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
1021	2026-03-18	De novo design of Ras isoform selective binders 2026-Mar-11, Cell chemical biology IF:6.6Q1 DOI:10.1016/j.chembiol.2026.02.008 PMID:41819089	研究论文	本文利用深度学习技术从头设计了针对所有主要Ras亚型的特异性结合剂，以靶向Ras的C末端	首次通过深度学习从头设计出能够特异性结合Ras亚型的分子，克服了传统方法因序列差异有限而难以实现亚型选择性的挑战	NA	开发能够特异性结合不同Ras亚型的分子工具，以研究Ras生物学和疾病机制，并探索潜在的治疗应用	Ras原癌基因编码的四种主要亚型	机器学习	癌症	深度学习	NA	NA	NA	NA	NA	NA	NA
1022	2026-03-18	DGSite: A Well-Calibrated Deep Learning Framework for Protein-RNA Binding Site Prediction 2026-Mar-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c12723 PMID:41835510	研究论文	本文提出了一种名为DGSite的深度学习框架，用于预测蛋白质-RNA结合位点，通过结合变形注意力Transformer和图注意力网络来整合全局与局部特征，并引入自适应偏置损失以解决类别不平衡和模型校准问题	开发了DGSite框架，首次结合简化变形注意力Transformer和图注意力网络来捕获长程依赖和多尺度局部特征，并基于最优传输理论提出自适应偏置损失（ABL）及混合损失函数ABL+FL，以优化精度、召回率和预测校准	NA	解决蛋白质-RNA结合位点预测中全局与局部特征整合不足、类别不平衡影响精度-召回率以及预测校准不佳的挑战	蛋白质-RNA相互作用	机器学习	NA	深度学习	Transformer, GAT	蛋白质-RNA结合位点数据	训练集Train-1086和测试集Test-107	PyTorch	简化变形注意力Transformer, 图注意力网络	精度, 召回率, 校准指标	NA
1023	2026-03-18	A Machine Learning Quest to Design Molecular Graph Fingerprints of Organic Chromophores for Adjusting Photoluminescent Quantum Yields 2026-Mar-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c08921 PMID:41835603	研究论文	本文提出了一种基于分子指纹的深度学习流程，用于发现具有目标光致发光量子产率的有机发色团	开发了结合分子指纹与机器学习（支持向量机和梯度提升回归器）的流程，用于高效预测和设计有机发色团的光学性能，并利用逆合成分析设计了5200个新发色团	模型预测性能的R²值在0.68至0.88之间，仍有提升空间；研究基于713个已知发色团的数据集，化学空间的覆盖可能有限	设计具有高光致发光量子产率的有机发色团，以加速高性能有机光电材料的发现	有机发色团	机器学习	NA	分子指纹化、逆合成分析、结构-活性景观分析	支持向量机、梯度提升回归器	分子结构数据（转换为2048位指纹）	713个已知有机发色团，并新设计了5200个发色团	Scikit-learn	NA	R²	NA
1024	2026-03-18	Visible Light-Near Infrared Hyperspectral Imaging and Deep Learning Enable Rapid, Non-Staining Assessment of Lung Adenocarcinoma 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500362 PMID:41220170	研究论文	本研究提出了一种结合可见光-近红外高光谱成像与深度学习融合框架的非破坏性基因分型方法，用于快速评估肺腺癌驱动突变	首次将可见光-近红外高光谱成像与双分支深度学习融合框架结合，实现无需染色的肺腺癌驱动突变快速评估	研究样本量较小（90例临床标本），且未提及外部验证或跨中心验证结果	开发一种非侵入性、非破坏性的肺腺癌驱动突变（如ALK、EGFR、KRAS）识别方法，以指导个性化治疗	肺腺癌临床标本的未染色病理切片	生物医学光子学	肺腺癌	可见光-近红外高光谱成像（400-1000 nm）	深度学习融合框架，XGBoost	高光谱图像	90例临床标本	NA	双分支融合网络，XGBoost	准确率，ROC曲线下面积（AUC）	NA
1025	2026-03-18	MALDI-TOF mass spectrometry coupled with machine learning: an accurate tool to detect toxigenic Clostridioides difficile strains 2026-Mar, Anaerobe IF:2.5Q3 DOI:10.1016/j.anaerobe.2025.103017 PMID:41325791	研究论文	本研究评估了MALDI-TOF质谱结合机器学习在检测产毒艰难梭菌菌株中的有效性	首次将MALDI-TOF质谱与机器学习算法结合，用于区分产毒与非产毒艰难梭菌菌株，提供了一种低成本、易用的替代方法	样本量相对有限（389个菌株），且仅基于单一机构的临床样本，可能影响模型的泛化能力	评估MALDI-TOF质谱在识别产毒艰难梭菌菌株中的有效性，并开发基于机器学习的检测工具	从315名患者粪便中分离的389个艰难梭菌菌株（包括产毒和非产毒菌株）	机器学习	艰难梭菌感染	MALDI-TOF质谱, 全基因组测序, PCR, 厌氧培养	支持向量机, 随机森林, 深度学习算法	质谱数据, 基因组数据	389个艰难梭菌菌株（来自315名患者）	NA	NA	准确率, κ值, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
1026	2026-03-18	Fast and trustworthy nowcasting of dengue fever: A case study using attention-based probabilistic neural networks in São Paulo, Brazil 2026-Mar, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100880 PMID:41411852	研究论文	本文提出了一种名为NowcastPNN的新型概率神经网络架构，用于估计传染病（以巴西圣保罗的登革热为例）中已发生但尚未报告的病例数	结合负二项分布统计建模与注意力机制等深度学习技术，通过蒙特卡洛Dropout获取不确定性区间，在预测区间评分规则上相比现有最佳方法减少近30%的损失	模型需要大量训练数据（相当于2-4年的发病率计数）才能超越基准方法	开发快速可靠的传染病实时预测方法，以支持公共卫生决策	登革热发病率数据	机器学习	登革热	NA	概率神经网络, 注意力机制	发病率计数数据	相当于2-4年的发病率计数	NA	NowcastPNN	预测区间评分规则	计算成本低廉
1027	2026-03-18	VarCoNet: A Variability-Aware Self-Supervised Framework for Functional Connectome Extraction From Resting-State fMRI 2026-Mar, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70469 PMID:41810518	研究论文	本文提出了一种名为VarCoNet的变异性感知自监督框架，用于从静息态功能磁共振成像数据中提取稳健的功能连接组	将功能个体间变异性视为有意义的数据而非噪声，通过自监督对比学习利用这种变异性，并引入基于信号分割的新颖增强策略	NA	开发一个用于从静息态功能磁共振成像数据中提取功能连接组的稳健框架，以支持精准医学	静息态功能磁共振成像数据，包括来自人类连接组计划的2117条记录和自闭症脑成像数据交换I（995条记录）及II（730条记录）数据集的数据	机器学习	自闭症谱系障碍	静息态功能磁共振成像	CNN, Transformer	时间序列数据	人类连接组计划：2117条记录；自闭症脑成像数据交换I：995条记录；自闭症脑成像数据交换II：730条记录	NA	1D卷积神经网络与Transformer编码器集成	准确率, AUC	NA
1028	2026-03-18	Time-resolved functional genomics using deep learning reveals global hierarchical control of autophagy 2026-Mar, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01837-0 PMID:41826700	研究论文	本研究结合时间分辨高内涵成像、深度学习和潜在特征分析，绘制了氮变化期间控制自噬激活和失活的遗传网络	首次通过时间分辨功能基因组学方法，结合深度学习揭示自噬的全局层次控制，并识别逆行通路作为关键的时间变化调节因子	NA	研究自噬在营养环境变化中的系统动态调控机制	自噬过程及其遗传网络	机器学习	NA	时间分辨高内涵成像，潜在特征分析	深度学习	图像数据	5,919个突变体	NA	NA	NA	NA
1029	2026-03-18	Deep learning-driven immunohistochemical analysis of renal lymphatics for chronic kidney disease: bioinformatic and histopathological study 2026-Mar, Journal of pathology and translational medicine IF:1.7Q3 DOI:10.4132/jptm.2025.12.15 PMID:41820010	研究论文	本研究开发了一种基于弱监督、注意力机制的多实例学习框架，用于自动检测和量化肾淋巴管密度，以支持慢性肾脏病和高血压肾病的诊断与风险分层	采用聚类约束注意力多实例学习（CLAM）模型，联合执行基于注意力的实例选择和实例级聚类，以区分每个切片内的正负证据，从而生成更具区分性的切片级特征和可解释的注意力图	研究仅基于两个独立内部数据集（来自同济医院），样本量相对有限（CKD 198例，HTN 50例），且仅使用D2-40免疫组化染色的全切片图像	评估一种自动化框架，用于肾淋巴管密度的检测和量化，以替代缓慢、主观的视觉评估方法	慢性肾脏病（CKD）和高血压肾病（HTN）患者的肾活检组织	数字病理学	慢性肾脏病	免疫组化染色（D2-40）、全切片图像数字化	CNN, 多实例学习	图像	CKD 198例，HTN 50例，总计248例肾活检样本	NA	CLAM（聚类约束注意力多实例学习模型）	AUC（接收者操作特征曲线下面积）	NA
1030	2026-03-18	Deep learning-based upsampling of 2D detector array measurements for patient plan verification in radiotherapy 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70358 PMID:41840888	研究论文	本文提出了一种基于深度学习的上采样方法，用于提高放疗患者计划验证中探测器阵列的空间分辨率	利用深度卷积神经网络对探测器阵列测量进行上采样，校正体积平均效应，并在陡峭梯度区域实现比标准双线性插值更好的插值效果	训练数据基于蒙特卡洛模拟生成，可能无法完全覆盖所有临床场景；研究主要针对特定型号探测器（OCTAVIUS Detector 1500）	提高强度调制放射治疗中探测器阵列用于患者计划验证的空间分辨率	放疗治疗计划验证中的二维剂量分布测量	医学影像分析	NA	蒙特卡洛模拟	CNN	二维剂量分布图像	基于蒙特卡洛模拟生成的合成训练数据，覆盖不同直线加速器设置和射野形状	PyTorch	深度卷积架构	伽马指数通过率	NA
1031	2026-03-17	Comprehensive Multiomics Characterization of Perineural Invasion in Cervical Cancer Reveals Diagnostic Markers, Molecular Drivers, and Therapeutic Strategies 2026-Mar-16, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-0149 PMID:41379570	研究论文	本研究通过多组学分析揭示了宫颈癌神经周围浸润的分子机制，并识别了诊断标志物和潜在治疗策略	首次通过整合全外显子、全基因组和RNA测序数据，结合机器学习和深度学习模型，系统性地识别了PNI的基因表达特征、驱动突变及靶向治疗药物	样本量相对较小（45例患者），且验证队列规模有限（37例），可能影响结果的普适性	阐明宫颈癌神经周围浸润的分子机制，开发诊断标志物和治疗策略	宫颈癌患者的肿瘤和匹配正常组织样本	机器学习, 深度学习	宫颈癌	全外显子测序, 全基因组测序, RNA测序	机器学习, 深度学习	基因组数据, 转录组数据	45例患者（23例PNI, 22例非PNI），独立验证队列37例（18例PNI, 19例非PNI）	NA	NA	准确性	NA
1032	2026-03-17	Predicting Cerebral Aneurysm Recurrence after Coil Embolization: A Novel Deep Learning Approach Using Time-of-flight Magnetic Resonance Angiography 2026-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2025-0288 PMID:41526250	研究论文	本研究提出了一种结合机器学习和深度学习技术的新方法，利用时间飞跃磁共振血管成像来预测脑动脉瘤弹簧圈栓塞术后的复发	首次将临床数据与3D重建的时间飞跃磁共振血管成像数据结合，构建了融合深度学习的预测模型，并比较了仅使用术前图像与同时使用术前术后图像两种版本的性能	研究为回顾性多中心分析，样本量相对有限（154例患者），且模型性能有待在前瞻性研究中进一步验证	预测脑动脉瘤在弹簧圈栓塞术后的复发风险	接受弹簧圈栓塞术的未破裂脑动脉瘤患者	数字病理学	脑血管疾病	时间飞跃磁共振血管成像	逻辑回归, 神经网络, 深度学习	图像, 临床数据	154例患者	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
1033	2026-03-17	Peptide cheminformatics tools: making computational tasks accessible in peptide drug discovery 2026-Mar, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104612 PMID:41577169	综述	本文综述了肽类药物发现中计算化学信息学工具的当前方法，旨在促进这些工具在药物发现流程中的整合应用	系统性地概述了肽类计算研究的不同阶段，包括表示、相似性评估、机器学习/深度学习模型和肽设计，并基于关键特征强调了现有工具	NA	促进肽类药物发现中计算工具的应用，加速设计-测试周期并指导候选药物开发	肽类分子及其在药物发现中的应用	计算化学信息学	NA	计算化学信息学工具，机器学习/深度学习	ML/DL模型	肽类分子数据	NA	NA	NA	NA	NA
1034	2026-03-16	Integrative Approaches in Lung Cancer Diagnosis: Bridging Molecular Biomarkers and AI Driven Imaging 2026-Mar-14, Biomarkers : biochemical indicators of exposure, response, and susceptibility to chemicals IF:2.0Q4 DOI:10.1080/1354750X.2026.2644329 PMID:41830914	综述	本文综述了分子生物标志物与人工智能驱动的影像学在肺癌诊断中的整合方法	分析了将分子生物标志物（如EGFR、ALK、KRAS等）与人工智能（特别是机器学习和深度学习）驱动的影像学（如低剂量CT扫描的影像组学和模式识别）进行整合的潜力，以实现更快、更精确、更具个性化的肺癌诊断	面临数据标准化、模型可解释性、临床验证和伦理问题等诸多挑战	探讨肺癌诊断领域如何整合分子生物学和计算技术的最新进展	肺癌	数字病理学	肺癌	液体活检、循环肿瘤DNA、下一代测序、多组学方法（基因组学、转录组学、蛋白质组学）	机器学习, 深度学习	图像, 分子数据	NA	NA	NA	NA	NA
1035	2026-03-16	Decoding soil properties from surface cracks using Minkowski functionals, junction crack angle distributions, and AI-based image analysis 2026-Mar-14, The European physical journal. E, Soft matter DOI:10.1140/epje/s10189-026-00567-x PMID:41830988	研究论文	本研究通过Minkowski泛函、裂缝交汇角分布和基于AI的图像分析，解码土壤表面裂缝以识别土壤类型和亚型	结合形态学描述符（如Minkowski泛函和裂缝交汇角分布）与卷积神经网络，实现对土壤类型的精确分类，准确率达100%	NA	通过分析干燥裂缝模式，准确识别土壤类型和亚型，应用于农业土壤评估、行星地形研究等领域	不同土壤类型及其亚类（如洪水左岸和非洪水右岸的土壤）	计算机视觉	NA	图像分析	CNN	图像	NA	NA	NA	准确率	NA
1036	2026-03-16	Super-resolution deep learning reconstruction enhances visualization of cerebral aneurysms on magnetic resonance angiography 2026-Mar-14, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03965-2 PMID:41831007	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1037	2026-03-16	MyoClass: A modular multimodal auto-classification system for myocardial tissue characterization 2026-Mar-14, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03684-y PMID:41831142	研究论文	提出了一种名为MyoClass的深度学习框架，用于整合多模态心脏磁共振成像数据和患者元数据，实现心肌组织的自动分类	开发了一个模块化的多模态自动分类系统，首次整合了多种CMR序列、左心室形态描述符、T1定量映射和患者元数据，无需手动分割即可实现准确分类	研究样本量相对较小（150名患者），需要在更大规模的多中心数据集中进一步验证	开发一个自动化系统，用于区分健康心肌、心肌炎和心肌梗死	心肌组织	数字病理学	心血管疾病	心脏磁共振成像	MLP	图像, 元数据	150名患者（每类50名）	NA	多层感知机	准确率	NA
1038	2026-03-16	Development and Validation of a Deep Learning System for Echocardiographic Assessment of 16-Segment LV Wall Thickness 2026-Mar-13, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.014 PMID:41832107	研究论文	本研究开发并验证了一种基于深度学习的系统，用于自动测量16段左心室壁厚度，通过超声心动图评估左心室肥厚的病理进展	首次提出基于深度学习的自动测量16段左心室壁厚度的方法，并在体内和体外数据集中进行验证，减少了传统方法的时间消耗和变异性	研究样本量相对有限（197名患者），且未在更广泛或多样化的临床人群中验证，可能影响泛化能力	开发并验证一种自动测量16段左心室壁厚度的深度学习系统，以改善左心室肥厚的诊断和治疗评估	超声心动图图像，包括正常壁厚度和增厚壁厚度的患者队列	计算机视觉	心血管疾病	超声心动图	深度学习算法	图像	92,984张超声心动图（正常壁厚度队列），26,523张超声心动图（增厚壁厚度数据集），2,238张超声心动图（体外数据集），总计197名患者	NA	NA	Dice相似系数，Hausdorff距离，平均绝对误差	NA
1039	2026-03-16	Deep learning techniques for crop classification in complex agricultural landscapes 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37806-2 PMID:41820421	研究论文	本文提出了一种结合植被指数和注意力机制的深度学习方法，用于复杂农业景观中的作物分类	引入了Tanh激活的自注意力机制，在作物分类中取得了最高准确率（88.89%），优于乘法注意力、软注意力和全局注意力	NA	提高复杂农业景观中作物分类的准确性	遥感数据中的作物类型	计算机视觉	NA	遥感技术、植被指数分析	深度学习模型	时间序列遥感数据、频率信息数据	NA	NA	自注意力机制、乘法注意力、软注意力、全局注意力	准确率	NA
1040	2026-03-16	AI in the Prediction of Hepatic Fibrosis Progression Using Non-Coding RNAs 2026-Mar-12, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2026.120973 PMID:41831666	综述	本文综述了人工智能在利用非编码RNA预测肝纤维化进展中的应用，包括最新发现、挑战与未来机遇	整合人工智能与多组学数据及非编码RNA互作网络，提升肝纤维化进展预测的精确性和非侵入性诊断工具	数据标准化和临床验证的必要性尚未完全解决，存在潜在挑战	探讨人工智能在肝纤维化中识别非编码RNA生物标志物、预测疾病分期和风险分层的作用	肝纤维化及其进展至肝硬化和肝细胞癌的过程	机器学习	肝纤维化	转录组数据分析	NA	转录组数据	NA	NA	NA	NA	NA