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
461	2026-03-29	Regulatory grammar in human promoters uncovered by MPRA-based deep learning 2026-Mar, Nature IF:50.5Q1 DOI:10.1038/s41586-025-10093-z PMID:41639451	研究论文	本研究提出了一种基于MPRA数据的深度学习模型PARM，用于从DNA序列预测人类启动子活性并揭示其调控语法	开发了轻量级细胞类型特异性深度学习模型PARM，仅从DNA序列即可可靠预测全基因组自主启动子活性，并能设计纯合成强启动子	未明确说明模型在不同细胞类型间的泛化能力及对非编码变异的解释局限性	构建从调控元件序列准确预测全基因组基因表达的计算模型	人类启动子序列	计算生物学	NA	大规模平行报告基因检测（MPRA）	深度学习模型	DNA序列数据	NA	NA	PARM	NA	NA
462	2026-03-29	NeuroMDAVIS: Visualization of Single-Cell Multi-Omics Data under Deep Learning Framework 2026-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261423965 PMID:41744270	研究论文	本文提出了一种名为NeuroMDAVIS的新型无监督深度神经网络模型，用于单细胞多组学数据的联合可视化	NeuroMDAVIS是首个为多模态生物数据集提供联合可视化能力的模型，能够同时捕获模态特定信息和跨模态共同信息	未在摘要中明确提及	解决单细胞多组学数据的高维可视化挑战，实现数据的降维和联合可视化	单细胞多组学数据	机器学习	NA	单细胞技术	深度神经网络	多组学数据	NA	NA	NA	准确率, 精确率, 召回率, F1分数, 聚类有效性指数	NA
463	2026-03-29	DP-OTG: A Feature-Free Deep Learning Model for Accurate Prediction of Human O-Linked Threonine Glycosylation Sites 2026-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261424278 PMID:41762162	研究论文	本研究提出了一种名为DP-OTG的免特征深度学习模型，用于准确预测人类蛋白质O-连接苏氨酸糖基化位点	提出了一种免特征、端到端的深度学习框架，无需手动特征工程，通过混合架构自动从原始蛋白质序列中学习序列模式	未明确说明模型在跨物种预测或处理极低丰度糖基化位点方面的泛化能力	开发一种高效的计算工具来预测人类蛋白质O-连接苏氨酸糖基化位点，以替代昂贵且耗时的实验检测方法	人类蛋白质序列及其O-连接苏氨酸糖基化位点	生物信息学	癌症, 神经系统疾病	深度学习	CNN, BiLSTM	蛋白质序列（文本数据）	未明确说明具体样本数量，但使用了平衡和不平衡测试集进行验证	未明确说明，但代码已开源	多核卷积神经网络, 双向长短期记忆网络, 可训练嵌入层	准确率, 马修斯相关系数	未明确说明
464	2026-03-29	Artificial intelligence in preterm birth prediction: a narrative review of current approaches and clinical applicability 2026-Mar, Obstetrics & gynecology science IF:2.0Q2 DOI:10.5468/ogs.26043 PMID:41775248	综述	本文是一篇关于人工智能在早产预测中应用现状、方法学质量及临床适用性的叙述性综述	系统性地评估了不同数据模态下AI预测早产的方法学质量和临床适用性，并指出了当前研究在方法学严谨性上的普遍不足	综述本身不产生新数据，且指出纳入的研究普遍存在样本量不足、缺乏外部验证、未报告校准指标以及高偏倚风险等局限性	评估人工智能在早产预测领域的应用现状、方法学质量及临床适用性	用于预测自发性早产的机器学习模型及相关研究	机器学习	早产	电子健康记录分析、超声图像分析、宫颈纹理和影像组学特征提取、弹性成像参数、多组学整合	深度学习, Transformer	电子健康记录, 超声图像, 多组学数据	NA	NA	Transformer	受试者工作特征曲线下面积	NA
465	2026-03-29	Refined trajectory smoothing and deep learning classification of human sperm motility 2026-Mar-01, Human reproduction (Oxford, England) DOI:10.1093/humrep/deag005 PMID:41633817	研究论文	本研究提出了一种通过频域平滑改进精子运动轨迹参数提取的方法，并利用深度学习模型对原始轨迹数据进行分类，以准确区分精子的运动模式	引入了离散余弦变换（DCT）平滑来优化平均路径估计，提出了路径平均宽度（PAW）新指标量化侧向头部位移，并采用InceptionTime模型集成对精子轨迹进行分类	模型仅在低粘度培养基中记录的精子轨迹上训练，缺乏在高粘度环境（如ICSI精子选择所用介质）中的数据验证；且训练数据来自单中心（5个个体，共790条轨迹），需多中心独立验证以确认泛化能力	改进精子运动轨迹的参数提取精度，并开发基于深度学习的精子运动模式分类方法	人类精子运动轨迹	计算机视觉	NA	轨迹记录（60帧/秒）	集成学习, InceptionTime	轨迹坐标序列（x, y）	2326条精子轨迹（1931条渐进运动，395条超激活运动），来自5个个体样本	NA	InceptionTime	准确率	NA
466	2026-03-28	Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04165 PMID:41698001	研究论文	本文开发了一种集成了低成本可见-近红外微高光谱成像与定制深度学习架构的智能传感平台，用于微塑料和金属氧化物的快速化学图谱分析	提出了一种基于补丁的空间-光谱策略，通过定制的多注意力3D卷积神经网络与残差连接实现，有效弥补了宽谱Vis-NIR光谱化学特异性低的不足，实现了对光谱相似微塑料和金属氧化物的高精度分类	未明确提及	开发一种快速、无损、高通量的化学图谱分析平台，用于微观材料的表征	微塑料（聚苯乙烯和聚甲基丙烯酸甲酯）和多种金属氧化物	计算机视觉	NA	可见-近红外微高光谱成像	CNN	高光谱图像	包含8种化学物种的挑战性数据集	NA	定制的多注意力3D卷积神经网络（带残差连接）	准确率	NA
467	2026-03-28	Room-Temperature Trace NO2 Monitoring System Based on Two-Dimensional Heterostructures and Integrated with Deep Learning 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04107 PMID:41785406	研究论文	本文提出了一种基于二维异质结和深度学习集成的室温痕量NO2监测系统	结合BiS/WO异质结传感器、1D-CNN/LSTM深度学习模型和无线通信模块，实现了高精度、实时的ppb级NO2检测	未明确提及数据稀缺问题是否完全解决，以及系统在实际环境中的长期稳定性验证	开发高精度室温痕量NO2监测系统，用于空气质量控制和呼吸系统疾病早期诊断	痕量NO2气体	机器学习	呼吸系统疾病	气体传感技术	CNN, LSTM	传感器数据	NA	NA	1D-CNN/LSTM	R²值	NA
468	2026-03-28	Functional-based multi-omics early prediction of radiation pneumonitis in NSCLC using AI-generated perfusion and ventilation from planning CT 2026-Mar-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae5209 PMID:41825133	研究论文	本研究开发了一种基于功能区域的多组学模型，用于早期预测非小细胞肺癌患者放疗后肺炎	首次系统性地证明从CT衍生的高功能肺区域提取的特征能捕获重要的功能差异，并为放疗后肺炎提供强预测价值，整合影像组学、剂量组学和基于CT的功能信息进一步提升了预测性能	回顾性研究设计，样本量有限（121名患者），且仅使用单中心数据	开发早期预测非小细胞肺癌患者放疗后肺炎的预测模型	121名接受根治性调强放疗的局部晚期非小细胞肺癌患者	数字病理学	肺癌	深度学习，超体素方法，CT成像	机器学习	CT图像，剂量分布图	121名患者	未明确说明	未明确说明	AUC, 准确率, 精确率, 召回率, F1分数	NA
469	2026-03-28	Accelerated Brain Aging in Young Women with Posttraumatic Stress Disorder 2026-Mar-27, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en26007 PMID:41889261	研究论文	本研究利用深度学习模型分析年轻女性创伤后应激障碍（PTSD）患者的脑部MRI数据，发现PTSD与加速脑老化相关，且与特定症状维度（认知和情绪负性改变）的严重程度显著关联	首次在年轻女性群体中直接通过神经影像学证据证实PTSD与加速脑老化相关，并揭示了脑老化与特定PTSD症状维度（Criterion D）的关联	样本量相对较小（85人），且仅针对年轻女性，限制了结果的普适性；脑年龄预测模型为群体特异性，可能影响泛化能力	探究年轻女性PTSD患者是否存在加速脑老化现象，并分析其与症状严重度的关联	85名40岁以下女性（34名PTSD患者，51名年龄匹配的健康对照）	数字病理学	创伤后应激障碍	T1加权磁共振成像	深度学习模型	图像	85名女性（34名PTSD患者，51名健康对照）	NA	群体特异性深度学习模型	脑年龄差（BAG）	NA
470	2026-03-28	The effect of deep learning-based compressed sensing on the image quality of contrast-enhanced 3D T1-weighted images of the maxillofacial region 2026-Mar-26, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00913-x PMID:41886240	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
471	2026-03-28	Toward Robust End-to-End Delay Prediction: A GNN Approach With Routing-Aware Attention and Masked Subgraph Sampling 2026-Mar-26, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670186 PMID:41886318	研究论文	本文提出了一种基于图神经网络的端到端延迟预测模型，通过引入全局路由表示和路由感知注意力机制，提升了模型对未见路由方案的泛化能力	提出了不依赖路由序列的全局路由表示方法，设计了路由感知注意力机制，并采用掩码子图采样策略从部分流交互中推断全局路由相关性	未来需要在更复杂和动态的路由场景下进一步验证模型性能	提高端到端延迟预测的鲁棒性和泛化能力，以支持智能网络管理	网络流量端到端延迟	机器学习	NA	图神经网络	GNN	图数据	四个公开数据集：TnCwD、NSFNET、GBN、GEANT2	NA	图神经网络（含路由感知注意力机制）	预测精度	NA
472	2026-03-28	Less is More: Infrared and Visible Images Fusion via Semantic-Guided Mixture of Multi-Feature Experts 2026-Mar-26, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3675500 PMID:41886321	研究论文	本文提出了一种基于语义引导的多特征专家混合的红外与可见光图像融合方法，旨在提升融合图像质量并促进后续语义分割任务	引入语义引导的多特征专家混合机制，动态选择专家网络处理不同特征类型，有效减少模态冗余并提升融合效果	未明确说明方法在极端光照或复杂动态场景下的泛化能力，且计算复杂度可能较高	开发一种能够有效整合红外与可见光图像互补信息、减少冗余的红外与可见光图像融合方法	红外与可见光图像对	计算机视觉	NA	NA	专家网络混合模型	图像	在五个红外与可见光图像融合和分割基准数据集上进行了广泛实验	NA	语义引导的多特征专家混合架构	NA	NA
473	2026-03-28	DeepLMI: Deep Feature Mining with a Globally Enhanced Graph Convolutional Network for Robust lncRNA-miRNA Interaction Prediction 2026-Mar-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag145 PMID:41886347	研究论文	提出DeepLMI框架，通过深度特征挖掘和全局增强图卷积网络预测lncRNA-miRNA相互作用	结合序列预训练与自注意力机制学习lncRNA多尺度语义表示，融合异质特征进行miRNA编码，并设计全局增强图卷积网络同时建模局部邻域和全局拓扑信号	未明确提及	准确预测lncRNA-miRNA相互作用以理解疾病机制和发现治疗靶点	长链非编码RNA（lncRNA）和微小RNA（miRNA）	机器学习	NA	深度特征挖掘，图卷积网络	GCN，自注意力机制	序列数据，图结构数据	NA	NA	Global-Enhanced Graph Convolutional Network (GE-GCN)	NA	NA
474	2026-03-28	Automating Adolescent Idiopathic Scoliosis Classification: An Interpretable, Workflow-Based Approach to Lenke Classification: Commentary on an article by Lingcong Xu, MD, et al.: "A Fully Automated Multistage Deep Learning System for Lenke Classification. Enhanced Diagnostic Precision in Adolescent Idiopathic Scoliosis" 2026-Mar-26, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.26.00074 PMID:41886543	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
475	2026-03-28	Distinctive DNA sequence features define epigenetic longevity of inflammatory memory 2026-Mar-26, Science (New York, N.Y.) DOI:10.1126/science.adz6830 PMID:41886579	研究论文	本研究通过深度学习探究小鼠表皮干细胞在银屑病样皮肤炎症后形成的长期表观遗传记忆机制，发现CpG二核苷酸密度是记忆持久性的主要驱动因素	首次揭示DNA序列特征（特别是CpG密度）通过整合DNA去甲基化、甲基敏感转录因子、核小体排斥倾向和组蛋白变体H2A.Z等多重机制，驱动炎症记忆在细胞世代间持久维持	研究基于小鼠模型，人类组织中的验证尚需进一步研究；深度学习模型的具体架构和训练细节未在摘要中详细说明	探究炎症记忆在组织干细胞中如何跨时间和细胞分裂持久维持的表观遗传机制	小鼠表皮干细胞	表观遗传学	银屑病	深度学习，染色质可及性分析，DNA甲基化分析	深度学习模型	染色质动态数据，DNA序列数据	NA	NA	NA	NA	NA
476	2026-03-28	A Deep Learning-Driven Framework Integrating Organoid-Based Functional Validation Identifies Universal Neoantigens from Recurrent Glioma Mutations 2026-Mar-26, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2679 PMID:41886621	研究论文	本研究开发了一种结合HLA结合和TCR识别特征的深度学习驱动新抗原预测算法TCRscore，并利用患者来源的胶质母细胞瘤类器官模型进行功能验证，以识别胶质母细胞瘤中的通用新抗原	整合了HLA结合和TCR识别特征的新抗原预测算法TCRscore，结合患者来源的类器官模型进行功能验证，提高了预测准确性并识别出潜在共享新抗原	未明确说明算法在更大规模数据集上的泛化能力，类器官模型可能无法完全模拟体内肿瘤微环境的复杂性	提高胶质母细胞瘤新抗原的识别准确性和免疫原性验证	胶质母细胞瘤患者来源的肿瘤样本和类器官模型	机器学习	胶质母细胞瘤	ELISpot检测、流式细胞术、体外杀伤实验、类器官-T细胞共培养系统	深度学习	基因组数据、转录组数据、类器官图像数据	21例异柠檬酸脱氢酶野生型肿瘤来源的胶质母细胞瘤类器官模型	NA	NA	预测准确性	NA
477	2026-03-28	Deep Learning-Based Method for Damage Severity Grading of Black Shell Disease in Hong Kong Oyster (Crassostrea hongkongensis) Caused by Polydora Complex 2026-Mar-26, Journal of fish diseases IF:2.2Q1 DOI:10.1111/jfd.70170 PMID:41887728	研究论文	本研究开发了一种基于改进Deeplabv3+语义分割模型的方法，用于识别和分级香港牡蛎由多毛类寄生虫引起的黑壳病严重程度	将卷积块注意力模块（CBAM）集成到Deeplabv3+模型中，通过通道和空间注意力机制提升了模型性能，并构建了用户友好的基于Web的疾病分级系统	未明确说明模型在不同环境条件或不同牡蛎品种上的泛化能力，也未讨论数据增强技术的具体细节	开发一种基于深度学习的自动化方法，用于准确识别和分级香港牡蛎黑壳病的严重程度，以支持疾病监测和预防	香港牡蛎（Crassostrea hongkongensis）及其由多毛类寄生虫（Polydora complex）引起的黑壳病	计算机视觉	水产动物疾病	图像采集与增强技术	语义分割模型	图像	4590张贝类疾病图像	NA	Deeplabv3+, CBAM	平均交并比（MioU）, 平均精度（average precision）, mFscore	NA
478	2026-03-28	Computational Discovery of MERS-CoV Main Protease Inhibitors Through Screening and Molecular Dynamics Simulations 2026-Mar-26, Proteins IF:3.2Q2 DOI:10.1002/prot.70132 PMID:41887806	研究论文	本研究通过计算机高通量筛选和分子动力学模拟，发现了两种对MERS-CoV主蛋白酶具有高结合亲和力的潜在抑制剂	结合分子对接、相似性搜索策略和多种计算自由能方法（包括深度学习K模型、MM/GBSA和FEP），对MERS-CoV Mpro进行系统性虚拟筛选，并验证了筛选结果与实验数据的一致性	研究为计算机模拟结果，需进一步的体外和体内实验验证其抗病毒活性	发现针对MERS-CoV主蛋白酶（Mpro）的有效抑制剂，以开发抗病毒药物	中东呼吸综合征冠状病毒（MERS-CoV）的主蛋白酶（Mpro）	计算化学，药物发现	中东呼吸综合征（MERS）	计算机高通量筛选，分子对接，分子动力学模拟，结合自由能计算（MM/GBSA， FEP），深度学习模型	深度学习模型（K模型）	小分子化合物结构数据，蛋白质三维结构数据	来自DrugBank、CHEMBL和蛋白质数据库（PDB）的化合物库	NA	K模型	结合自由能，平衡解离常数（Kd），半数抑制浓度（IC50）	NA
479	2026-03-28	Incorporating valuable prior knowledge to improve deep learning prediction of genetic perturbation responses 2026-Mar-26, Genome research IF:6.2Q1 DOI:10.1101/gr.281523.125 PMID:41887798	研究论文	本研究提出了一种名为PRIM的先验引导响应推断模型，通过利用对照细胞中基因表达的宝贵先验知识来预测遗传扰动后的细胞反应	首次将对照细胞的基因表达先验知识整合到深度学习模型中，以更准确地模拟细胞水平的扰动效应，并在预测组合扰动响应方面表现出显著优势	未明确说明模型在哪些特定细胞类型或扰动条件下的性能限制，也未讨论模型对未知扰动类型的泛化能力	提高深度学习模型预测遗传扰动响应的性能	细胞对遗传扰动的响应，特别是基因表达的变化	机器学习	NA	基因表达分析	深度学习模型	基因表达数据	NA	NA	先验引导响应推断模型（PRIM）	NA	NA
480	2026-03-28	Leveraging weighted embedding and Transformer architecture to improve phenotype prediction of complex traits for crops 2026-Mar-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71035-5 PMID:41888146	研究论文	本文提出了一种名为GP-WAITER的深度学习框架，通过整合GWAS衍生的SNP权重到混合卷积神经网络和Transformer架构中，以改善作物复杂性状的表型预测	引入了加权嵌入机制和多头自注意力，有效捕捉超长基因组序列中的长程依赖关系，并在预测精度、均方误差减少和计算效率方面显著优于现有模型	未明确提及模型在更广泛作物种类或环境条件下的泛化能力限制	提高作物复杂性状的表型预测准确性，并增强模型的生物学可解释性	作物基因组变异与表型之间的关系	机器学习	NA	GWAS	CNN, Transformer	基因组序列数据	NA	NA	混合卷积神经网络和Transformer架构	预测精度, 均方误差, 计算效率	NA