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
1301	2026-05-26	Representation learning for multi-modal spatially resolved transcriptomics data 2026-May-21, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag316 PMID:42179160	研究论文	介绍了一种卷积深度学习模型AESTETIK，用于整合空间、转录组和形态学信息，学习精确的斑点表示	在结构组织（如脑组织）中中位ARI相比先前最先进方法提高21%，在异质性细胞群体癌症组织（乳腺癌、黑色素瘤、肝癌）中表现优异，提升幅度达21%至79%	NA	开发整合多模态空间分辨转录组数据的方法，以提升聚类分配和精确医学应用	多模态空间转录组数据，包括空间、转录组和形态学信息	深度学习，数字病理学	乳腺癌，黑色素瘤，肝癌	空间转录组学，卷积神经网络 (CNN)	CNN	图像，基因表达数据，空间坐标	多个数据集，涵盖10x Genomics和NanoString平台的数据	PyTorch	卷积神经网络 (具体架构未详细说明)	ARI (Adjusted Rand Index)	NA
1302	2026-05-26	Predicting intrinsic clearance using deep learning-based drug-metabolic enzyme interaction features on an IVIVE-harmonized endpoint dataset 2026-May-20, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109456 PMID:42177842	研究论文	提出一种结合深度学习药物-代谢酶相互作用特征与物理化学性质的内在清除率预测框架，并利用IVIVE一致化终点数据集进行验证	首次将基于ChemBERTa和ProtBERT预训练的DTI特征融入内在清除率预测模型，并引入IVIVE一致化方法统一异质终点标签，实现生物学信息与计算方法的融合	预测性能仍有限，需扩大数据集、增强独立外部验证，并纳入肾清除和转运体介导等其他消除途径	开发一种生物学信息驱动的计算框架，用于早期候选化合物内在清除率的可靠预测	人类肝脏代谢酶（CYP、UGT、SULT家族）的抑制剂与底物相互作用特征，以及化合物物理化学性质	机器学习	NA	体外-体内外推法（IVIVE），深度学习	多层感知机（MLP），Transformer编码器	表格数据（化合物结构描述符、DTI特征）	185种化合物（独立外部验证集）；内部训练集未明确数量	PyTorch（推测），ChemBERTa，ProtBERT	MLP，Transformer编码器	r²m, r², CI, AFE, 2倍误差内比例, 3倍误差内比例	NA
1303	2026-05-26	Deep learning-driven anomaly detection and feature discovery in Ce-rich (Ni-Fe-Co-Ce)O x catalysts for oxygen evolution reaction 2026-May-20, RSC advances IF:3.9Q2 DOI:10.1039/d6ra02168a PMID:42181719	研究论文	提出一种基于深度学习的异常检测框架，用于从高通量实验数据中发现高性能析氧反应催化剂	首次将原子级描述符与卷积神经网络结合进行相似性稳定分析，并利用迭代数据清洗机制自动识别高异常值催化剂	目前仅针对Ni-Fe-Co-Ce-O催化剂数据验证，泛化能力需进一步测试	开发可靠的数据驱动分析工具，加速新型催化材料的发现与优化	Ce元素富集的(Ni-Fe-Co-Ce)O_x析氧反应催化剂	机器学习	NA	高通量实验	卷积神经网络（CNN）	数值型原子级描述符数据	基于(Ni-Fe-Co-Ce)O_x催化剂的高通量数据集	TensorFlow, PyTorch	CNN	R²分数	NA
1304	2026-05-26	Visible-Near-Infrared Hyperspectral Imaging Enables Nondestructive Identification of Bean Accessions via 1D Spectral Reflectance Analysis 2026-May-19, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c00225 PMID:42179609	研究论文	利用可见-近红外高光谱成像结合一维光谱反射分析，实现豆类种质资源无损伤鉴别	首次利用VNIR高光谱成像与一维光谱反射分析实现32个豆类种质的无损伤鉴别，并发现狭窄绿光窗口（562.85-584.65 nm）作为关键分类波段，为缩减波段多光谱传感器设计提供直接指导	每个种质仅分析一个种子批次且在受控实验室条件下进行，未测试储存条件、种子含水量和收获时间对鲁棒性的影响；未进行靶向化学分析验证绿光窗口与种皮颜色、图案及表面微结构的关联	实现豆类种质无损伤、可扩展的鉴别方法，支持种质资源保存、可追溯性和育种	32个豆类种质（包括30个普通菜豆地方品种和2个外群豆类），共计3200粒种子，每种种质100粒种子	计算机视觉	NA	VNIR高光谱成像	线性支持向量机（Linear SVM）、多层感知机（MLP）	一维光谱反射数据	3200粒种子，来自32个豆类种质（每种种质100粒种子）	NA	Linear SVM, MLP_1D	准确率、加权F1分数	NA
1305	2026-05-26	A network-based deep learning model integrating subclonal architecture for therapy response prediction in cancer 2026-May-18, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101411 PMID:41999762	研究论文	提出一个名为SubNetDL的深度学习框架，通过整合亚克隆突变谱和蛋白质-蛋白质相互作用网络来预测癌症治疗效果	不同于依赖条件特异性方法，SubNetDL仅利用体细胞突变，适用于多种癌症类型和治疗方式，并能识别非网络中心但具有治疗特异性的候选生物标志物基因	NA	开发一个稳健且可解释的框架，利用突变谱和网络背景识别预测性生物标志物并分层患者	10种TCGA癌症-药物组合以及两个独立的免疫治疗数据集	机器学习	癌症	NA	深度学习	基因突变数据、蛋白质-蛋白质相互作用网络数据	10种TCGA癌症-药物组合和两个独立的免疫治疗数据集	NA	SubNetDL	AUROC	NA
1306	2026-05-26	A protein surface-aware multimodal framework for residue-level metal-binding site recognition 2026-May-18, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101414 PMID:42013856	研究论文	提出了一种名为MetalBind的蛋白质表面感知多模态深度学习框架，用于残基级别的金属结合位点识别	整合了蛋白质序列嵌入、原子特异性物理化学特征和几何感知表面点学习模块，在多种金属特异性数据集上取得更优预测性能，且对稀疏训练数据仍有效	NA	准确识别金属结合位点以阐明金属蛋白功能，并推动大规模金属蛋白质组注释和工程金属蛋白设计	蛋白质中的金属结合位点（涵盖多种生物相关金属）	机器学习	NA	深度学习	多模态深度学习框架	蛋白质序列和结构数据	13种金属特异性数据集	NA	NA	准确性、精确率、召回率、F1分数、AUC	NA
1307	2026-05-26	Classification of serum protein and immunofixation electrophoresis images by computer vision-based deep learning models: A single- and dual-modality study 2026-May-13, Annals of clinical biochemistry IF:2.1Q3 DOI:10.1177/00045632261454299 PMID:42126005	研究论文	基于深度学习的血清蛋白电泳和免疫固定电泳图像自动分类研究	首次采用双模态（SPE和IFE）融合方法，利用迁移学习构建MobileNetV2模型进行电泳图像分类，并通过Grad-CAM进行模型可解释性分析	单中心回顾性数据，样本量有限（1919例），需在更大规模多中心队列中验证	开发深度学习模型自动将血清蛋白电泳和免疫固定电泳图像分类为肿瘤、非肿瘤和健康三类，并比较单模态与双模态方法的预测性能	同时接受SPE和IFE检查的1919例患者	计算机视觉	肿瘤	血清蛋白电泳，免疫固定电泳，迁移学习	CNN（卷积神经网络）	图像	1919例患者的SPE和IFE图像对	NA	MobileNetV2	准确率，精确率，召回率，特异度，F1分数，ROC-AUC	NA
1308	2026-05-26	Estimation of Physiological Metrics from Resting ECGs Using Deep Learning in the UK Biobank, Including submaximal exercise derived V̇O 2 max, Body Fat Percentage, and Grip Strength 2026-May-13, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.09.26352818 PMID:42180363	研究论文	利用深度学习从静息心电图估算生理指标，包括次极量运动衍生的最大摄氧量、体脂百分比和握力	使用基于患者对比学习表征（PCLR）的AI工具从静息12导联心电图提取320个特征，实现跨队列生理指标估算，并改进基础预测模型	模型在跨队列迁移性方面仍存在挑战，且依赖静息心电图数据而非动态运动数据	探索从静息心电图估算生理指标的潜力，利用英国生物银行数据开发群体特异性模型	英国生物银行（UK Biobank）中的大样本人群，包括次极量运动衍生的最大摄氧量（n=8,540）及其他生理指标（样本量高达n=78,265）	机器学习	心血管疾病	心电图（ECG）	患者对比学习表征（PCLR）模型	静息12导联心电图数据	次极量运动测试样本8,540例，其他生理指标样本最多78,265例，训练集与测试集以80%:20%比例划分	NA	PCLR（患者对比学习表征）	皮尔逊相关系数（r）	NA
1309	2026-05-26	Deep learning and attention mechanisms to identify key genes and their implications for the origin of insect wings 2026-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49441-y PMID:42091620	研究论文	构建基于双向长短期记忆网络和注意力机制的深度学习模型DeepWG，从119个物种的蛋白质序列中识别昆虫翅膀关键基因，并为昆虫翅膀起源提供分子证据	首次将深度学习与注意力机制结合应用于昆虫翅膀关键基因的识别，并基于识别结果支持气管鳃学说	未明确说明模型在不同物种或进化分支上的泛化能力，也未提及除蛋白质序列外的其他数据类型可能带来的额外信息	利用深度学习模型识别昆虫翅膀关键基因并探讨其与昆虫翅膀起源的关系	119个物种的蛋白质序列，涵盖昆虫、软甲纲和螯肢纲等节肢动物	机器学习	NA	蛋白质序列分析	双向长短期记忆网络 (BiLSTM)，注意力机制 (AM)	蛋白质序列	119个物种的蛋白质序列	NA	BiLSTM, 注意力机制	准确率 (Accuracy)	NA
1310	2026-05-26	Treemble: a graphical tool to generate Newick strings from phylogenetic tree images 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag197 PMID:42018742	研究论文	Treemble是一款从系统发育树图像生成Newick字符串的图形工具	结合深度学习节点检测与用户点击交互，实现从树图到Newick格式的半自动化转换，支持矩形和圆形树	NA	开发能从系统发育树图像自动生成机器可读Newick字符串的工具	系统发育树图像	机器学学	NA	深度学习	CNN	图像	NA	PyTorch	NA	NA	NA
1311	2026-05-26	AI-Based Models for Risk Prediction in MASLD: A Systematic Review 2026-May, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-025-09499-6 PMID:41231418	综述	系统评估基于AI的模型在代谢功能障碍相关脂肪性肝病（MASLD）风险预测与患者分层中的效果	首次系统综述AI模型在MASLD风险预测中的应用，填补了识别临床显著疾病（如≥F2纤维化、MASH）风险患者的文献空白	数据多样性不足以及模型可解释性有限	评估AI预测模型在MASLD患者风险分层和临床管理中的效能	MASLD患者及AI预测模型	机器学习	代谢功能障碍相关脂肪性肝病	NA	机器学习与深度学习模型	临床特征数据（年龄、BMI、肝酶等）和多模态数据（临床+弹性成像/影像）	26项研究（2014-2025年），来自欧洲、美国、亚洲和南美洲	NA	NA	AUROC	NA
1312	2025-12-25	Correction: Addressing fractures that are hard to diagnose on imaging: Radiomics or deep learning? 2026-May, La Radiologia medica DOI:10.1007/s11547-025-02151-3 PMID:41441965	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1313	2026-05-26	Construction of a classification model for liver fibrosis in MAFLD based on multiparametric MRI radiomics and machine learning: A rat study 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70476 PMID:42178484	研究论文	基于多参数MRI影像组学和机器学习构建MAFLD肝纤维化分类模型的大鼠研究	首次在大鼠模型中整合多参数MRI影像组学特征与多种机器学习算法（包括逻辑回归、决策树、支持向量机、随机森林、LightGBM和AdaBoost）来构建肝纤维化分期分类模型，并采用混合模型结合深度学习和常规特征，通过SHAP分析增强模型可解释性	研究基于大鼠模型，结论在人类患者中的验证仍需进一步研究	开发并验证基于多参数MRI影像组学和机器学习的肝纤维化严重程度分期分类模型	160只雄性Sprague-Dawley大鼠的肝纤维化不同严重程度分期，包括健康对照组	机器学习	代谢功能障碍相关脂肪肝病肝纤维化	多参数MRI（T2压脂序列和IDEAL-IQ序列）影像组学	逻辑回归、决策树、支持向量机、随机森林、LightGBM、AdaBoost、CNN	MRI影像	160只雄性Sprague-Dawley大鼠	NA	逻辑回归、决策树、支持向量机、随机森林、LightGBM、AdaBoost、CNN	AUC、决策曲线分析、净重新分类改善、校准曲线、准确率	NA
1314	2026-05-26	Validation of a deep learning model for bone fragility detection from conventional radiographs: an international cohort study 2026-May, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2026.103974 PMID:42180399	research paper	验证了一种基于深度学习模型从常规X光片中检测骨脆性的方法，该模型结合骨密度和骨小梁评分，在国际多中心队列中进行了性能评估	首次将骨小梁评分与骨密度结合用于骨脆性评估，直接从标准X光片中识别高风险骨折个体，并在多民族人群中进行外部验证	高特异性对应较低敏感性，可能遗漏部分真阳性病例；样本性别分布不均，且部分参与者已有骨密度评估，未来需在更平衡的队列和没有金标准检查的人群中验证	评估一种基于人工智能的工具从标准X光片中直接估计骨脆性，以识别骨折风险最高的个体	来自欧洲和美国五个临床中心的成年患者(≥20岁)的18858对常规X光片和腰椎双能X线吸收法扫描	machine learning	骨质疏松症	X光片	深度学习模型	图像	18858对图像(来自11138名参与者)，分为训练组(n=10692)、内部验证组和外部验证组(n=7079)	NA	NA	准确率、敏感性、特异性、AUC、精确度	NA
1315	2026-05-26	DeepICER: A deep learning framework for predicting compound-induced gene expression profiles 2026-May, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2026.01.046 PMID:42180546	研究论文	提出一个深度学习框架DeepICER，用于预测化合物诱导的基因表达谱	利用双线性注意力机制捕获剂量、持续时间与基础基因表达之间的相互作用，首次实现任意剂量和持续时间下基因表达谱的精确预测	未明确讨论模型对复杂生物环境的泛化能力及计算资源需求	开发可预测药物诱导基因表达谱的深度学习模型，以促进药物重定位和加速药物发现	化合物、基因表达谱、细胞系（A549细胞）	机器学习	肺癌	NA	双线性注意力机制神经网络	基因表达数据	NA	NA	DeepICER（双线性注意力机制）	预测性能提升45.1%	NA
1316	2026-05-26	DrugPTM-Bench: A Large-Scale Dataset for Predictive Modeling of Drug-Induced Cell Type-Specific Protein Post-Translational Modifications 2026-Apr-30, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.27.721113 PMID:42094496	研究论文	提出了DrugPTM-Bench，一个大规模基准数据集，用于预测药物诱导的细胞类型特异性蛋白质翻译后修饰	首次构建了包含药物、剂量、处理时间、细胞背景和修饰位点等多维数据的标准化药物扰动PTM基准数据集	现有方法在蛋白不重叠的分布外设置中难以识别少数调控类别，标准重平衡策略以降低精确度和F1得分为代价提升召回率	建立用于预测药物诱导PTM调控的严谨框架，阐明药物作用机制和信号动态	7种癌细胞系、27种药物、11167种蛋白质的剂量依赖性PTM测量数据	机器学习	癌症	质谱分析	机器学习和深度学习模型	蛋白质组学数据	涉及7种癌细胞系、27种药物、11167种蛋白质，包含99.5%磷酸化事件、6个时间点、16个剂量水平	NA	NA	召回率、精确度、F1得分	NA
1317	2026-05-26	Development and validation of a multi-task deep learning model integrating PET-CT radiomics, clinical variables, and EBV DNA for prognostic prediction in locally advanced nasopharyngeal carcinoma 2026-Apr-30, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-1-2705 PMID:42180916	研究论文	开发并验证了一种多任务深度学习模型，整合PET-CT影像、临床变量和EBV DNA，用于局部晚期鼻咽癌的预后预测	首次将PET-CT双通道三维卷积神经网络、临床变量和EBV DNA整合到一个多任务深度学习框架中，同时预测总生存期和无进展生存期，并通过注意力机制实现多模态特征融合，显著优于传统分期系统和单任务模型	单中心回顾性设计，样本量有限（200例），缺乏前瞻性外部验证，需在独立多中心队列中验证后方可临床应用	开发一个整合多模态数据的深度学习模型，提高局部晚期鼻咽癌患者的预后预测准确性	200例局部晚期鼻咽癌患者（AJCC第8版III-IVA期），年龄18-75岁，WHO II/III型组织学，ECOG评分0-1，接受同步放化疗	计算机视觉，机器学习	鼻咽癌	PET-CT成像， 18F-FDG正电子发射断层扫描，标准化摄取值归一化	多任务深度学习模型，三维卷积神经网络	医学图像（PET和CT），临床变量， EBV DNA水平	200例患者（训练集140例，内部验证集60例）	PyTorch	双通道三维卷积神经网络，注意力机制	一致性指数（C-index）， 3年总生存率， 3年无进展生存率	提及梯度加权类激活映射（Grad-CAM）用于可视化，未明确说明GPU类型或云平台
1318	2026-05-26	Tongue Image Analysis and Clinical Data Fusion: A Novel Approach for Non-invasive Diagnosis of Metabolic Dysfunction-associated Fatty Liver Disease 2026-Apr-28, Journal of clinical and translational hepatology IF:3.1Q2 DOI:10.14218/JCTH.2025.00631 PMID:42181845	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1319	2026-05-26	Development and validation of a deep learning radiomics model for predicting adjacent segment degeneration following anterior cervical discectomy and fusion 2026-Apr-15, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-09939-5 PMID:41984178	研究论文	开发并验证一种深度学习影像组学模型，用于预测前路颈椎间盘切除融合术后相邻节段退变	首次将影像组学应用于ACDF术后ASDeg筛查，通过整合影像组学特征和临床风险因素，利用机器学习算法构建预测模型，并比较多种算法的性能	研究为单中心回顾性设计，结果需要多中心外部验证进一步确认	开发并验证一种整合影像组学特征和临床风险因素的预测模型，实现ACDF术后ASDeg的准确筛查	2019年1月1日至2023年12月31日期间在我院接受ACDF手术的颈椎病患者	机器学习	颈椎病	MRI T2加权成像	决策树、逻辑回归、支持向量机、XGBoost	图像	90名ASDeg患者和104名非ASDeg患者，共194名，按7:3随机分为训练队列和测试队列	NA	NA	AUC、校准曲线	NA
1320	2026-05-26	Quantum dot-DNA microsphere aptamer biosensor with AI-assisted structural modeling for rapid detection of the lung cancer biomarker USE1 2026-Apr-14, Journal of nanobiotechnology IF:10.6Q1 DOI:10.1186/s12951-026-04384-4 PMID:41981644	研究论文	开发了一种AI辅助的适配体生物传感平台，用于无抗体检测肺癌生物标志物USE1	将AI辅助适配体结构建模与量子点增强的DNA纳米结构相结合，构建无需抗体的生物传感平台	尚未在更大规模的临床样本中进行验证，且该平台的长期稳定性和可重复性有待进一步评估	开发一种快速、准确、低成本的肺癌诊断方法	肺癌生物标志物USE1	数字病理学	肺癌	SELEX, 滚环扩增, 量子点标记	AlphaFold3	图像	30对组织样本	NA	AlphaFold3	AUC, 敏感性, 特异性	NA