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
1941	2026-01-28	Advancing neurological disease treatment: a computational approach for fibroblast growth factor detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00520-5 PMID:41584821	研究论文	本研究提出了一种基于深度学习的计算方法，用于预测成纤维细胞生长因子（FGF）蛋白，以推进神经系统疾病的治疗	首次开发了基于深度学习的计算工具来预测FGF蛋白，并构建了两个高质量数据集，结合了多种特征编码方法和深度学习模型	未提及具体的数据集规模限制或模型泛化能力的验证细节	开发一种计算工具来准确预测FGF蛋白，以促进神经系统疾病治疗的研究	成纤维细胞生长因子（FGF）蛋白序列	自然语言处理	神经系统疾病	特征编码方法（二肽组成、二肽偏离期望均值、分组氨基酸组成）	CNN, BiLSTM, GAN, GRU	蛋白质序列数据	NA	NA	卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、生成对抗网络（GAN）、门控循环单元（GRU）	准确率, 灵敏度, 特异性, F1分数, 马修斯相关系数	NA
1942	2026-01-28	Hybridizing Expressive Rendering: Stroke-Based Rendering With Classic and Neural Methods 2026 Jan-Feb, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3624600 PMID:41587263	研究论文	本文分析并比较了经典非真实感渲染与基于神经网络的渲染技术，特别关注基于笔触的渲染，并提出一个结合两者的框架以拓展表达性渲染的可能性	提出一个结合经典非真实感渲染方法与神经网络技术的混合框架，旨在融合两者的优势，为表达性渲染开辟新途径	NA	探索经典与神经网络非真实感渲染技术的异同，并研究如何整合它们以增强渲染质量和艺术控制	非真实感渲染技术，特别是基于笔触的渲染方法	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
1943	2026-01-28	Temporal Memory Mechanisms and Biome-Specific Drivers of Ecosystem Carbon Flux: Insights From Explainable Deep Learning Modeling 2026-Jan, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70722 PMID:41589685	研究论文	本研究开发了一个可解释的LSTM-Attention框架，用于揭示北美八个不同生物群落生态系统碳通量响应的时间依赖性及其环境驱动因素	首次将LSTM网络、注意力机制和基于梯度的归因方法相结合，构建了一个可解释的深度学习框架，用于识别生态系统碳通量响应的时间记忆模式和生物群落特异性环境驱动因素	研究仅基于北美71个站点的涡度协方差通量测量数据，可能无法完全代表全球其他地区的生态系统	探究不同生物群落生态系统碳通量动态的时间依赖性及其环境驱动机制	北美八个生物群落的生态系统碳通量	机器学习	NA	涡度协方差通量测量	LSTM, Attention	时间序列数据	来自8个生物群落的71个站点的通量测量数据	TensorFlow, PyTorch, Keras	LSTM-Attention	Kendall's Tau	NA
1944	2026-01-28	A Structure-Based Deep Learning Framework for Correcting Marine Natural Products' Misannotations Attributed to Host-Microbe Symbiosis 2026-Jan-01, Marine drugs IF:4.9Q1 DOI:10.3390/md24010020 PMID:41590718	研究论文	本文开发了一种基于结构的深度学习框架，用于纠正因宿主-微生物共生关系导致的海洋天然产物来源标注错误	提出了一种结合两步数据清洗策略与微生物预训练图神经网络的工作流程，首次系统性地对海洋天然产物数据库进行来源分类和错误标注校正	模型性能依赖于现有数据库的标注质量，且仅针对海洋天然产物数据集进行验证	开发一个可扩展的质量控制框架，以提高海洋天然产物数据库的准确性，支持更精确的生物合成基因簇追踪和AI驱动的药物发现	海洋天然产物（MNPs），特别是CMNPD和NPAtlas数据库中的化合物	机器学习	NA	图神经网络，结构分析	GNN	化学结构数据	CMNPD和NPAtlas数据库中的化合物	NA	图神经网络	平衡准确率	NA
1945	2026-01-27	Deep learning-based tooth segmentation for enhanced visualization of dental anomalies and pathologies 2026-Feb, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2025.152771 PMID:41360207	研究论文	本研究开发并验证了一种基于深度学习的实例级牙齿分割方法，用于CBCT扫描，以增强可视化并简化牙科异常检测	提出了一种加速标注程序，专家标注部分图像后，模型自动标注剩余图像，实现了高效的牙齿分割	研究仅基于470个扫描数据，样本量有限，且未在更广泛或多样化的数据集上进行验证	开发并验证深度学习模型，用于CBCT扫描中的牙齿分割，以提升牙科异常的检测效率和可视化效果	CBCT扫描数据，包含各种牙科异常（如龋齿、缺牙、骨岛、根尖周炎）或牙科历史（如填充、修复、根管手术）	计算机视觉	牙科疾病	CBCT	深度学习模型	图像	470个扫描用于训练，60个扫描用于验证	NA	NA	Jaccard指数, 平均相对体积差异	NA
1946	2025-12-21	Enhancing deep learning telemedicine for retinopathy of prematurity: current evidence and opportunities for improvement 2026-Feb, Eye (London, England) DOI:10.1038/s41433-025-04188-0 PMID:41419595	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1947	2026-01-27	PymolFold: A PyMOL Plugin for API-Driven Structure Prediction and Quality Assessment 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02410 PMID:41479360	研究论文	本文介绍了一个名为PymolFold的开源PyMOL插件，用于通过API驱动蛋白质结构预测和质量评估	开发了一个集成先进结构预测工具到分子可视化环境的插件，实现了统一的“预测-可视化-分析”工作流	NA	降低蛋白质结构预测的技术门槛，使实验科学家更容易访问先进模型	蛋白质结构预测和质量评估	机器学习	NA	深度学习	NA	蛋白质结构数据	NA	PyMOL	NA	NA	NA
1948	2026-01-27	NeuMTL: A Unified Multimodal Framework for Multi-Task Prediction in CNS Drug Discovery 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02725 PMID:41481576	研究论文	提出一个名为NeuMTL的多模态多任务学习框架，用于同时预测药物靶点亲和力、血脑屏障渗透性和神经毒性，以增强中枢神经系统药物发现的安全性和有效性	提出了一个统一的多模态多任务学习框架，结合了互注意力机制、注意力池化模块以及早期和晚期融合策略，并引入了一种新的优化策略NeuGradBalancer来缓解梯度冲突并确保跨任务的平衡学习	未在摘要中明确提及	克服单任务单模态模型的局限性，提升中枢神经系统药物发现中关键因素（如血脑屏障渗透性和神经毒性）的预测能力	药物靶点亲和力、血脑屏障渗透性、神经毒性	机器学习	中枢神经系统疾病	深度学习	多任务学习框架	多模态数据	多源数据集	未在摘要中明确提及	未在摘要中明确提及	MSE, 准确率	未在摘要中明确提及
1949	2026-01-27	QPred: A Quantum Mechanical Property Predictor for Small Molecules 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02864 PMID:41490442	研究论文	本文介绍了一种名为QPred的新型深度学习架构，用于预测小分子的量子力学性质，结合了2D拓扑图和3D几何信息	提出了一种解耦的深度学习架构，能够自适应地利用2D或3D信息进行分子性质预测，并引入了基于循环的半主节点增强的MPNN和具有解耦更新机制的等变网络，以及层次化注意力机制以提高可解释性	未在摘要中明确提及	开发一种高效、自适应且可解释的分子性质预测方法，以加速计算化学和药物发现中的高通量筛选	小分子的量子力学性质	机器学习	NA	深度学习	MPNN, 等变网络	2D拓扑图, 3D几何信息	NA	NA	Message Passing Neural Network, 等变网络	NA	NA
1950	2026-01-27	Prediction of Intravenous Pharmacokinetic Parameters across Multiple Species by a Multifidelity Deep Learning Framework 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02546 PMID:41493218	研究论文	本研究提出了一种名为MFPK的多保真度深度学习框架，用于跨多个物种（人类、狗、猴子、大鼠和小鼠）预测静脉注射药代动力学参数	提出了一个结合迁移学习的多保真度药代动力学学习框架，整合了基于图、基序和三维结构的分子表征，以捕获全面的多尺度化学信息	未明确说明模型在特定药物类别或复杂生理条件下的泛化能力限制	开发一个深度学习框架，用于跨物种预测静脉注射药代动力学参数，以支持早期药物候选筛选和剂量方案优化	人类、狗、猴子、大鼠和小鼠的静脉注射药代动力学参数	机器学习	NA	深度学习，迁移学习	深度学习模型	化学结构数据（图、基序、三维结构）	NA	NA	MFPK（多保真度药代动力学学习框架）	RMSLE（对数误差均方根），GMFE（几何平均折叠误差）	NA
1951	2026-01-27	Intercellular Communication Guides the Prediction of Intracellular Gene Regulatory Relationships 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02558 PMID:41493424	研究论文	提出一个计算框架，通过构建全面的细胞通讯网络来预测细胞内基因调控关系	1) 通过整合配体-受体相互作用、信号通路激活和转录因子调控网络，实现从细胞外信号到基因表达的端到端建模；2) 利用深度学习对受体介导的调控关系进行精确建模，以揭示细胞通讯驱动的细胞内机制	NA	解决现有方法未能考虑细胞通讯与下游基因调控网络协同作用的问题，并构建完整的细胞通讯网络以提高生物学意义和可解释性	细胞内基因调控关系	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	NA	NA	NA
1952	2026-01-27	AAPPE: Protein-Ligand Binding Affinity Prediction Leveraging Amino Acid Pair Positional Encoding in Deep Learning 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01872 PMID:41124588	研究论文	本研究提出了一种名为氨基酸对位置编码（AAPPE）的深度学习框架，用于准确预测蛋白质-配体结合亲和力	引入了基于生物相关性的位置决定原子对距离编码方法，构建了不依赖配体结合构象的3124维特征集	在CASF-2016基准上评估，但未提及在其他数据集或真实药物发现场景中的泛化能力验证	加速药物发现过程，改进蛋白质-配体结合亲和力的预测精度	蛋白质口袋中的氨基酸与配体分子	机器学习	NA	深度学习	深度学习框架	蛋白质结构数据、配体分子指纹	NA	NA	AAPPE（氨基酸对位置编码框架）	MAE, RMSE, R²	NA
1953	2026-01-27	Explainable judgment prediction and article-violation analysis using deep LexFaith hierarchical BERT model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32833-x PMID:41484298	研究论文	本研究提出了一种名为LexFaith-HierBERT的深度学习模型，用于预测法律判决中的违规类型及具体违反的法律条款	提出了结合分层BERT编码器、关系推理头和忠实感知注意力机制的新架构，能够捕捉词间和词内依赖关系，提升预测透明度和可解释性	未提及模型在跨法域或不同语言法律文本上的泛化能力，也未说明训练数据的具体规模和多样性限制	开发可解释的法律判决预测和条款违规分析人工智能系统	法律文档中的违规类型识别和具体法律条款违反分析	自然语言处理	NA	深度学习文本分析	BERT, Transformer	文本（法律文档）	NA	NA	分层BERT（Hierarchical BERT）	准确率, 微平均F1分数	NA
1954	2026-01-27	Gallbladder disease diagnosis from ultrasound using squeeze-and-excitation capsule network with convolutional bidirectional long short-term memory 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32978-9 PMID:41484311	研究论文	本文提出了一种结合特征工程的混合深度学习模型HDLMFE-ADGDT，用于从超声图像中准确诊断胆囊疾病类型	提出了一种新颖的混合深度学习模型，结合了非局部均值滤波、Squeeze-and-Excitation胶囊网络和CNN-BiLSTM架构，用于胆囊疾病的自动诊断	未明确说明模型在更大或更多样化数据集上的泛化能力，以及计算资源需求的具体细节	开发有效的基于深度学习的胆囊疾病分类方法	胆囊疾病超声图像	计算机视觉	胆囊疾病	超声成像	CNN, BiLSTM, Capsule Network	图像	NA	NA	Squeeze-and-Excitation Capsule Network, CNN-BiLSTM	准确率, 精确率, 灵敏度, 特异性	NA
1955	2026-01-27	Practical applications of AI in body imaging 2026-Jan, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底美国市场上针对腹盆腔器官及相关疾病评估的FDA批准AI算法的实际应用	聚焦于FDA批准的商业可用AI算法在腹盆腔成像中的实际应用，评估其潜在优势并展望未来方向	NA	评估AI算法在腹盆腔成像中的实际应用、优势及未来发展趋势	FDA批准的商业可用AI算法	医学影像分析	腹盆腔器官相关疾病	深度学习	NA	医学影像	NA	NA	NA	NA	NA
1956	2026-01-27	Deep learning-enabled segmentation of knee cartilage in conventional magnetic resonance images: Internal and external validation of different models 2026-Jan, The Knee DOI:10.1016/j.knee.2025.10.024 PMID:41241647	研究论文	本研究提出了一种深度学习模型，用于在常规质子密度脂肪饱和MRI序列中分割膝关节软骨，以评估软骨形态并辅助后续损伤分级	采用3D Res U-net模型进行膝关节软骨分割，并在内部和外部验证中展示了优于3D U-net和3D V-net的性能	研究为回顾性设计，样本量相对有限（共254例），且仅基于两个放射中心的MRI数据，可能影响模型的泛化能力	开发并验证深度学习模型以准确分割膝关节软骨，用于临床评估膝痛来源和骨关节炎的分类与治疗	膝关节软骨，具体包括外侧股胫关节、内侧股胫关节和髌股关节的软骨区域	医学影像分析	骨关节炎	常规质子密度脂肪饱和MRI序列	深度学习	MRI图像	254例膝关节MRI数据（来自254名患者），其中219例用于训练和内部验证，35例用于外部验证	NA	3D Res U-net, 3D U-net, 3D V-net	Dice系数, Jaccard指数	NA
1957	2026-01-26	Detecting cognitive impairment and psychological well-being among older adults 2026-Jun-30, Machine Learning. Health DOI:10.1088/3049-477X/ae250c PMID:41573970	研究论文	本研究利用机器学习模型从远程视频对话中提取面部、声学、语言和心血管特征，以监测老年人的认知障碍和心理幸福感	通过整合多模态特征（面部、声学、语言和心血管）来量化认知状态和社会心理因素，并进行了特征重要性和偏差分析	样本量较小（仅39名老年人），模型在年龄、性别、疾病状况和教育水平方面存在显著偏差，需要更大规模的数据集以提高泛化能力	开发可扩展的方法来监测老年人的认知衰退和识别痴呆风险的社会心理因素	39名认知正常或轻度认知障碍的老年人	机器学习	老年疾病	远程视频对话分析	机器学习模型	视频、音频、文本	39名老年人	NA	NA	AUC	NA
1958	2026-01-26	Artificial intelligence in metagenome-assembled genome reconstruction: Tools, pipelines, and future directions 2026-Feb, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107390 PMID:41506577	综述	本文综述了人工智能在宏基因组组装基因组重建中的应用工具、流程及未来方向	系统整合了传统与基于AI的宏基因组组装基因组重建工作流，并重点介绍了表示学习、基于图的分箱方法、AI组装器和抛光工具等创新点，以及可解释AI、联邦学习、多模态整合和基于大语言模型的注释等新兴趋势	NA	探讨人工智能如何克服宏基因组组装基因组重建中的技术挑战，并展望未来发展方向	宏基因组组装基因组重建流程，包括质量控制、组装、分箱、细化和注释	机器学习	NA	宏基因组测序	机器学习, 深度学习	宏基因组测序数据	NA	NA	NA	NA	NA
1959	2026-01-26	ProteinDJ: A high-performance and modular protein design pipeline 2026-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70464 PMID:41562285	研究论文	本文介绍了一个名为ProteinDJ的高性能模块化蛋白质设计流程，旨在解决现有蛋白质设计工具在可扩展性和吞吐量方面的限制	开发了一个专为高性能计算系统优化的开源蛋白质设计流程，通过Nextflow和Apptainer实现工作流并行化，显著提高了设计生成和测试的效率	未明确说明该流程在不同蛋白质靶点或结构类型上的通用性验证程度，也未提供与其他现有流程的直接性能比较数据	开发一个高效、可扩展的蛋白质设计流程，以加速新型合成蛋白质（特别是结合剂）的发现过程	合成蛋白质（蛋白质结合剂）的设计与验证	机器学习	NA	深度学习、蛋白质结构预测、序列设计	扩散模型、神经网络	蛋白质结构数据、序列数据	NA	Nextflow, Apptainer	RoseTTAFold Diffusion, ProteinMPNN, Full-Atom MPNN, AlphaFold2, Boltz-2	NA	高性能计算系统、GPU和CPU并行计算
1960	2026-01-26	Enhanced 30 m Impervious Surfaces for China (2020, 2022) via 2 m/30 m Data Fusion 2026-Jan-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06619-3 PMID:41580403	研究论文	本文通过2米/30米数据融合方法，生成了2020年和2022年中国30米分辨率的不透水面覆盖数据集	采用区域自适应深度学习策略，融合高分辨率（2米）卫星影像、Landsat年度合成数据和SRTM高程数据，并利用熵引导分层采样和专家视觉解释生成高质量训练验证样本	数据集仅覆盖中国大陆及有2米卫星影像输入的邻近区域，未涵盖中国全部领土	生成高精度中国不透水面覆盖数据集，支持城市动态分析、环境监测和区域规划	中国大陆及邻近区域的不透水面覆盖	遥感图像处理	NA	卫星遥感、数据融合、深度学习	深度学习模型	卫星影像、高程数据	使用熵引导分层采样和专家视觉解释生成的高质量训练验证样本	NA	NA	空间平均F1分数	NA