深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 1102 篇文献，本页显示第 781 - 800 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2026-04-18 |
Rapid Machine Learning-Driven Detection of Pesticides and Dyes Using Raman Spectroscopy
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00396
PMID:41843405
|
研究论文 | 本研究提出了一种基于深度学习的框架MLRaman，利用Raman光谱快速检测农药和合成染料 | 结合ResNet-18特征提取与XGBoost、SVM等分类器，开发了名为MLRaman的深度学习框架，并构建了用户友好的Streamlit应用进行实时预测 | NA | 开发一种快速、可靠的检测方法，用于监测食品和环境中的农药及合成染料残留 | 7种农药和3种染料，共10种分析物 | 机器学习 | NA | Raman光谱 | CNN, XGBoost, SVM | 光谱数据 | NA | NA | ResNet-18 | 准确率, AUC | NA |
| 782 | 2026-04-18 |
Hybrid Graph-Machine Learning Framework for Accurate and Interpretable Band Gap Prediction
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00365
PMID:41855083
|
研究论文 | 本文提出了一种结合图深度学习嵌入与经典机器学习算法的混合人工智能框架，用于实现高精度、可解释且计算高效的带隙预测 | 提出了一种混合图-机器学习框架，通过整合多种图神经网络（CGCNN、MEGNet、SchNet）的嵌入与物理意义的晶体描述符，实现了比传统模型和单一图神经网络更高的预测精度和更好的泛化能力，同时计算资源需求更低 | 未明确提及具体局限性，但可能依赖于特定数据库（Materials Project）的数据质量和覆盖范围 | 加速半导体和能源材料的发现与设计，通过高精度预测电子带隙 | 晶体结构及其电子带隙 | 机器学习 | NA | NA | 图神经网络, 梯度提升, 神经网络 | 晶体结构数据 | 来自Materials Project数据库的136,000个晶体结构 | NA | CGCNN, MEGNet, SchNet | R², MAE, MSE | 未明确指定，但提及比ALIGNN模型所需计算资源更低 |
| 783 | 2026-04-18 |
Physical Implausibility of Carbohydrate Ligands in Results of Deep Learning-Based Cofolding Methods
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c03075
PMID:41866819
|
研究论文 | 本文分析了AlphaFold 3和Boltz-1x等深度学习共折叠方法在碳水化合物配体建模中的立体化学违规问题 | 首次系统量化了深度学习共折叠方法在碳水化合物配体建模中的立体化学错误率，并揭示了Boltz-1x在减少某些违规的同时可能引入新的结构配置问题 | 研究仅基于900个碳水化合物配体进行分析，可能未覆盖所有类型的碳水化合物结构；BondedAtomPairs协议在减少立体化学问题时丢失了还原端异头氧，表明方法仍需改进 | 评估深度学习共折叠方法在碳水化合物配体建模中的物理合理性 | 碳水化合物配体 | 计算生物学 | NA | 深度学习共折叠方法 | AlphaFold 3, Boltz-1x | 分子结构数据 | 900个碳水化合物配体 | NA | NA | 立体化学违规率、手性错误率、键转换率、平面环畸变率、芳香环形成率、不当结构配置率 | NA |
| 784 | 2026-04-18 |
scMultiPreDICT: A single-cell predictive framework with transcriptomic and epigenetic signatures
2026-Apr-11, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.08.717080
PMID:41993521
|
研究论文 | 本文介绍了一个名为scMultiPreDICT的计算框架，用于基于单细胞多组学数据比较转录组和表观遗传特征对基因表达的预测性能 | 开发了一个系统性的比较预测框架，首次在基因层面和细胞背景下评估了转录特征与染色质可及性特征对基因表达的相对贡献，并发现多模态整合的益处是基因特异性和上下文依赖的 | 未明确提及研究的局限性 | 比较转录组和表观遗传特征在预测基因表达中的相对贡献，并识别不同调控层对基因表达的影响 | 单细胞多组学数据（同时分析基因表达和染色质可及性） | 机器学习 | NA | 单细胞多组学技术（转录组和表观基因组分析） | 回归模型, 基于树的模型, 深度学习模型 | 单细胞多组学数据（转录组和染色质可及性数据） | 使用了多个生物数据集，但未具体说明样本数量 | R | NA | 预测准确性 | NA |
| 785 | 2026-04-18 |
Vis-NIR spectroscopy and deep learning for non-invasive in vivo detection of acute liver injury
2026-Apr-10, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127888
PMID:41990513
|
研究论文 | 本研究利用可见-近红外光谱结合深度学习，开发了一种非侵入性体内检测急性肝损伤的方法 | 采用嵌入式可解释深度学习框架进行端到端光谱特征选择，识别出与急性肝损伤相关的稳定波长簇而非孤立峰 | 样本量较小，光谱数据存在高维低样本量特性和有限信噪比 | 探索可见-近红外漫反射光谱在非侵入性检测急性肝损伤中的应用潜力 | 通过腹腔注射对乙酰氨基酚建立的急性肝损伤小鼠模型 | 机器学习 | 急性肝损伤 | 可见-近红外漫反射光谱 | 深度学习 | 光谱数据 | NA | NA | NA | 召回率, F1分数 | NA |
| 786 | 2026-04-18 |
Beyond Invariable Sites: Using Evolutionary Stasis to Map Multi-Layered Constraints on the Evolution of Viral and Mammalian Genomes
2026-Apr-10, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.09.717527
PMID:41993262
|
研究论文 | 本文介绍了一种名为B-STILL的层次贝叶斯框架，用于解析蛋白质编码数据的选择景观，通过基因级校准和密码子位点特异性进化机会，识别进化停滞锚点（ESAs） | 提出B-STILL框架，利用进化停滞概念解决标准选择推断工具在接近零进化速率区域忽略极端纯化选择信号的问题，通过调整停滞半径区分随机不变性和功能约束 | NA | 开发高分辨率基因组注释的统计框架，以识别病毒和哺乳动物基因组中的功能或结构约束区域 | 病毒和哺乳动物基因组中的蛋白质编码基因 | 机器学习 | NA | 密码子替代模型 | 层次贝叶斯模型 | 基因组序列数据 | 数千条序列的比对 | NA | NA | NA | NA |
| 787 | 2026-04-18 |
DrugBLIP: exploring the protein-molecule interaction mechanisms with a multi-task learning graph transformer
2026-Apr-07, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag069
PMID:41967848
|
研究论文 | 本文提出了一种名为DrugBLIP的多任务图Transformer模型，用于统一学习蛋白质-分子相互作用，以改进虚拟筛选、对接和药物设计 | 基于SE(3)等变架构，通过结合对比学习、匹配任务和对接优化的多任务学习框架，利用混合图Transformer捕获三维空间关系，实现了在虚拟筛选和对接任务上的最先进性能 | 未明确提及模型在更广泛数据集或实际药物发现流程中的泛化能力限制 | 准确建模蛋白质-分子相互作用，以推动虚拟筛选、对接和药物设计的发展 | 蛋白质与分子之间的相互作用 | 机器学习 | NA | NA | Transformer, 图神经网络 | 三维空间结构数据 | NA | NA | 混合图Transformer, SE(3)-等变架构 | AUROC, BEDROC, 对接成功率, 目标垂钓准确率 | NA |
| 788 | 2026-04-18 |
Genetic background shapes AI-predicted variant effects
2026-Apr-07, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.04.715328
PMID:41993283
|
研究论文 | 本文介绍了个性化变异效应预测器（pVEP）框架，用于量化全球多样化人群的遗传背景如何影响临床变异效应的计算预测 | 首次将个性化遗传背景纳入变异效应预测，揭示了同一变异在不同遗传背景下可能具有异质性致病效应 | 研究基于计算预测，需要进一步实验验证；样本多样性可能仍有限 | 预测遗传变异后果并评估遗传背景对变异效应的影响 | 人类基因组中的单核苷酸变异 | 机器学习 | NA | 深度学习 | 深度学习模型 | 基因组序列数据 | 数千个来自全球多样化人群的人类基因组 | NA | NA | NA | NA |
| 789 | 2026-04-18 |
A Temperature-Pressure Dual-Mode Flexible Patch Sensor with Temperature Compensation and Pressure Decoupling Functions for Pulse Detection and Recognition
2026-Apr-02, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c04432
PMID:41925006
|
研究论文 | 本文介绍了一种具有温度补偿和压力解耦功能的双模式柔性贴片传感器，用于脉搏检测与识别 | 采用独特的“罗盘状”结构设计，实现了压力与温度信号的有效解耦，并利用温度信号进行实时压力信号补偿 | 未明确说明传感器在极端环境或长期使用下的耐久性测试结果 | 开发一种抗干扰的双模式柔性传感器，用于准确、连续的脉搏波检测与识别 | 人体脉搏波信号 | 可穿戴电子与生物医学传感 | NA | 柔性传感技术 | CNN | 传感器信号数据 | NA | NA | ResNet | 准确率 | NA |
| 790 | 2026-04-18 |
Predicting the Effort Required to Manually Mend Auto-Segmentations
2026-Apr, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3623042
PMID:41129432
|
研究论文 | 本文探索了评估自动分割结果临床效率的方法，通过预测手动修正所需工作量来评估其临床可用性 | 提出了基于深度学习的隐式指标，无需真实分割标签即可直接从图像和自动分割结果预测修正工作量，超越了传统显式指标的技术评估范畴 | 研究仅针对放射治疗规划中的7个解剖器官进行评估，未涵盖更广泛的医学图像分割场景 | 开发能够有效预测自动分割结果临床修正工作量的评估方法 | 放射治疗规划中的自动轮廓分割结果 | 医学图像分析 | NA | 深度学习 | 深度学习网络 | 医学图像，分割掩码 | 来自3个机构的7种不同解剖器官数据 | NA | NA | 预测误差百分比 | NA |
| 791 | 2026-04-18 |
The Use of DeepQSAR Models for the Discovery of Peptides With Enhanced Antimicrobial and Antibiofilm Potential
2026-Apr, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.70029
PMID:41992792
|
研究论文 | 本研究利用基于循环神经网络的DeepQSAR模型预测广谱抗菌肽活性，并设计出具有增强抗菌和抗生物膜活性的新型肽 | 将传统的分子描述符与深度学习模型结合，开发了基于循环神经网络的DeepQSAR模型，用于高效预测和设计新型抗菌肽 | 未明确说明模型在其他类型肽或更大数据集上的泛化能力 | 利用深度学习技术加速具有广谱抗菌和抗生物膜活性的抗菌肽的发现与设计 | 抗菌肽（AMPs） | 机器学习 | 细菌感染 | 定量构效关系（QSAR） | RNN | 分子描述符数据 | 未明确说明训练数据量，但提及可用的AMP训练数据量在增加；设计并实验验证了98种新型肽 | 未明确说明 | 基于循环神经网络的QSAR模型 | 五折交叉验证准确率 | NA |
| 792 | 2026-04-18 |
Dataset of Chilean Oak micropyrolysis over Zn and Ga supported on natural zeolite catalyst in oxygen-depleted (He) and reductive (H2) atmospheres
2026-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112584
PMID:41993075
|
研究论文 | 本文提供了一个关于智利橡木在Zn和Ga负载的天然沸石催化剂上，在缺氧（He）和还原（H2）气氛中进行微热解的数据集 | 首次研究了烘焙预处理对使用Zn和Ga掺杂的智利天然沸石催化剂进行热解过程中可凝气体生成的影响，并提供了全面的催化剂表征数据 | 研究仅针对智利橡木和特定催化剂，未涉及其他生物质或催化剂类型，且数据集规模可能有限 | 探究烘焙预处理对生物质热解过程中产物生成的影响，特别是在还原气氛下使用金属负载沸石催化剂时 | 智利橡木生物质、Zn和Ga负载的天然智利沸石催化剂 | 化学工程 | NA | 分析热解-气相色谱/质谱联用（Py-GC/MS）、热重分析（TGA）、元素分析、近似分析、纤维分析、N物理吸附、氨程序升温脱附（TPD-NH）、X射线衍射（XRD）、透射电子显微镜（TEM）、扫描电子显微镜-X射线能量色散检测（SEM-EDX）、X射线光电子能谱（XPS）、吡啶吸附-脱附-傅里叶变换红外光谱（Pyr-FTIR）、电感耦合等离子体原子发射光谱（ICP） | NA | 实验数据、表征数据 | NA | NA | NA | NA | NA |
| 793 | 2026-04-18 |
Automated Detection and Classification of Marine Species Vocalizations Using a YOLO-Based Deep Learning Framework
2026-Apr, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.73466
PMID:41993730
|
研究论文 | 本研究提出了一种基于YOLO架构的深度学习框架，用于自动检测和分类海洋物种的发声 | 通过构建合成监测数据集（结合单物种发声模拟重叠与非重叠场景）并使用CutMix等增强技术，提升了模型在复杂声学环境下的鲁棒性 | 缺乏连续、标注完整的多物种实地录音数据集 | 开发自动检测和分类海洋物种发声的有效方法，以理解人类活动对海洋环境的影响 | 海洋物种的发声信号 | 机器学习 | NA | 水下声学监测 | CNN | 音频 | 合成监测数据集（由单物种发声组合构建） | PyTorch | YOLO | 检测与分类性能 | NA |
| 794 | 2026-04-18 |
Deep-learning-based breast cancer stage prediction from H&E-stained whole-slide images in resource-constrained settings
2026-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2026.100644
PMID:41993946
|
研究论文 | 本研究提出了一种资源感知的深度学习流程，用于从低分辨率H&E染色全切片图像中预测乳腺癌病理TNM分期 | 在资源受限环境下，使用2.5倍放大倍数（远低于常规的20-40倍）的WSI进行pTNM分期预测，并验证了其可行性 | 使用2.5倍放大倍数可能限制了获取精细细胞线索的能力 | 开发一种计算效率高、适用于资源受限环境的乳腺癌分期预测方法 | 乳腺癌患者的H&E染色全切片图像 | 数字病理学 | 乳腺癌 | H&E染色 | Vision Transformer, 注意力机制, 多实例学习 | 图像 | Semmelweis队列：214名患者的247张WSI；Nightingale数据集：574名患者的9489张WSI；TCGA-BRCA：678名患者的731张WSI | NA | UNI基础模型, ResNet-50, 基于注意力的多实例学习聚合器 | AUC | 资源受限环境 |
| 795 | 2026-04-18 |
AI in Mental Health: Transforming Diagnosis and Management of Depression and Anxiety
2026-Apr, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.72316
PMID:41994616
|
综述 | 本文综述了人工智能在改善抑郁症和焦虑症诊断与管理方面的应用与潜力 | 聚焦于亚洲人群，系统探讨了AI在精神健康领域，特别是通过聊天机器人和可穿戴设备进行早期检测和个性化护理的创新应用 | 存在隐私、算法偏见以及检测自杀意念能力有限等伦理问题，且在老年人群中的接受度面临挑战 | 探讨人工智能如何提升精神健康障碍（尤其是抑郁症和焦虑症）的诊断精度和管理效率 | 针对抑郁症和焦虑症患者，特别是亚洲人群的相关研究 | 机器学习 | 精神健康障碍 | NA | 机器学习, 深度学习 | 社交媒体数据, 传感器数据 | NA | NA | NA | NA | NA |
| 796 | 2026-04-17 |
Helixer: ab initio prediction of primary eukaryotic gene models combining deep learning and a hidden Markov model
2026-Apr, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02939-1
PMID:41286201
|
研究论文 | 本文介绍了Helixer，一种基于人工智能的从头基因预测工具，用于准确预测真核生物基因模型 | 结合深度学习和隐马尔可夫模型，无需RNA测序等额外实验数据，即可跨真菌、植物、脊椎动物和无脊椎动物基因组实现高精度基因预测 | NA | 开发一种广泛适用于多种物种的高精度从头基因预测工具 | 真菌、植物、脊椎动物和无脊椎动物的基因组 | 机器学习 | NA | 从头基因预测 | 深度学习, 隐马尔可夫模型 | 基因组序列数据 | NA | NA | NA | 多种评估指标 | NA |
| 797 | 2026-04-14 |
GeoPMB: An Interface-Aware Geometric Deep Learning Framework for Peptide-MHCI Binding Prediction with Evolutionary Insight
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c03233
PMID:41830611
|
研究论文 | 本文提出了一种名为GeoPMB的几何深度学习框架，用于预测肽与MHCI分子的结合，结合了进化信息和结构约束 | GeoPMB创新性地将几何深度学习与预训练蛋白质语言模型结合，以建模pMHCI复合物的空间依赖性和界面物理化学特征，提高了对罕见等位基因的泛化能力 | 未明确提及具体限制，但可能依赖于预测的pMHCI复合物结构准确性 | 开发高精度计算工具，用于预测肽与MHCI分子的结合，以支持疫苗和免疫疗法开发 | 肽与I类主要组织相容性复合物（MHCI）分子的结合 | 机器学习 | 癌症相关疾病 | 几何深度学习，预训练蛋白质语言模型 | 几何图网络 | 序列数据，结构数据 | NA | NA | 几何图网络 | 结合特异性和亲和力预测性能 | NA |
| 798 | 2026-04-14 |
ncProFormer: A CNN-enhanced Transformer for ncRNA Coding-Potential Prediction
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00056
PMID:41830618
|
研究论文 | 提出了一种名为ncProFormer的深度学习框架，用于预测非编码RNA的编码潜力 | 首次在ncRNA编码潜力预测中引入跨物种评估，并整合了核酸语言模型GENA-LM和CNN增强的Transformer编码器，以联合捕获局部核苷酸模式和长程依赖关系 | 未明确提及 | 开发一个准确且可推广的框架，用于识别具有编码潜力的非编码RNA | 非编码RNA（ncRNA） | 自然语言处理 | NA | 深度学习 | CNN, Transformer | 序列数据 | 内部人类数据集、外部验证数据集、公共CPPred基准数据集，以及小鼠和大鼠数据集 | NA | CNN-enhanced Transformer encoder | NA | NA |
| 799 | 2026-04-14 |
HGT-PepPI: A Heterogeneous Graph-Based Framework Leveraging Pragmatic Analysis for Peptide-Protein Interaction Prediction
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c03139
PMID:41841204
|
研究论文 | 提出了一种基于异构图的计算框架HGT-PepPI，用于预测肽-蛋白质相互作用 | 通过构建整合序列语义信息、进化保守谱和实验验证相互作用的多关系边异构图，实现了对相互作用语义的可迁移模式学习，提升了泛化性能 | 模型性能受限于RCSB蛋白质数据库中有局限的蛋白质-肽复合物数据 | 开发计算深度学习预测器以准确预测肽-蛋白质相互作用 | 肽和蛋白质序列 | 机器学习 | NA | ProtT5模型 | 异构图神经网络 | 序列数据 | NA | NA | HGT-PepPI | 预测性能, 鲁棒性 | NA |
| 800 | 2026-04-14 |
EviCYP: In Silico Prediction of Cytochrome P450 Substrates Based on Vector Quantization and Evidential Deep Learning
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00074
PMID:41843769
|
研究论文 | 本文提出了一种名为EviCYP的新型预测框架，用于准确识别细胞色素P450底物，该框架结合了向量量化和证据深度学习 | 首次将证据深度学习与向量量化整合，用于CYP底物预测，并能够量化预测不确定性 | NA | 开发一种可靠的计算工具，用于药物发现和安全评估中的细胞色素P450底物识别 | 细胞色素P450酶及其底物和非底物分子 | 机器学习 | NA | 计算建模 | 深度学习 | 分子表示和酶序列数据 | 10,996个样本，包括4388个底物、2880个非底物和3728个伪阴性样本，涵盖9种主要CYP亚型 | NA | 证据深度学习与向量量化整合架构 | AUROC | NA |