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
261	2026-07-10	Liquid-liquid phase separation in metabolic engineering: Mechanistic insights, emerging applications, and future challenges 2026-Oct, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108931 PMID:42225537	综述	系统总结液-液相分离在代谢工程中的设计原理、分子决定因素和调控策略，并探讨人工智能和深度学习在该领域的应用	首次系统整合了基于液-液相分离的人工凝集体在代谢工程中的应用，特别是引入人工智能和深度学习用于数据驱动的固有无序区域设计，建立定量序列-相行为关系，推动从经验设计向预测性工程框架的转变	凝集体的老化和与宿主细胞环境的兼容性问题尚未解决	为合成生物学和代谢工程领域提供液-液相分离的理论框架和未来展望，促进新一代稳定的、可编程的微生物细胞工厂平台的开发	基于液-液相分离的人工凝集体及其在代谢通道、基因表达控制和可编程细胞功能模块构建中的应用	机器学习	NA	NA	深度学习模型	序列数据	NA	NA	NA	NA	NA
262	2026-07-10	A highly accurate framework for estimating eye muscle area and backfat thickness of pigs in vivo using deep learning 2026-Oct, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2026.110158 PMID:42361610	研究论文	开发了一种基于深度学习的框架，用于自动分割猪超声图像以准确估算眼肌面积和背膘厚度	提出了ReAMS-UNet网络架构，在大规模猪超声图像数据集上实现了眼肌区域的高度精准分割，并通过集成精确图像二值化方法提高了背膘厚度估计的准确性	文章未明确说明框架在不同猪品种或不同超声设备上的泛化能力，也未探讨实际应用中的计算效率	利用深度学习实现猪活体超声图像中眼肌面积和背膘厚度的自动、准确估算	猪的超声图像，包含10088张图像的大型数据集	计算机视觉	NA	超声成像	CNN	图像	10088张猪超声图像	NA	ReAMS-UNet, UNet, 及其他六种神经网络架构	IoU, Dice系数, MAE, 相关系数R	NA
263	2026-06-23	Explainable deep learning assisted SERS detection of cathinones in environmental water 2026-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127905 PMID:42000141	研究论文	提出了一种可解释深度学习辅助的表面增强拉曼光谱技术，用于环境水中卡西酮类物质的检测与识别	结合了通道与空间注意力机制的一维卷积神经网络，并利用Grad-CAM算法增强模型的可解释性，准确识别卡西酮类物质的SERS特征峰	仅针对四种标准卡西酮物质进行检测，未涉及实际环境中多种卡西酮混合体系或更低浓度下的性能评估	开发高灵敏度、可解释的SERS检测方法，实现环境水中合成卡西酮类物质的准确分类	四种合成卡西酮标准物质及环境水加标样品	机器学习	NA	表面增强拉曼光谱（SERS）、密度泛函理论计算	一维卷积神经网络（1D-CNN）	光谱数据	四种标准卡西酮物质及阴性样本的SERS光谱数据	PyTorch	通道与空间注意力机制增强的1D-CNN	分类准确率	NA
264	2026-06-23	Extraction of Raman spectral features and rapid identification of rice origin and storage years 2026-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127896 PMID:42008962	研究论文	结合拉曼光谱与深度学习提取光谱特征，快速识别大米产地和储存年份	首次将宏观成分分析（常规拉曼光谱）与微量代谢物表征（银纳米粒子增强SERS）结合，通过淀粉微结构和腺嘌呤信号实现大米产地和储存年份的化学可解释性鉴别	NA	开发一种结合拉曼光谱与深度学习的方法，用于特征化并识别大米的产地和储存年份，以应对产地伪造和陈米欺骗营销问题	中国七大主要产区的九个大米样品（包括一个代表品种的三年储存系列）	机器学习	NA	拉曼光谱，常规拉曼光谱，表面增强拉曼散射（SERS），银纳米粒子	NA	光谱	9个大米样品，包括一个品种的三年龄系列	NA	卷积神经网络（CNN）	准确率（98.57%）	NA
265	2026-06-19	Sweet artificial intelligence as digital catalysts in infectious diseases: Glycomics and glycoanalysis 2026-Oct-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118863 PMID:42218857	综述	总结人工智能、机器学习和深度学习在感染生物学糖组学和糖分析中的应用	系统性地总结了AI/ML/DL在糖组学中的应用，包括糖结构分析、凝集素-糖结合预测、病原性评估和生物标志物发现，并介绍了SweetNet和LectinOracle等代表性模型	标注稀疏、批次效应、结构覆盖不全、模型可解释性有限	探讨AI在感染生物学糖组学和糖分析中的应用现状与前景	糖组学和糖分析数据及相关AI模型	机器学习	感染性疾病	质谱、核磁共振、色谱、糖/凝集素微阵列	CNN, GNN, 序列模型, Transformer	糖组学数据	NA	NA	SweetNet, LectinOracle	NA	NA
266	2026-06-16	Integration of network pharmacology, deep learning, and molecular biology reveals the efficacy of Citrus aurantium L. var. amara Engl. blossom extract in ameliorating diabetic osteoporosis 2026-Oct-28, Journal of ethnopharmacology IF:4.8Q1 DOI:10.1016/j.jep.2026.121939 PMID:42217588	研究论文	结合网络药理学、深度学习和分子生物学揭示酸橙花提取物改善糖尿病性骨质疏松症的作用机制	首次将网络药理学与深度学习及分子生物学技术相结合，系统探究酸橙花提取物对糖尿病性骨质疏松症的保护作用及分子机制	未明确提及，但从方法学角度可能存在样本量较小、模型仅限于小鼠、未进行临床试验验证等局限性	探讨酸橙花乙醇提取物对糖尿病性骨质疏松症的保护作用及其潜在机制	高脂饮食和链脲佐菌素诱导的2型糖尿病小鼠模型	机器学习	糖尿病性骨质疏松症	高效液相色谱-质谱联用	深度学习	NA	未明确说明具体数量	NA	NA	NA	NA
267	2026-06-16	Fast MR elastography via deep learning-based phase interpolation: A technical feasibility study 2026-Oct, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110703 PMID:42190842	研究论文	本研究开发了一种基于深度学习的相位插值方法，通过利用时空波周期性减少MR弹性成像所需的振动相位采集数量，并验证其技术可行性	首次提出利用深度学习插补缺失振动相位图像的方法，可减少相位采集量达50%，同时保持与常规方法相当的临床测量精度	仅涉及较小样本量的健康志愿者验证，未在患者群体或更广泛的临床场景中测试；模拟减少相位采集而非实际减少扫描时间	评估深度学习相位插值方法用于减少MR弹性成像扫描时间的技术可行性	13名健康志愿者的肝脏MR弹性成像数据及体模数据	机器学习	NA	MR弹性成像 (MRE)	深度学习模型	图像（振动相位图像）	13名健康志愿者及体模数据	NA	NA（仅提及3-to-1和2-to-2模型，未指定具体架构）	结构相似性指数 (SSIM), 峰值信噪比 (PSNR), Bland-Altman分析, 组内相关系数 (ICC), Wilcoxon符号秩检验	NA
268	2026-06-09	Deep Learning-Assisted identification and quantification of cell-associated microplastics using darkfield hyperspectral imaging 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129864 PMID:42019285	研究论文	结合暗场高光谱成像与深度学习管道自动检测和量化单细胞水平的细胞相关聚苯乙烯微塑料	首次将Mask R-CNN、LS-SVM和CHT整合为自动化管道，实现单细胞分辨率下微塑料与细胞相互作用的定量评估	需要针对其他颗粒类型和细胞系进行重新训练和验证	开发自动策略用于检测和量化细胞相关微塑料，评估单细胞水平的剂量-反应关系	Caco-2细胞与聚苯乙烯微塑料	计算机视觉	NA	暗场高光谱成像	CNN, SVM	图像, 光谱	Caco-2细胞在不同浓度微塑料暴露下的样本（1×10^4、1×10^6、1×10^8颗粒/mL）	NA	Mask R-CNN, 最小二乘支持向量机, 圆形霍夫变换	精确率、准确率	NA
269	2026-06-09	Chemical composition imaging and class imbalance handling using a 2D-CNN with SMOTE and threshold moving for tobacco origin classification 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129950 PMID:42105520	research paper	提出一种结合化学组分成像、二维卷积神经网络（2D-CNN）与SMOTE和阈值移动的方法，用于烟草产地分类，有效处理类别不平衡问题	首次将化学组分转化为结构化二维图像，利用2D-CNN捕获化学指标间的复杂相关性，并结合SMOTE与阈值移动缓解类别不平衡导致的分类器偏差	未提及具体局限性	实现高精度的烟草产地分类，解决化学关系复杂与地理样本不平衡问题	烟草样本的化学组分数据	machine learning	NA	化学组分成像	2D-CNN	化学组分图像	来自八个生态区的烟草样本	NA	2D-CNN	accuracy, precision, recall, F1-score	NA
270	2026-06-06	Prediction of intrinsic clearance using an explainable learning framework integrating molecular fingerprints and graph representation 2026-Oct-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.118996 PMID:42176654	研究论文	开发了一个融合分子指纹和图表示的可解释学习框架，用于预测药物固有清除率	提出了一种动态结合机器学习与深度学习预测的集成策略，并通过可解释性分析将模型输出与分子理化性质及潜在代谢位点联系起来	公开数据质量对模型性能的约束以及现有模型生物可解释性不足	为早期药代动力学筛选提供生物学信息支持的工具，并深入理解结构-代谢关系	药物固有清除率数据及分子结构特征	机器学习	NA	分子指纹提取与图表示学习	传统机器学习、深度学习（双分支架构）	分子结构数据	从公开数据库系统收集并经人工验证的固有清除率数据集	NA	双分支深度学习架构	R值（相关系数）	NA
271	2026-06-06	Enhancing saline soil quality using enriched sheep manure compost and organic fertilizer: A FTIR-Deep learning evaluation of physiochemical and electrical properties 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129880 PMID:42035676	研究论文	利用FTIR光谱与深度学习模型评估改良羊粪堆肥和有机肥对盐渍土壤理化和电学性质的提升效果	首次将傅里叶变换红外光谱与1D-CNN、LSTM深度学习模型结合，并引入SHAP解释方法，建立盐渍土壤性质预测与光谱特征解释的集成框架	NA	建立基于FTIR光谱和机器学习/深度学习的快速、准确且可解释的盐渍土壤评估与可持续改良策略	盐渍土壤样本经羊粪堆肥和有机肥处理后的理化和电学性质	机器学习	NA	FTIR光谱分析	1D-CNN, LSTM, PLSR	光谱数据	NA	NA	1D-CNN, LSTM	决定系数R	NA
272	2026-05-31	3D-printed real-time biosensing system integrating deep learning for label-free in vitro T cell culture analysis 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129892 PMID:42035675	研究论文	利用3D打印模块构建的自动无标记监测平台，结合深度学习实现T细胞培养过程的实时分析	首次将3D打印模块化组件、自动化细胞培养、实时明场成像和深度学习算法集成于一个平台，实现T细胞形态、活力和迁移行为的连续追踪，无需标记	未提及对细胞代谢功能的直接检测，以及在不同T细胞亚型或临床样本中的验证	开发一种用于癌症免疫治疗中T细胞培养的实时、无标记监测技术	体外培养的T细胞	计算机视觉	癌症	NA	深度学习	明场图像	NA	NA	NA	平均精度	NA