病早期发病机制的关系，特别是微血管病理变化在正常表现白质向白质高信号转变中的作用	有无高血压个体的尸检脑组织，特别是脑室周围正常表现白质和白质高信号区域	数字病理学	脑小血管疾病	组织病理学检查、深度学习分割	深度学习模型	组织切片图像和MRI图像	未明确说明，但为尸检脑样本，分为高血压和非高血压组	NA	NA	NA	NA
76	2026-08-18	Dissecting cross-lineage tumourigenesis under p53 inactivation through single-cell multi-omics and spatial transcriptomics 2025-09, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.70461 PMID:40887856	研究论文	本研究通过单细胞多组学和空间转录组学，探讨了p53失活后不同细胞谱系的肿瘤发生机制。	整合单细胞转录组、ATAC-seq、空间转录组等多组学数据，构建了Trp53功能细胞图谱，并通过深度学习基因网络模型重建p53调控网络，揭示了p53失活后跨谱系肿瘤发生的共享和特异特征。	未提供明确的局限性信息。	研究p53失活后不同细胞谱系的细胞稳态破坏和肿瘤发生机制，构建Trp53功能细胞图谱，并解码p53下游调控网络。	小鼠Trp53敲除模型中的免疫、基质和上皮细胞等不同细胞谱系。	单细胞多组学、空间转录组学、深度学习	Li-Fraumeni综合征	单细胞转录组学、单细胞ATAC-seq、空间转录组学、全基因组测序、CUT&Tag	深度学习基因网络模型	单细胞转录组数据、染色质可及性数据、空间转录组数据、基因组测序数据、CUT&Tag数据	小鼠模型，具体样本数量未提及	NA	基因网络模型	NA	NA
77	2026-08-16	Pancancer outcome prediction via a unified weakly supervised deep learning model 2025-09-03, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-025-02374-w PMID:40897689	研究论文	本文介绍了一个名为PROGPATH的统一弱监督深度学习模型，用于整合组织病理图像特征和常规临床变量，实现泛癌预后预测	通过结合基础模型图像编码、注意力引导的多实例学习、交叉注意力变换器和路由器分类策略，实现跨癌种的统一预后预测模型，并进行了大规模外部验证	尽管在多个外部队列中表现良好，但未提及模型的局限性，如对特定癌症类型的适用性或计算资源的详细说明	开发一个能够整合组织病理图像和临床变量进行泛癌预后预测的统一模型，以改善癌症治疗决策	来自15种癌症类型的6,670名患者的7,999张全切片图像，以及17个外部队列中12种癌症类型的4,441名患者的7,374张全切片图像	数字病理学	多种癌症（包括肺癌、前列腺癌等，具体未指定）	组织病理图像分析	弱监督深度学习模型	全切片图像	训练集：6,670名患者的7,999张WSI；外部验证：4,441名患者的7,374张WSI	未明确指定	基础模型、注意力引导多实例学习、交叉注意力变换器、路由器分类策略	一致性指数（C-index）等，具体未明确列出	未明确说明
78	2026-08-13	Accounting for population structure in deep learning models for genomic analysis 2025-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104873 PMID:40623578	研究论文	本研究探讨深度学习模型中未考虑遗传相关性（种群结构）是否引入混杂效应，并通过模拟和真实世界数据评估其对模型性能和特征重要性的影响。	首次系统评估深度学习基因组分析中忽略种群结构的混杂影响，并结合可解释人工智能（XAI）揭示模型关注特征的差异。	研究可能受限于模拟数据和特定数据集的代表性，且未涵盖所有可能的深度学习架构或基因组数据类型。	调查深度学习模型中遗传相关性的缺失是否导致类似传统基因组分析的混杂效应，并提出减少捷径学习的策略。	基于单核苷酸多态性（SNP）数据的模拟和真实世界基因组数据集。	机器学习	NA	单核苷酸多态性（SNP）分析	深度学习模型（未指定具体类型）	基因型数据（SNP）	未明确说明（包含模拟和真实世界数据集）	未指定（代码可在GitHub上获取）	未指定（深度学习模型）	模型性能（具体指标未在摘要中提及，可能包括准确率等）	未说明
79	2026-08-13	Adaptive-AutoMO: A domain adaptive automated multiobjective neural network for reliable lesion malignancy prediction via digital breast tomosynthesis 2025-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104869 PMID:40712810	研究论文	提出一种领域自适应自动化多目标神经网络（Adaptive-AutoMO），用于通过数字乳腺断层合成图像进行可靠的病变恶性预测	同时解决隐私保护、可信度测量和平衡三个关键挑战，结合多目标免疫神经架构搜索和半监督领域自适应	未提及明确局限性	解决数据稀缺和领域偏移问题，提高乳腺癌病变恶性预测的可靠性	数字乳腺断层合成图像中的病变	数字病理学	乳腺癌	NA	多目标神经网络	图像	两个DBT图像数据集（源域和目标域）	NA	ResNet-18, DenseNet-121	敏感性, 特异性, 准确性	NA
80	2026-08-12	MedIENet: medical image enhancement network based on conditional latent diffusion model 2025-09-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01909-5 PMID:41013286	研究论文	提出一种基于条件潜扩散模型的医学图像增强网络MedIENet，以解决医学图像数据不足的问题	在去噪U-Net骨干编码器中引入多注意力模块，集成旋转位置嵌入和交叉注意力以增强图像生成质量	未提及具体局限性	提高医学图像生成的保真度和多样性，以增强下游分类任务性能	胸部CT扫描图像、胸部X射线图像（肺炎）和舌头数据集	数字病理学	肺炎	潜扩散模型	U-Net	图像	三个数据集：胸部CT扫描图像、胸部X射线图像（肺炎）和舌头数据集	NA	U-Net	AUROC	NA