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
9421	2025-12-14	NMR-based deep learning classification of raw cow's milk samples in different stages of mastitis 2026-Jan-30, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70200 PMID:40959907	研究论文	本研究利用核磁共振（NMR）数据和深度强化学习（DRL）协议，开发了一个用于对生牛奶样本在不同乳腺炎阶段进行分类的可靠预测模型	首次将未经预处理的生牛奶NMR数据作为指纹图谱，结合先进的张量分解方法和深度强化学习（DRL）协议，用于乳腺炎阶段的分类	未明确说明样本的具体数量，且模型在仅使用一半训练集时达到82%的准确率，可能表明数据量有限或模型泛化能力有待进一步验证	评估核磁共振（NMR）数据作为指纹图谱，结合深度强化学习（DRL）开发可靠的预测模型，以对生牛奶样本在不同乳腺炎阶段进行分类	健康奶牛（两组）以及患有亚临床（四组）和临床（一组）乳腺炎的奶牛的生牛奶样本	机器学习	乳腺炎	核磁共振（NMR），包括1H-NMR和扩散排序光谱（DOSY）NMR	深度神经网络（DNN），深度强化学习（DRL）	光谱数据（2D DOSY NMR谱）	NA	NA	NA	准确率	NA
9422	2025-12-14	Artificial intelligence-based pollen classification machine in apiculture: design, implementation and evaluation 2026-Jan-30, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70238 PMID:41051118	研究论文	本文开发了一种基于人工智能的花粉分类系统，用于养蜂业中花粉的自动化分类和质量控制	利用深度学习模型（特别是DenseNet201和YOLOv8）基于颜色特性对花粉样本进行分类，实现了高精度（98.5%）和实时处理能力	实验室规模验证，可能未涵盖所有实际环境中的花粉类型和变异	开发一种标准化、可追溯的花粉产品分类系统，以支持养蜂业的可持续和卫生花粉采集	花粉样本，特别是单花种花粉类型	计算机视觉	NA	深度学习驱动的图像分类	CNN	图像	未明确指定样本数量，但涉及实验室规模验证	未明确指定，但可能基于TensorFlow或PyTorch	MobileNet, InceptionV3, Xception, NasNet Large, DenseNet201, YOLOv8	准确率	未明确指定
9423	2025-12-13	Interpretable large language models for early prediction of antimicrobial multidrug resistance 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00401-2 PMID:41383823	研究论文	本研究提出基于大语言模型的新架构，用于重症监护病房患者抗菌素耐药性的早期预测，利用电子健康记录作为不规则多变量时间序列数据	首次将大语言模型应用于不规则多变量时间序列的抗菌素耐药性分类任务，结合了高预测性能与模型可解释性	研究数据来源于单一医院（西班牙马德里富恩拉夫拉达大学医院），可能限制模型的泛化能力	开发早期预测抗菌素耐药性的模型，以支持重症监护病房的及时干预和有效治疗	重症监护病房患者的电子健康记录数据	自然语言处理	抗菌素耐药性	电子健康记录分析	LLM, GRU, LSTM, Transformer, Mamba, GCNN	不规则多变量时间序列	3502份匿名电子健康记录	NA	InstructTime-LLM, Blocks-LLM	ROC-AUC	NA
9424	2025-12-13	Recent advances and applications of single-cell sequencing in insects 2026-Feb, Current opinion in insect science IF:5.8Q1 DOI:10.1016/j.cois.2025.101455 PMID:41173389	综述	本文综述了单细胞测序技术在昆虫科学中的最新进展与应用，探讨了该技术如何推动昆虫生物学从描述性研究转向功能与机制研究	系统总结了单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）在昆虫研究中的应用，并展望了高通量空间转录组学等新技术的前景	作为综述文章，未提出新的实验数据或方法，主要基于现有文献进行归纳总结	总结单细胞测序技术在昆虫生物学研究中的最新进展，并探讨其未来发展方向	昆虫（泛指）	基因组学	NA	单细胞测序、单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）、空间转录组学	深度学习算法	基因组数据、转录组数据、表观基因组数据、蛋白质组数据、代谢组数据	NA	NA	NA	NA	NA
9425	2025-12-13	Circulating microRNAs in viral myocarditis: Advancements in biological understanding and potential clinical applications 2026-Jan-10, Gene IF:2.6Q2 DOI:10.1016/j.gene.2025.149866 PMID:41177414	综述	本文系统综述了循环microRNAs在病毒性心肌炎中的生物学作用、临床诊断与治疗应用潜力及局限性	整合了高通量测序、深度学习和人工智能技术，以深入理解循环microRNAs在病毒性心肌炎发病机制中的调控网络作用	作为综述文章，未进行原始实验研究，依赖于现有文献证据，可能存在发表偏倚	为改善病毒性心肌炎的精准诊断和治疗建立理论基础和策略框架	循环microRNAs及其在病毒性心肌炎中的调控网络	自然语言处理	心血管疾病	高通量测序技术	深度学习	文本	NA	NA	NA	NA	NA
9426	2025-12-13	Open Lumbar Spine Image Analysis: A 3D Slicer Extension for Segmentation, Grading, and Intervertebral Disc Height Index With Multi-Data Set Validation 2026-Jan-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005462 PMID:40747922	研究论文	本研究开发了一个名为OLSIA的开放软件，用于腰椎图像分析，实现无代码的腰椎分割、分级和椎间盘高度指数计算，并在多个外部数据集上进行了验证	开发了首个集成深度学习模型的无代码腰椎图像分析软件，支持自动化分割、分级和DHI计算，并在6个不同地理区域的外部数据集上进行了鲁棒性评估	研究主要基于T2加权矢状位切片，可能未涵盖所有腰椎成像模态；尽管在多个数据集中验证，但样本量仍有限	开发一个开放、用户友好的软件工具，以加速腰椎图像的放射组学和分析工作流程	腰椎图像，特别是T2加权矢状位切片中的L1至S1椎体和L1/2至L5/S1椎间盘	数字病理	脊柱疾病	深度学习，图像增强（直方图裁剪、中值滤波、几何缩放）	深度学习模型	医学图像（T2加权MRI切片）	训练使用NFBC1966数据集，外部评估从6个数据集中各采样30名参与者，总计180名外部样本	NA	NA	Dice相似系数，Bland-Altman分析，配对t检验	NA
9427	2025-12-13	Prediction of neoadjuvant therapy response to HER2-positive and triple-negative breast cancer: a multicenter proof-of-concept study 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109130 PMID:41135295	研究论文	本研究开发了一个基于乳腺X线摄影、多参数MRI和临床特征的深度学习框架，用于预测HER2阳性和三阴性乳腺癌患者新辅助治疗后的病理完全缓解	提出了一种结合多模态影像（ADC、DCE-MRI、SPAIR T2WI、DWI、CC、MLO）和临床特征的融合模型，用于预测乳腺癌新辅助治疗反应	回顾性研究，样本量相对有限（359例），且仅来自两个机构，可能存在选择偏倚	预测HER2阳性和三阴性乳腺癌患者新辅助治疗后的病理完全缓解	HER2阳性和三阴性乳腺癌患者	数字病理	乳腺癌	乳腺X线摄影，多参数MRI（包括ADC、DCE-MRI、SPAIR T2WI、DWI）	深度学习	影像（乳腺X线摄影、MRI），临床特征	359名乳腺癌患者（来自两个机构）	NA	DenseNet169-CBAM, Multi-Layer Perceptron	AUC, 准确率, 敏感性, 特异性	NA
9428	2025-12-12	Enhanced magnetic hyperthermia in graphene-magnetite nanohybrids for cancer therapy: Artificial intelligence-driven validation via Nonlinear Autoregressive with Exogenous Inputs-Long Short-Term Memory (NARX-LSTM) forecasting 2026-Mar, Biomaterials advances IF:5.5Q2 DOI:10.1016/j.bioadv.2025.214572 PMID:41151171	研究论文	本研究评估了石墨烯-磁铁矿纳米杂化物在不同成分和交变磁场下的加热效率，并利用NARX-LSTM混合深度学习模型预测温度演变，以优化癌症磁热疗效果	结合人工智能（NARX-LSTM模型）与纳米技术，实现磁热疗中温度演变的精确预测和个性化癌症治疗优化	高频（982 kHz）下因纳米颗粒弛豫动力学不匹配导致疗效降低，模型可能受实验数据范围限制	优化磁热疗的加热效率，推动个性化癌症治疗	石墨烯-磁铁矿纳米杂化物（GMNHs）	机器学习	癌症	磁热疗，交变磁场（AMFs）	NARX-LSTM	实验数据（温度、成分、磁场参数）	不同FeO:石墨烯比例（0-100%）和交变磁场条件（163-982 kHz, 12.7-23.9 mT）下的纳米杂化物样本	NA	NARX-LSTM	R值（≥0.997）	NA
9429	2025-12-12	Advancing deep learning based knee cartilage segmentation in MRI: Innovations, challenges and applications 2026-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2025.100702 PMID:41362327	综述	本文综述了基于深度学习的膝关节软骨MRI分割的最新进展、挑战与应用	系统评估了多种深度学习架构与技术，并重点讨论了数据稀缺、域偏移和成像变异性等关键挑战的解决方案，如半监督学习、域适应、数据增强策略和基础模型	未提出新的原创模型或算法，主要基于现有文献进行综述；未涉及具体实验验证或性能比较	回顾和评估深度学习在膝关节软骨MRI分割中的最新方法、挑战及临床意义	膝关节软骨的MRI图像分割	计算机视觉	骨关节炎	MRI	深度学习模型	MRI图像	NA	NA	NA	分割准确性, 效率	NA
9430	2025-12-12	Advancing biomaterial research with artificial intelligence 2026-Mar, Biomaterials advances IF:5.5Q2 DOI:10.1016/j.bioadv.2025.214535 PMID:41075468	综述	本文详细探讨了人工智能（包括机器学习和深度学习）在聚合物、金属、陶瓷和复合材料等各类生物材料研究中的应用，并讨论了AI在解决前向和逆向设计问题中的角色及其局限性	系统综述了AI在生物材料研究中的多类别应用，并引入了可解释人工智能（如SHAP和LIME）作为解决模型可解释性等挑战的新兴方案	讨论了AI在生物材料研究中的关键限制，包括模型可解释性、数据质量和过拟合问题	加速生物材料的开发与创新，提升其性能、效率和可扩展性，同时应对传统制造与表征过程中的挑战	各类生物材料，包括聚合物、金属、陶瓷和复合材料	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
9431	2025-12-12	FoodABSANet: Developing an adaptive graph convolutional neural network for aspect-based sentiment analysis of food reviews with a weighted polarity score 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108635 PMID:40914996	研究论文	本文提出了一种名为FoodABSANet的自适应图卷积神经网络，用于食品评论的方面级情感分析，并引入了加权极性评分	开发了一种自适应图卷积神经网络，结合加权极性评分，以处理方面级情感分析中多个方面相互影响的问题	NA	改进方面级情感分析（ABSA）方法，特别是在食品评论领域，以实现更精确的消费者情感极性挖掘	食品评论	自然语言处理	NA	NA	图卷积神经网络（GCN）	文本	NA	NA	FoodABSANet	NA	NA
9432	2025-12-12	Construction and optimization of a LAMP-based diagnostic platform for acute hepatopancreatic necrosis disease in Penaeus vannamei 2026-Feb, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2025.108481 PMID:41173175	研究论文	本研究开发并优化了一种基于环介导等温扩增（LAMP）的低成本、便携式诊断平台，用于快速检测南美白对虾的急性肝胰腺坏死病（AHPND）	平台整合了荧光检测与智能手机兼容设备，开发了基于深度学习的感染检测算法以实现自动化诊断，并筛选了适应性最佳的荧光核酸染料以提升等温扩增方法的性能	研究未明确提及平台在野外或极端环境下的稳定性测试，也未讨论与其他现有诊断方法的直接比较	开发一种快速、低成本、便携的诊断工具，用于早期检测南美白对虾的急性肝胰腺坏死病（AHPND），以控制疾病传播	南美白对虾（Penaeus vannamei）及其感染的急性肝胰腺坏死病（AHPND）病原体	数字病理学	急性肝胰腺坏死病	环介导等温扩增（LAMP）、荧光检测	深度学习算法	荧光信号、图像数据	未明确提及具体样本数量，仅说明用于虾样本检测	未明确提及	未明确提及	特异性、灵敏度、检测限（1 copies/µL）	未明确提及
9433	2025-12-12	Deep learning and molecular dynamics reveal promising EZH2 inhibitors for epigenetic cancer targeting 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108784 PMID:41237543	研究论文	本研究结合深度生成模型与计算药物设计方法，识别新型EZH2抑制剂用于表观遗传癌症靶向治疗	整合了微调的REINVENT生成模型与结构及配体为基础的计算方法，用于发现新型EZH2抑制剂，并通过多维度验证（分子对接、动力学模拟、药代动力学预测）筛选出优于参考药物的先导化合物	研究主要基于计算模拟和预测，缺乏体外或体内实验验证化合物的实际疗效和毒性	加速EZH2抑制剂的发现，用于表观遗传癌症靶向治疗	EZH2蛋白及其潜在抑制剂化合物	机器学习	癌症	分子对接, 分子动力学模拟, QSAR建模, DFT计算	生成模型, 分类模型	分子结构数据, 化学性质数据	从ChEMBL化合物库生成并筛选，优先考虑了511个经过PAINS过滤的化合物进行基于结构的筛选，最终鉴定出4个先导化合物（161, 225, 234, 383）	NA	REINVENT	ROC-AUC, R², Q², 结合亲和力 (kcal/mol), RMSD (Å), RMSF (Å)	NA
9434	2025-12-12	Research on a novel gene sequence prediction and homomorphic encryption method based on Mamba-VMD 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108780 PMID:41240440	研究论文	本研究提出了一种结合Mamba神经网络基因序列预测与同态加密的分析方法，用于在云环境中安全地进行基因序列预测与相似性分析	创新性地将Mamba神经网络用于基因序列预测，并结合变分模态分解（VMD）与同态加密技术，实现了在保护隐私前提下的云环境基因数据分析	仅以猴痘病毒的一个实验序列（SRX17751190/SRR21755835）为例进行验证，样本规模有限，未在不同物种或大规模数据集上测试泛化能力	开发一种能够在云环境中安全进行基因序列预测与隐私保护的分析方法	猴痘病毒基因序列（实验ID SRX17751190，测序ID SRR21755835）	生物信息学	猴痘	基因序列分析，同态加密	Mamba神经网络	基因序列数据	1个病毒基因序列（猴痘病毒SRX17751190/SRR21755835）	NA	Mamba神经网络，VMD（变分模态分解）	MAE, MSE, RMSE, MAPE, MSPE, CKKS同态加密计算误差	云计算环境
9435	2025-12-12	A two-step joint model based on deep learning realizes intelligent recognition of exfoliated cells in serous effusion 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108616 PMID:40784070	研究论文	提出一种基于深度学习的两步联合模型，用于实现浆膜腔积液脱落细胞的智能识别	通过整合在线卷积重参数化模块改进YOLOv8模型，并结合双注意力视觉变换器，构建了两步联合框架，以标准化和增强诊断过程	未明确提及研究的具体局限性	标准化和增强浆膜腔积液的细胞学诊断过程，减少误诊和漏诊	浆膜腔积液中的脱落细胞，包括异常细胞以及正常细胞（淋巴细胞、间皮细胞、组织细胞、中性粒细胞）	数字病理学	恶性肿瘤	深度学习	YOLOv8, DaViT	图像	未明确提及具体样本数量	未明确提及	YOLOv8, DaViT	灵敏度, 准确率	未明确提及
9436	2025-12-12	A unified graph-based approach for protein function prediction using AlphaFold structures and sequence features 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108609 PMID:40815964	研究论文	提出了一种名为StructSeq2GO的新型混合模型，通过结合AlphaFold预测的蛋白质结构和序列特征来预测蛋白质功能	首次将AlphaFold预测的高精度蛋白质结构信息与ProteinBERT生成的序列嵌入相结合，利用图表示学习进行蛋白质功能预测	模型性能受AlphaFold结构预测质量影响，未来可从结构置信度建模方面改进；目前尚未扩展到通路水平或疾病相关注释预测	开发一种整合蛋白质结构和序列信息的统一方法，以提升蛋白质功能预测的准确性	蛋白质及其功能注释（基因本体GO标签）	计算生物学	NA	AlphaFold结构预测，ProteinBERT语言模型，图表示学习	图神经网络，语言模型	蛋白质序列，蛋白质结构，蛋白质-蛋白质相互作用网络	NA	NA	StructSeq2GO（自定义混合架构）	F分数，AUC，AUPR	NA
9437	2025-12-12	Systemic Lupus Erythematosus prediction using Epistatic-Quantile Fusion Transformer network with integrated multi-omics and clinical data 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108617 PMID:40818386	研究论文	本文提出了一种名为Epistatic-Quantile Fusion Transformer (EQF-T)的统一框架，用于整合多组学和临床数据以预测系统性红斑狼疮	引入了Beta-Variational Rank-ordered Quantile Autoencoder (Beta-VARQA)进行数据预处理，以及Epistatic Attention fused Multi-Omics Laplacian Transformer (EA-MLT)来捕获高阶基因-基因相互作用和跨组学层的结构依赖性	未在摘要中明确说明	开发一个深度学习框架，以有效整合高维多组学数据和电子健康记录，实现系统性红斑狼疮的早期预测	系统性红斑狼疮患者的多组学数据和临床数据	机器学习	系统性红斑狼疮	多组学数据整合，电子健康记录分析	Transformer, Autoencoder	多组学数据，临床数据	未在摘要中明确说明	未在摘要中明确说明	Beta-Variational Rank-ordered Quantile Autoencoder (Beta-VARQA), Epistatic Attention fused Multi-Omics Laplacian Transformer (EA-MLT), SLE-Net	准确率, 精确率, 召回率, F1分数, ROC-AUC	未在摘要中明确说明
9438	2025-12-12	A novel hybrid deep learning model using MEResNext for autism spectrum disorder detection 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108619 PMID:40834741	研究论文	本文提出了一种结合MoNet和ResNeXt的混合深度学习模型MEResNeXt，用于自闭症谱系障碍的检测	提出了一种名为DeSEHO的特征选择方法（结合双指数平滑和麋鹿群优化器），并构建了新型混合深度学习模型MEResNeXt	未提及模型在独立外部数据集上的验证情况，也未讨论计算复杂度或实时应用可行性	开发一种用于自闭症谱系障碍检测的混合深度学习方法	自闭症谱系障碍患者的数据	机器学习	自闭症谱系障碍	Yeo-Jhonson变换，双指数平滑，麋鹿群优化器	深度学习，混合模型	未明确说明（可能是医学或行为数据）	NA	NA	MEResNeXt（MoNet与ResNeXt的组合）	准确率，灵敏度，特异性	NA
9439	2025-12-12	LYnet: Computational identification of tumor T cell antigens using convolutional and recurrent neural networks 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108630 PMID:40876398	研究论文	本研究提出了一种名为LYnet的新型深度学习模型，用于准确预测肿瘤T细胞抗原，以改进癌症疫苗的开发	构建了一个结合一维卷积神经网络和双向长短期记忆层的混合架构，以同时捕捉局部基序模式和长程序列依赖性，并采用SMOTE-Tomek策略处理类别不平衡问题	未在更广泛、更多样化的独立数据集上进行验证，模型性能可能受限于训练数据的质量和代表性	开发一种高精度的计算模型，以改进肿瘤T细胞抗原的识别，从而促进更有效的治疗性癌症疫苗的开发	肿瘤T细胞抗原的氨基酸序列	生物信息学/计算生物学	癌症	深度学习，序列特征提取（AAindex, AAK-mer, CKSAAP/CKSAAGP, 理化组成向量）	CNN, LSTM	序列数据（氨基酸序列）	使用了LYnet基准数据集进行训练和10折交叉验证，并在两个独立基准集（TAP 1.0和iTTCA-RF）上进行评估	NA	一维CNN与双向LSTM的混合架构（LYnet）	AUC, 灵敏度, 特异性, MCC	NA
9440	2025-12-12	Diagnosis of leukemia using microarray analysis based on Hidden Markov Model and Random Convolutional Kernel Transform 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108676 PMID:40946356	研究论文	本研究提出了一种结合生成对抗网络、隐马尔可夫模型和随机卷积核变换的深度学习模型，用于基于微阵列数据的白血病高精度诊断	首次将GAN（U-Net架构）用于生成白血病诊断相关的合成微阵列数据，并结合HMM进行特征排序与ROCKET方法进行分类，实现了对五种白血病亚型的高精度分类	未明确说明模型在独立外部验证集上的泛化性能，也未讨论计算复杂度和临床部署可行性	提高基于微阵列数据的白血病亚型诊断准确率	白血病患者的基因微阵列数据	机器学习	白血病	微阵列分析	GAN, HMM, ROCKET	基因表达数据	NA	NA	U-Net	准确率	NA