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
321	2026-06-07	A Spectral Clustering-Based Approach for Balancing Data in TF-Target Gene Interaction Prediction Using Heterogeneous Network Embedding 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3666856 PMID:41729651	研究论文	提出一种基于谱聚类的数据平衡方法，结合异质网络嵌入预测转录因子与靶基因的相互作用	创新性地将谱聚类引入未知交互样本选择，通过从远离聚类中心的未知交互中选取样本来平衡数据集，显著提升预测性能	文章未明确讨论局限性	解决转录因子-靶基因相互作用预测中的数据不平衡问题	转录因子与靶基因之间的交互关系	自然语言处理	NA	谱聚类、随机游走采样、Skip-gram嵌入	深度学习（随机游走+Skip-gram）	网络结构数据（生物学网络）	未明确说明	NA	NA	AUC	NA
322	2026-06-07	A Deep Learning Framework for Identifying Essential Proteins Based on Vision Transformer 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669744 PMID:41774661	研究论文	提出基于Vision Transformer的深度学习框架EPViT，用于识别必需蛋白质	首次将Vision Transformer用于必需蛋白质识别，且无需主观选择亚细胞定位特征	仅在酵母数据上验证，缺乏其他物种泛化性评估	提高必需蛋白质识别准确率	酵母细胞中的必需蛋白质	机器学习	NA	NA	Vision Transformer	蛋白质相互作用网络数据、亚细胞定位信息	酵母数据集	PyTorch	Vision Transformer	识别率	NA
323	2026-06-07	Fast reconstruction of degenerate populations of conductance-based neuron models from spike times 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014337 PMID:42166500	研究论文	提出一种结合深度学习和动态输入电导的方法，从峰电位时间快速重建基于电导的神经元模型的简并群体	将深度学习和动态输入电导理论框架相结合，通过轻量级神经网络将峰电位时间直接映射到阈值的DIC密度，然后用迭代补偿算法生成简并的CBM群体，实现快速、可扩展的重建	未明确说明，但在本摘要中未提及具体限制	解决从实验可获得的峰电位记录中推断电导基础模型参数的反问题，处理神经元简并性	神经元模型，包括两个神经元模型（如spiking、bursting和不规则模式）	机器学习, 计算神经科学	NA	深度学习, 动态输入电导框架	神经网络（轻量级神经网络）	峰电位时间序列	两个神经元模型（未具体说明样本数量）	NA	轻量级神经网络（未具体说明架构）	高准确性、鲁棒性（未具体列出指标，如准确率等）	标准硬件（如普通计算机），毫秒级运行速度
324	2026-06-07	Hybrid Deep Learning Framework for Enhanced Melanoma Detection 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3596589 PMID:40811190	research paper	提出了一种名为SegFusion框架的混合深度学习方法，结合U-Net和EfficientNet，用于黑色素瘤检测	创新性地融合了U-Net的精确分割能力和EfficientNet的强大分类性能，构建了一个统一的混合框架SegFusion，在黑色素瘤检测任务上取得了显著优于现有模型的效果	NA	提高黑色素瘤检测的准确性和效率	黑色素瘤检测方法	computer vision	melanoma	NA	CNN	image	使用HAM10000数据集和ISIC 2020数据集	NA	U-Net, EfficientNet	accuracy, precision, recall, F1 score, MCC	NA
325	2026-06-07	Spatial Multiomics Reveal Insights Into ADC Efficacy 2026-05, European journal of immunology IF:4.5Q2 DOI:10.1002/eji.70190 PMID:42083302	综述	综述空间多组学技术如何揭示抗体药物偶联物（ADC）疗效的生物学见解	提出将空间转录组学和蛋白质组学与机器学习/深度学习分析相结合的综合框架，用于患者分层、毒性预测和ADC设计优化	未讨论具体实验验证或临床应用案例	探讨空间多组学在解码ADC作用机制和耐药性中的应用，并建议整合人工智能分析方法	抗体药物偶联物（ADC）及其靶点（NECTIN-4、HER2、TROP2），主要针对转移性尿路上皮癌	数字病理学	转移性尿路上皮癌	空间多组学（空间转录组学、多重蛋白质成像）	机器学习/深度学习模型	空间转录组学数据、多重蛋白质成像数据	NA	NA	NA	NA	NA
326	2026-06-07	Simulated wildfire smoke particulate matter elicits STING-dependent astrocyte-mediated inflammatory signaling and neurotoxicity 2026-May, Neurotoxicology IF:3.4Q2 DOI:10.1016/j.neuro.2026.103473 PMID:42190922	研究论文	研究模拟野火烟雾颗粒物通过STING信号通路诱导星形胶质细胞介导的炎症反应和神经毒性	首次揭示野火烟雾暴露通过cGAS-STING通路触发星形胶质细胞炎症反应和神经毒性的分子机制，并整合了体外和体内转录组数据	研究主要基于体外培养的星形胶质细胞混合胶质细胞，可能无法完全反映体内复杂微环境	探究野火烟雾颗粒物导致神经退行性疾病的细胞和分子机制	野火烟雾颗粒物对星形胶质细胞的影响及其炎症信号传导	数字病理学	神经退行性疾病	高通量显微镜、深度学习图像分析、转录组学	深度学习	图像、转录组数据	原代星形胶质细胞富集的混合胶质细胞培养物（具体数量未说明）	NA	NA	NA	NA
327	2026-06-06	The mediating role of self-efficacy between time management disposition and deep learning ability among undergraduate nursing students: A cross-sectional study 2026-May-29, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2026.107198 PMID:42242111	研究论文	探讨本科护生时间管理倾向、自我效能感与深度学习能力之间的关系，并检验自我效能感在时间管理倾向与深度学习能力之间的中介作用	首次在本科护生群体中验证自我效能感在时间管理倾向与深度学习能力之间的部分中介作用，为理解信息过载环境下深度学习能力的影响机制提供新视角	横断面设计无法推断因果关系；样本仅来自一所医学院校，代表性和推广性有限；采用便利抽样，可能存在选择偏倚	调查本科护生深度学习能力现状及其影响因素，探究自我效能感在时间管理倾向与深度学习能力间的中介作用	238名全日制本科护生	医学教育	不适用	不适用	回归模型（含中介分析）	调查问卷数据	238名全日制本科护生	PROCESS宏（模型4）	不适用	相关系数(r)、标准化回归系数(β)、置信区间(CI)、方差解释量(R²)	不适用
328	2026-06-06	SwitchCraft: A Programmatic Framework for Designing State-Switching Proteins 2026-May-29, ArXiv PMID:42244813	研究论文	介绍SwitchCraft框架，一种基于结构预测模型参数化组合设计约束，通过反向传播设计状态切换蛋白质的方法	首次提出基于反向传播和结构预测模型参数化组合约束的程序化框架，用于设计多态切换蛋白质，超越了现有深度学习框架的能力	当前所有评估均为计算机模拟，未涉及实际湿实验验证	开发一种能够理性设计多态蛋白质的程序化框架以推动生物技术领域发展	状态切换蛋白质，包括变构调控基序、配体结合判别等分子功能元件	机器学习	NA	蛋白质结构预测、反向传播优化	结构预测模型	蛋白质结构数据	NA	PyTorch	NA	NA	NA
329	2026-06-06	Identification of LAMP2 as the direct target of aloperine derivatives for degrading PD-L1 through the lysosomal pathway based on deep learning model 2026-May-28, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.110056 PMID:42242017	研究论文	基于深度学习模型鉴定LAMP2为苦参碱衍生物通过溶酶体途径降解PD-L1的直接靶点	首次利用深度学习模型DeepDTAGen预测并验证苦参碱衍生物7a的直接靶点为LAMP2，结合计算与实验策略快速发现靶点	NA	鉴定苦参碱衍生物通过溶酶体途径降解PD-L1的直接功能靶点	苦参碱衍生物及PD-L1降解机制	机器学习	肿瘤免疫	分子对接、分子动力学模拟	DeepDTAGen	文本	30种苦参碱衍生物	NA	DeepDTAGen	K值（5.58 μM）	NA
330	2026-06-06	Molecular Characterization of T-Lineage Acute Lymphoblastic Leukemia by an Optimal-Transport Based Multi-Omics Integration Framework 2026-May-26, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.22.727257 PMID:42244593	研究论文	提出基于最优传输的多模态深度学习框架OTTER，整合RNA-seq基因表达和体细胞基因组变异数据，用于T系急性淋巴细胞白血病的分子特征刻画	采用Gromov-Wasserstein最优传输对齐多组学潜在表征，保留各模态内部几何结构，无需共享特征空间，同时实现跨模态交互分析和生物可解释性	NA	实现对T-ALL的多组学数据有效整合与精确分子分型，以理解疾病机制、风险分层和指导靶向治疗	儿童肿瘤组AALL0434队列中的1,309例T-ALL患者，涵盖17个亚型	机器学习	T系急性淋巴细胞白血病	RNA-seq, 体细胞基因组变异测序	变分自编码器, 最优传输模型	基因表达数据, 基因组变异数据	1,309例T-ALL患者	PyTorch	变分自编码器, Gromov-Wasserstein最优传输	NA	NA
331	2026-06-06	Normative modeling for quantitative brain MRI phenotyping and biomarker discovery for pediatric leukodystrophies 2026-May-25, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.22.26353512 PMID:42245025	研究论文	利用基于脑生长图表的规范性建模方法，对儿童脑白质营养不良进行定量MRI表型分析和生物标志物发现	首次将基于脑生长图表的规范性建模应用于多种遗传性脑白质营养不良，系统比较了六种亚型的神经解剖模式差异，并证明了该方法在疾病严重程度分层和生物标志物识别中的潜在价值	研究为横断面设计，虽然包含初步纵向数据，但整体样本量有限（274名患者），且不同亚型间样本分布不均，可能影响统计效力	利用解剖MRI衍生的表型，结合脑发育规范性模型，表征六种遗传性白质营养不良的共同和独特的神经解剖模式，评估该方法在疾病严重程度生物标志物识别中的效用	六种遗传性白质营养不良患者（Pelizaeus-Merzbacher病、异染性脑白质营养不良、亚历山大病、Aicardi-Goutières综合征、TUBB4A相关白质营养不良和POLR3相关白质营养不良）	计算机视觉	儿童脑白质营养不良	解剖MRI	深度学习分割模型	MRI图像	274例患者（434次MRI扫描）和7205例对照（7628次扫描）	NA	深度学习分割模型（未指定具体架构）	百分位数分数	NA
332	2026-06-06	An EEG-Based Edge-AI Framework for Alzheimer's and Creutzfeldt-Jakob Disease Classification 2026-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s26103274 PMID:42198082	研究论文	提出一种基于脑电图的边缘AI框架，用于区分阿尔茨海默病、克雅氏病和健康对照，并评估其在边缘设备上的部署可行性	提出轻量级混合深度学习模型，结合一维卷积神经网络与Transformer编码器，捕获局部时序和长程依赖；并在边缘AI平台实现能量高效的实时分类	样本量较小（36名受试者），可能限制模型泛化能力；仅验证了单一医院数据集，未在多个独立队列上测试	开发一种跨受试者、基于AI的EEG分类框架，实现阿尔茨海默病、克雅氏病与健康对照的准确区分，并确保临床部署的实时性和能效	阿尔茨海默病、克雅氏病患者及健康对照者的脑电图数据	机器学习	阿尔茨海默病, 克雅氏病	脑电图（EEG）	一维卷积神经网络, Transformer编码器	脑电图信号	36名受试者	NA	一维卷积神经网络, Transformer	准确率	NVIDIA Jetson AGX Orin边缘AI平台
333	2026-06-06	Digital Pathology and the AI-Based Quantification of the Tumor Microenvironment in Gastrointestinal Cancer: From Tumor Budding and Tumor-Infiltrating Lymphocytes to Tertiary Lymphoid Structures 2026-May-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27104386 PMID:42196367	综述	本文综述了数字病理学和人工智能在胃肠道癌症肿瘤微环境分析中的进展，重点讨论了肿瘤出芽、肿瘤浸润淋巴细胞和三级淋巴结构等生物标志物	强调AI工具在自动、定量分析整个组织切片中的优势，以及深度学习模型在结构与空间组织分析中的新生物学见解	AI在临床实践中的实施面临标准化、数据可用性和模型可解释性方面的挑战	讨论AI在胃肠道癌症肿瘤微环境生物标志物分析中的应用，推动个性化医学发展	胃肠道癌症中的肿瘤微环境，包括肿瘤出芽、肿瘤浸润淋巴细胞和三级淋巴结构	数字病理学	胃肠道癌症	数字病理学	深度学习	组织学图像	NA	NA	NA	NA	NA
334	2026-06-06	CT Attenuation Map-Derived Body Composition Is Associated with Cardiorespiratory Fitness in Multicenter External Validation 2026-May-08, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.07.26352573 PMID:42145618	研究论文	开发并验证基于CT衰减图的身体组成‘健康’评分，用于评估心肺功能	首次将深度学习量化的身体组成综合评分作为心肺功能的替代标记，并在多中心外部验证中展示其预测价值	未提及明显局限性，但可能受限于回顾性设计和样本选择偏倚	评估身体组成与心肺功能的关系，并开发可替代运动试验的评分工具	来自4个SPECT和12个PET中心的36471名患者	机器学习	心血管疾病	CT衰减图	深度学习	图像（CT身体组成数据）	36471名患者	NA	NA	AUC, 调整后风险比	NA
335	2026-06-06	Artificial Intelligence-Assisted Confocal Laser Endomicroscopy for Predicting Invasion Depth of Superficial Esophageal Mucosal Lesions: A Cohort Study 2026-May-08, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000001044 PMID:42100909	研究论文	本研究开发并验证了一种人工智能辅助共聚焦激光显微内镜系统，用于预测浅表食管黏膜病变的浸润深度	首次将人工智能与共聚焦激光显微内镜结合，建立AI-pCLE系统用于低级别上皮内瘤变与高级别上皮内瘤变伴黏膜下浸润的鉴别诊断，并与内镜医师的诊断性能进行了对比	回顾性单中心研究，样本量有限，需外部验证	开发并验证人工智能辅助共聚焦激光显微内镜系统，用于食管鳞状细胞癌浸润深度的准确评估	浅表食管黏膜病变患者，包含低级别上皮内瘤变和高级别上皮内瘤变伴黏膜下浸润病变	计算机视觉，数字病理学	食管癌	共聚焦激光显微内镜	深度学习	图像	1,234张共聚焦激光显微内镜图像	NA	六种深度学习算法，具体架构未明确说明	准确率，敏感度，特异度， AUC，阳性预测值，阴性预测值	NA
336	2026-06-06	Real-time AI integration for MR to detect artifacts and guide pulse sequence adaptations 2026-May-07, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.04.722724 PMID:42146385	研究论文	首次提出人工智能集成磁共振脉冲序列，实时检测体素外伪影并前瞻性更新梯度方案	首次实现单次激励内（TR内）的人工智能集成序列，通过深度学习的时域和频域卷积自编码器实时检测伪影，并动态调整梯度方案	仅在健康志愿者前额叶皮层中测试，未涉及病变组织；需要用户定义阈值，可能引入主观性	实现磁共振中体素外伪影的实时检测与自适应梯度优化，提升频谱质量	健康志愿者的前额叶皮层	数字病理学	NA	编辑MRS（磁共振波谱）	卷积自编码器	时域和频域信号	健康志愿者（具体数量未提及）	NA	时域卷积自编码器, 频域卷积自编码器	OOV分数, 拟合质量数 (FQN)	NA
337	2026-06-06	Pathogenicity prediction for noncanonical splice-altering variants based on multimodal feature fusion 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag291 PMID:42242678	研究论文	开发了一种名为MOSAIC的深度学习框架，用于预测非经典剪接改变变异的致病性	首次将预训练DNA语言模型的长程上下文信号、多尺度卷积神经网络的局部序列特征和功能注释进行多模态融合，并采用Transformer编码器和门控融合模块实现自适应整合	NA（摘要未明确提及）	提高非经典剪接位点变异致病性预测的准确性	非经典剪接改变变异（noncanonical SAVs）	机器学习	多种疾病（因变异与多种疾病相关，未指定具体疾病）	深度学习	Transformer编码器、多尺度卷积神经网络、预训练DNA语言模型	DNA序列数据、功能注释数据	多个独立数据集（具体数量未提供）	PyTorch	Transformer编码器、门控融合模块、多尺度卷积神经网络	准确性、鲁棒性（与CADD和SpliceAI等方法的比较，具体指标未明确）	NA（摘要未提及）
338	2026-06-06	Development and validation of a deep survival model to predict time to seizure from routine electroencephalography 2026-May, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70101 PMID:41553763	研究论文	开发并验证了一种基于常规脑电图预测癫痫发作时间的深度生存模型EEGSurvNet	首次将深度生存模型应用于常规脑电图预测个体癫痫发作风险，超越传统临床预测因子（如发作间期痫样放电）的性能，并从脑电图信号中提取出超越可见异常信号的预后信息	需要进行前瞻性研究以验证这些发现并评估其临床影响	开发和验证一种分析常规脑电图以预测癫痫患者随时间变化的发作风险的深度生存模型	癫痫患者及其常规脑电图记录	机器学习	癫痫	NA	深度生存模型	脑电图信号	1014次连续常规脑电图记录，来自994名患者；测试集包含135次脑电图记录，来自115名患者	NA	EEGSurvNet	随时间变化的AUROC、2年综合AUROC、C指数	NA
339	2026-06-06	Deep learning for depression prediction in older adults: A retrospective cohort study from CHARLS (2011-2020) with independent cohort validation in CLHLS (2008-2018) 2026-May-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.121206 PMID:41554486	研究论文	利用深度学习模型DARNet基于中国健康与养老追踪调查和CLHLS数据预测老年人抑郁，并进行独立队列验证	首次系统应用深度学习模型（DARNet）在大型中国纵向队列中预测老年抑郁，并整合多维度可解释性分析	需整合多种群多中心临床数据以增强实际应用价值	开发并验证用于老年人抑郁早期预测的深度学习工具	年龄超过60岁的中国老年人	机器学习	老年抑郁	NA	深度学习	纵向调查数据	CHARLS队列（2011-2020年）2781名老年人，CLHLS队列（2008-2018年）独立验证	PyTorch	双注意力残差网络（DARNet）	准确率、F1分数、AUROC、AUPRC	GPU
340	2026-06-06	CT-based Prediction of Visceral Pleural Invasion in Lung Adenocarcinoma ≤ 3 cm: Enhancing Deep Learning Specificity by Waiving Chest Wall Information 2026-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19102-5 PMID:41566129	研究论文	开发一种基于CT的深度学习模型，通过排除胸壁信息来提高肺腺癌脏层胸膜侵犯预测的特异性	首次通过有意排除胸壁信息来增强深度学习模型的特异性，并引入新型注意力机制提高可解释性	未提及具体的局限性，但回顾性设计可能引入选择偏倚，且模型仅在≤3cm肺腺癌中验证	提高肺腺癌脏层胸膜侵犯术前预测的特异性，避免过度治疗	835例经病理确诊的肺腺癌患者（来自两个医疗中心）	计算机视觉	肺腺癌	CT成像	CNN	图像	835例患者（训练集692例，外部验证集143例）	PyTorch	四层卷积神经网络，集成注意力机制	AUC, 敏感性, 特异性, 准确率	NA