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
1281	2026-09-21	Fold-switching proteins push the boundaries of conformational ensemble prediction 2026-Jan-08, ArXiv PMID:41542156	综述	探讨折叠转换蛋白对构象集合预测的挑战，并评估深度学习方法的泛化能力	以折叠转换蛋白作为测试案例，揭示深度学习模型通过训练集结构关联预测构象集合的局限	未提出具体的改进计算方法，主要基于观察和讨论	研究折叠转换蛋白的构象集合建模，评估深度学习方法的泛化性	折叠转换蛋白	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
1282	2026-09-21	Inferring Clinically Relevant Molecular Subtypes of Pancreatic Cancer from Routine Histopathology Using Deep Learning 2026-Jan-08, medRxiv : the preprint server for health sciences DOI:10.64898/2026.01.06.26343539 PMID:41542662	研究论文	该研究开发了PanSubNet，一个可解释的深度学习框架，能够直接从常规H&E染色全切片图像中预测胰腺导管腺癌的治疗相关分子亚型（基底样和经典型）	提出了PanSubNet，一个能够直接从常规H&E染色全切片图像预测胰腺癌分子亚型（基底样和经典型）的可解释深度学习框架，采用双尺度架构融合细胞级形态学和组织级结构，利用注意力机制进行多尺度表示学习和透明特征归因，无需RNA测序即可实现分子分型	预测不确定性仅与中间转录状态相关而非分类噪声；需要从两个机构收集数据以进一步验证和评估真实世界性能；目前仍在支持整合到数字病理工作流程中	开发一种快速、经济有效的工具，从常规H&E染色切片中实现胰腺导管腺癌的分子分型，以克服RNA测序在临床实践中成本高、周转时间长和组织要求高等限制	胰腺导管腺癌（PDAC）患者，来自两个多机构队列（PANCAN，n=846；TCGA，n=209）	数字病理学	胰腺癌	H&E染色全切片图像分析，RNA测序	深度学习	图像	1055例患者（PANCAN队列846例，TCGA队列209例），具有配对的组织学和RNA测序数据	NA	双尺度架构，融合细胞级形态学和组织级架构，采用注意力机制	AUC（内部验证均值88.5%，外部验证84.0%），灵敏度，特异性	NA
1283	2026-09-21	LungGANDetectAI: a GAN-augmented and attention-guided deep learning framework for accurate and explainable lung cancer detection 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34750-5 PMID:41501145	研究论文	本文提出了一种名为 LungGANDetectAI 的 GAN 增强、注意力引导的深度学习框架，用于准确且可解释的肺癌检测。	结合 GAN 生成合成 CT 图像以缓解类别不平衡，并提出基于 ResNet50 主干并加入空间与通道注意力模块的 GenAttnNet 分类模型，同时利用 Grad-CAM 增强临床可解释性。	仅在 IQ-OTH/NCCD 数据集上验证，样本规模有限，尚未在更大规模多中心临床数据中评估泛化能力。	解决肺癌检测中数据稀缺、类别偏差、过拟合以及黑箱不可解释等问题，构建稳健、数据高效且可解释的肺癌检测框架。	肺癌 CT 图像，尤其是肺结节良恶性分类。	计算机视觉	肺癌	CT 成像	GAN, CNN, 注意力机制, Grad-CAM	图像	IQ-OTH/NCCD 数据集	NA	GAN, ResNet50, GenAttnNet, SCAM	准确率, 精确率, 召回率, F1-score	NA
1284	2026-09-21	DL-GapFilling: a novel deep learning framework for improved plant genome gap filling 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag007 PMID:41587320	研究论文	本文提出了一种基于深度学习的基因组组装和间隙填充框架DL-GapFilling，用于提高植物基因组间隙填充的效率和准确性	提出了新型深度填充神经网络模型（Deep Filling Neural Network）高效提取上下文侧翼序列信息，结合BeamStar收缩-扩展算法（整合重新定义的成本函数、增强搜索策略和基因组结构先验），并引入PredictionFilter机制选择性保留高置信度预测	未明确提及研究的局限性	提高植物基因组组装中间隙填充的效率和准确性，构建高质量参考基因组	多种植物或藻类基因组数据集	生物信息学、基因组学	NA	深度学习、基因组组装、间隙填充	深度填充神经网络（Deep Filling Neural Network）、BeamStar收缩-扩展算法、PredictionFilter机制	基因组序列数据	多种植物或藻类基因组数据集	NA	深度填充神经网络	间隙填充数量、效率、准确性	NA
1285	2026-09-21	BiChemoCLAM: a weakly supervised multimodal framework for chemotherapy response prediction 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf728 PMID:41587322	研究论文	本文提出了一种名为BiChemoCLAM的双模态化疗反应多实例学习框架，结合注意力驱动的多实例学习和多模态紧凑双线性池化，用于可解释且数据高效的化疗反应预测	提出了结合注意力驱动多实例学习和多模态紧凑双线性池化的新型多模态深度学习框架，能够有效整合全切片图像和基因表达数据，在复杂化疗反应和小样本场景下实现可解释且数据高效的预测	未明确提及	有效预测癌症患者的化疗反应，以降低化疗风险	卵巢浆液性囊腺癌、结直肠腺癌和膀胱尿路上皮癌数据集	数字病理学	卵巢癌、结直肠癌、膀胱癌	全切片图像分析、基因表达分析	注意力驱动多实例学习、多模态紧凑双线性池化	图像、文本（基因表达数据）	NA	NA	多实例学习、紧凑双线性池化	AUC	NA
1286	2026-09-21	Comprehensive perturbation of transcription factors in human cardiomyocytes reveals the regulatory architecture of congenital heart disease 2026-Jan-05, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.15.694070 PMID:41446109	研究论文	该论文通过系统扰动人类干细胞分化过程中心肌细胞中的转录因子，揭示了先天性心脏病的调控架构	系统扰动了1983个转录因子和981个增强子，构建了转录因子-基因调控网络，并开发了深度学习Transformer模型从转录组预测扰动的转录因子	未明确提及	定义先天性心脏病基因的调控架构，理解发育网络结构，并解读CHD变异和机制	人类干细胞分化而来的心肌细胞、1983个转录因子、981个增强子、CHD患者转录组	机器学习	先天性心脏病	转录因子扰动、增强子扰动、转录组分析、深度学习	Transformer	转录组数据	1983个转录因子、981个增强子、CHD患者转录组样本（具体数量未明确）	NA	Transformer	NA	NA
1287	2026-09-21	Nephrocast-V: A Deep Learning Model for the Prediction of Vancomycin Trough Concentration Using Electronic Health Record Data 2026-01, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70062 PMID:41025800	研究论文	该研究开发并验证了一种深度学习模型（Nephrocast-V），利用电子健康记录数据提前2天预测重症患者的万古霉素谷浓度，并提供剂量调整建议	首次将LSTM与多头注意力机制结合并辅以跳跃连接来整合既往剂量信息，用于提前2天预测万古霉素谷浓度，性能与危重症药剂师使用贝叶斯给药软件相当	研究为单中心回顾性研究，样本量有限（2205例），仅基于加州大学圣地亚哥健康系统的ICU患者，外部验证不足	验证深度学习模型能否准确提前2天预测重症患者的万古霉素谷浓度，并提供最优剂量调整建议以达到目标药物浓度	2016年1月1日至2024年6月30日期间加州大学圣地亚哥健康系统ICU收治的成人患者	机器学习	感染性疾病	电子健康记录数据分析	LSTM, 多头注意力机制	电子健康记录数据（包括人口统计学、合并症、生命体征、实验室检查、用药及万古霉素剂量信息）	2205例ICU患者就诊记录	NA	LSTM, 多头注意力机制, 跳跃连接	平均绝对误差, 均方根误差	NA
1288	2026-09-21	DeepIMB: Imputation of non-biological zero counts in microbiome data 2026-01, Genes & genomics IF:1.6Q3 DOI:10.1007/s13258-025-01693-0 PMID:41196474	研究论文	提出了一种基于深度学习的微生物组数据插补方法DeepIMB，用于识别和插补非生物零计数	首次将深度学习与伽马-正态混合模型结合，并整合分类群丰度、样本协变量和系统发育距离等多源信息来插补非生物零	仅在模拟研究中验证，缺乏真实微生物组数据集的实验验证	解决微生物组数据中非生物零计数对下游分析造成的干扰问题	微生物组数据中的非生物零计数	机器学习	NA	NA	深度神经网络	数值型	NA	NA	深度学习神经网络	均方误差, 皮尔逊相关系数, 瓦瑟斯坦距离	NA
1289	2026-09-21	Multitrait analyses identify genetic variants associated with aortic valve function and aortic stenosis risk 2026-01, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-025-02397-7 PMID:41419685	研究论文	使用深度学习从磁共振成像中测量主动脉瓣功能指标，进行全基因组关联研究和多性状分析，识别与主动脉瓣功能及主动脉瓣狭窄风险相关的遗传变异	结合深度学习测量的主动脉瓣功能指标与主动脉瓣狭窄的GWAS进行MTAG分析，识别了166个独特位点，并在独立队列中验证了多基因风险评分的预测能力，通过孟德尔随机化发现Lp(a)和LDL对主动脉瓣功能的潜在因果作用	未明确提及	识别与正常主动脉瓣功能相关的遗传变异，并评估其对主动脉瓣狭窄风险的影响	英国生物银行（UK Biobank）的59,571名参与者，以及All of Us和Mass General Brigham Biobank队列	机器学习	心血管疾病	全基因组关联研究（GWAS）、多性状分析（MTAG）、孟德尔随机化、深度学习	深度学习模型（具体架构未指明）	图像、遗传数据	59,571名UK Biobank参与者，以及All of Us和Mass General Brigham Biobank队列	NA	NA	风险比（HR）、P值	NA
1290	2026-09-21	Mimicking opioid analgesia in cortical pain circuits 2026-01, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09908-w PMID:41501467	研究论文	本文研究了前扣带皮层中阿片类药物调节疼痛的神经机制，并通过深度学习行为分析和纵向神经记录，开发了一种模拟阿片类镇痛效果的化学遗传学基因疗法	首次揭示了前扣带皮层中编码自发疼痛相关行为的神经元群体，并开发了靶向阿片敏感神经元的化学遗传学基因疗法，能够复制吗啡的镇痛效果	研究仅在小鼠模型中进行，尚未在人类中验证；化学遗传学基因疗法的长期安全性和有效性需要进一步研究	揭示阿片类药物如何调节前扣带皮层疼痛回路，并开发更安全、更靶向的慢性疼痛治疗方法	小鼠的前扣带皮层神经元和慢性神经病理性疼痛模型	神经科学	慢性疼痛	深度学习行为分析、纵向神经记录、化学遗传学基因疗法	深度学习模型	行为数据、神经电生理数据	NA	NA	NA	NA	NA
1291	2026-09-21	Particle Morphology Controls the Bulk Mechanical Behavior of Far-Side Lunar Regolith from Chang'e-6 Samples and Deep Learning 2026, Research (Washington, D.C.) DOI:10.34133/research.1064 PMID:41522610	研究论文	结合高分辨率X射线微计算机断层扫描与半监督机器学习，重建并分析嫦娥六号月背样品中349,740个颗粒，通过离散元模拟揭示颗粒形态对力学行为的影响	首次对嫦娥六号月背样品进行高通量颗粒形态重建与分析，发现月背月壤比月正面样品更不规则，并首次获取月背月壤的高内摩擦角和粘聚力参数	未明确说明月背月壤的采样深度和空间代表性，模拟仅考虑5-15 kPa的围压范围，可能未涵盖所有月球表面条件	研究嫦娥六号月背月壤的颗粒形态特征及其对整体力学行为的影响，为未来月球探测和原位资源利用提供岩土工程参数	嫦娥六号返回的月球背面月壤样品（南极-艾特肯盆地）	数字病理学	NA	高分辨率X射线微计算机断层扫描、半监督机器学习、离散元方法模拟	半监督机器学习	图像	349,740个颗粒	NA	NA	中值粒径、三维球形度、内摩擦角、粘聚力	NA
1292	2026-09-21	XMP-Net: An XAI-Based Modified Xception Model for Recognizing Monkeypox and Other Skin Diseases 2026, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/1113178 PMID:41522723	研究论文	本研究提出了一种基于改进Xception的深度学习架构XMP-Net，用于对猴痘及其他皮肤疾病进行分类，并结合Grad-CAM和LIME增强模型可解释性	提出了XMP-Net改进型Xception架构用于猴痘识别，并整合Grad-CAM和LIME两种可解释人工智能技术，提升模型预测的透明度和临床可信度	水痘类别的分类性能相对较低（准确率77.27%），数据集规模有限，模型在资源受限环境下的实际部署效果有待进一步验证	开发一种可解释的深度学习模型，用于准确识别猴痘及其他皮肤疾病，为临床诊断提供可靠且可解释的辅助工具	皮肤图像，包括正常皮肤、水痘、麻疹和猴痘四类皮肤状况的图像	计算机视觉	猴痘、水痘、麻疹等皮肤疾病	深度学习图像分类、可解释人工智能（XAI）	CNN	图像	NA	NA	Xception	准确率、精确率、召回率、F1分数	NA
1293	2026-09-21	Automated Learning of a Dense Manifold of Electronic States and Electronic Energy Transfer and Reactions in Singlet O Collisions with N2 2026, Research (Washington, D.C.) DOI:10.34133/research.0992 PMID:41541569	研究论文	本文应用深度学习框架自动发现并拟合单态氧原子与N₂碰撞中NO的稠密电子态流形上的相容势能矩阵，提出新的半经典动力学方法，计算电子非绝热截面	1. 使用深度神经网络自动发现并拟合相容势能矩阵，覆盖稠密13态流形；2. 提出渐近扩展的曲率驱动相干切换与混合衰减半经典动力学方法，解决了原子-双原子系统对称性与完全分离末态对称性冲突；3. 获得绝热势能面及其梯度的解析表示	摘要未明确提及局限性	为高能环境（如高超声速再入飞行器周围流场）中电子能量转移和反应建模提供新能力，解决实验和理论数据缺乏的问题	单态氧原子与N₂分子的碰撞体系，涉及NO分子的稠密电子态流形	计算化学	NA	深度学习，半经典动力学模拟	深度神经网络	势能面数据，碰撞动力学数据	NA	NA	深度神经网络	电子非绝热截面	NA
1294	2026-09-21	Differentiating cytology of pancreatic ductal adenocarcinoma and pancreatic neuroendocrine tumors by EUS-FNA through hyperspectral imaging technology combined with artificial intelligence 2026, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848251414188 PMID:41541641	研究论文	该研究利用高光谱成像技术结合人工智能，通过内镜超声引导细针穿刺获取的液基细胞学标本，区分胰腺导管腺癌和胰腺神经内分泌肿瘤	将高光谱成像技术与人工智能相结合，用于胰腺导管腺癌和胰腺神经内分泌肿瘤的细胞学诊断，并采用属性引导因子分解可视化技术可视化卷积神经网络的决策过程	样本量相对较小，仅基于59名患者的数据，需要更大规模的多中心研究验证	开发基于高光谱成像的卷积神经网络，辅助诊断内镜超声引导细针穿刺获取的胰腺导管腺癌和胰腺神经内分泌肿瘤液基细胞学标本	胰腺导管腺癌和胰腺神经内分泌肿瘤的液基细胞学标本	数字病理学	胰腺癌	高光谱成像，内镜超声引导细针穿刺，液基细胞学	CNN	图像	59名患者的2014张高光谱成像图像	NA	ResNet18	灵敏度，特异度，准确率，AUC	NA
1295	2026-09-21	Cycle-Consistent Zero-Shot Through-Plane Super-Resolution for Anisotropic Head MRI 2026, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-96628-6_17 PMID:41552688	研究论文	本文针对各向异性头部MRI的平面内超分辨率问题，提出了一种基于循环一致性零样本超分辨率方法，通过分析2D MR采集的正向问题并构建合适的线性映射，利用去噪扩散概率模型和DDNM实现超分辨率，并在多个T1加权MR数据集上验证了方法的有效性	分析了2D MR采集的正向问题并构建了合适的线性映射，将其整合到DDNM框架中，实现了零样本、循环一致的超分辨率，无需训练数据中的高分辨率图像，且能保证估计的高分辨率图像与低分辨率观测循环一致，避免了深度学习超分辨率中常见的幻觉问题	方法主要针对T1加权头部MRI图像，在其他MRI序列或身体部位的泛化能力未验证	解决临床各向异性MRI图像的低分辨率问题，通过超分辨率技术提升图像质量	各向异性头部MRI图像	计算机视觉, 医学图像处理	NA	MRI成像	去噪扩散概率模型	MRI图像	来自多个数据集的T1加权头部MRI图像，包括训练集保留对象及两个外部站点数据	NA	DDNM（去噪扩散零空间模型）	失真度量，感知度量	NA
1296	2026-09-21	Whose city is it? Mapping perceived urban livability with citizen-guided AI 2026, npj urban sustainability IF:9.1Q1 DOI:10.1038/s42949-025-00320-x PMID:41583077	研究论文	开发轻量级深度学习模型（AI-voters），基于DUA居民和城市规划者的宜居偏好，使用开源卫星影像绘制城市宜居性地图	采用两步城市形态采样策略，将数据需求降低90%；训练独立的AI-voters以区分规划者和DUA居民的偏好；证明AI-voters能作为可扩展的本地洞察代理	未明确提及	解决传统宜居性指标忽视弱势群体经验的问题，通过公民引导的AI实现包容性参与式城市宜居性映射	加纳大阿克拉都市区的DUA居民和城市规划者的宜居偏好	计算机视觉、机器学习	NA	深度学习、卫星遥感	CNN	图像	未明确提及	NA	轻量级深度学习模型	NA	NA
1297	2026-09-21	An optimized EEG-based hybrid deep learning framework for schizophrenia detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00509-0 PMID:41584819	研究论文	本文提出了一种基于脑电信号的精神分裂症检测混合深度学习框架，结合MAO优化算法、CNN和GRU网络，实现了高精度的早期诊断	提出了突变增强阿基米德优化算法用于脑电信号预处理，并将该算法与CNN-GRU混合深度学习模型集成，实现了双目标优化，同时提升检测准确率和降噪效果	未明确讨论模型的泛化能力、跨数据集验证以及临床实际部署的可行性，样本来源和多样性未详细说明	开发一种基于脑电信号的混合深度学习方法，用于精神分裂症的早期诊断，提高诊断准确率和信号质量	精神分裂症患者的脑电信号数据	机器学习	精神分裂症	脑电图	CNN, GRU	信号	NA	NA	CNN, GRU	准确率, 精确率, 召回率, F1分数, 特异性	NA
1298	2026-09-21	A Deep Learning-Generated Mixed Tumor-Stroma Ratio for Prognostic Stratification and Multi-omics Profiling in Bladder Cancer 2026, Research (Washington, D.C.) DOI:10.34133/research.1053 PMID:41602481	研究论文	该研究开发了一个卷积神经网络来量化膀胱癌中的混合瘤-间质比率（MTSR），并评估其预后价值，探索其分子机制，并构建MRI放射组学模型进行非侵入性预测	开发了深度学习生成的MTSR，在膀胱癌中展示了可重复性和预后独立性，并与ITGB8富集的间质-致癌通路机制相关；构建了基于mpMRI放射组学的非侵入性MTSR预测模型	未明确提及	量化膀胱癌中的肿瘤-间质结构，改进风险分层，并探索其分子基础	膀胱癌患者和肿瘤组织样本	数字病理学	膀胱癌	全幻灯片图像分割、RNA测序、单细胞RNA测序、放射组学	CNN、随机森林	图像、文本（组学数据）	多中心队列（未指定具体数量）	NA	ResNet50	准确率、Cohen's kappa、Cox回归、Kaplan-Meier分析	NA
1299	2026-09-21	Advancing regulatory variant effect prediction with AlphaGenome 2026-01, Nature IF:50.5Q1 DOI:10.1038/s41586-025-10014-0 PMID:41606153	研究论文	本文提出了一种统一的DNA序列模型AlphaGenome，能够从1 Mb的DNA序列输入预测数千种功能基因组轨迹，达到单碱基对分辨率，并在变异效应预测评估中超越了现有模型	AlphaGenome同时解决了输入序列长度和预测分辨率的权衡问题，能够以单碱基对分辨率预测多种模态的功能基因组轨迹，并在26项变异效应预测评估中的25项达到或超过最强现有模型，还能同时评估所有模态的变异效应以准确重现TAL1癌基因附近临床相关变异的机制	摘要中未明确提及研究的局限性	开发一种统一的深度学习模型，从DNA序列出发预测多种功能基因组测量指标，以实现对遗传调控密码的解码和变异效应的准确预测	人类和小鼠基因组DNA序列	基因组学	癌症	深度学习序列建模，功能基因组学预测	深度学习	DNA序列，功能基因组轨迹数据	人类和小鼠基因组	NA	AlphaGenome	变异效应预测评估	NA
1300	2026-09-21	A Deep Learning Model to Guide Personalized Mechanical Circulatory Support Use in Cardiogenic Shock Patients Undergoing PCI 2026-Jan, JACC. Advances DOI:10.1016/j.jacadv.2025.102379 PMID:41609277	研究论文	该研究开发并验证了一个名为OPtiMCS的深度学习模型，用于预测接受经皮冠状动脉介入治疗的心源性休克患者使用机械循环支持装置后的多种临床结局，并模拟不同装置转换后的效果以指导个性化治疗	首次利用深度学习模型整合心源性休克患者从入院到机械循环支持置入期间纵向的临床、血流动力学和代谢变量，预测多种结局并模拟IABP与mAFP之间的转换效果，以支持以患者为中心的治疗决策	研究为多中心回顾性分析，样本量相对有限（1408例），模型尚需外部验证和临床实践验证才能推广应用	开发和验证一个深度学习模型，以指导接受PCI的心源性休克患者个性化使用机械循环支持装置	1408名接受IABP或mAFP治疗的心源性休克患者	机器学习	心血管疾病	NA	TabNet	临床数据、血流动力学数据、代谢数据	1408名心源性休克患者	PyTorch	TabNet	AUC	Google Colab