深度学习在生物医药领域中的应用

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
181	2025-08-06	Transcription Factor Binding Site Prediction Using CnNet Approach 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3411024 PMID:38848239	研究论文	本研究提出了一种名为CnNet的方法，结合MEME技术和CNN，用于预测转录因子结合位点	结合MEME和CNN技术，提出CnNet方法，显著提高了转录因子结合位点预测的准确性	未提及方法在特定生物环境或复杂基因序列中的适用性	开发更准确的转录因子结合位点预测方法	DNA基因序列	生物信息学	NA	MEME, CNN	CNN	DNA序列数据	NA
182	2025-08-06	Prediction of Inter-Residue Multiple Distances and Exploration of Protein Multiple Conformations by Deep Learning 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3411825 PMID:38857126	研究论文	本研究提出了一种基于深度学习的残基间多距离预测方法DeepMDisPre，用于探索蛋白质多构象	结合三角形更新、轴向注意力和ResNet的改进网络，预测残基对的多距离	仅在114个多构象蛋白质和279个单结构蛋白质上进行了测试，样本量有限	预测残基间多距离并探索蛋白质多构象	蛋白质的残基间距离和多构象	机器学习	NA	深度学习	改进的神经网络（结合三角形更新、轴向注意力和ResNet）	蛋白质结构数据	114个多构象蛋白质和279个单结构蛋白质
183	2025-08-06	DMAMP: A Deep-Learning Model for Detecting Antimicrobial Peptides and Their Multi-Activities 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3439541 PMID:39106141	研究论文	提出了一种名为DMAMP的深度学习模型，用于同时检测抗菌肽及其多种活性	通过多任务学习结合卷积神经网络和残差块，同时处理抗菌肽识别和活性预测两个相关任务，提高了预测性能	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发计算模型以降低抗菌肽及其活性检测的成本并提高准确性	抗菌肽(AMPs)及其多种生物活性	机器学习	NA	深度学习	CNN, 残差网络	肽序列数据	未明确提及具体样本数量
184	2025-08-06	Deep Learning in Gene Regulatory Network Inference: A Survey 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3442536 PMID:39137088	综述	本文综述了利用深度学习模型推断基因调控网络（GRN）的12种方法，并对其核心概念、具体步骤、有效性和可扩展性进行了详细评估	提供了对12种基于深度学习的GRN推断方法的全面分析，并探讨了这些方法的挑战和未来发展方向	未提及具体方法的局限性，仅讨论了整体挑战	探讨深度学习在基因调控网络推断中的应用	基因调控网络（GRN）	机器学习	NA	深度学习	NA	基因表达数据	NA
185	2025-08-06	KGRACDA: A Model Based on Knowledge Graph from Recursion and Attention Aggregation for CircRNA-Disease Association Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3447110 PMID:39167510	研究论文	提出了一种基于知识图谱、递归和注意力聚合的模型KGRACDA，用于预测circRNA与疾病的关联	结合显式结构特征和隐式嵌入信息，通过递归方法构建多跳子图，并利用门控机制优化图注意力机制，挖掘局部深度信息	未提及具体局限性	预测circRNA与疾病的关联	circRNA与疾病的关联	机器学习	NA	知识图谱、递归方法、注意力机制	KGRACDA	多源异构数据	未提及具体样本数量
186	2025-08-06	Parallel Convolutional Contrastive Learning Method for Enzyme Function Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3447037 PMID:39167509	研究论文	提出了一种并行卷积对比学习方法（PCCL）用于酶功能预测，以提高预测精度	结合卷积神经网络和对比学习，处理类别不平衡问题，并通过三个并行CNN充分提取样本特征	未提及具体的数据集规模限制或模型在其他类型酶上的泛化能力	提高酶功能预测的精度	酶的功能预测	机器学习	NA	蛋白质语言模型ESM-2	CNN, 对比学习	蛋白质序列	未明确提及具体样本数量，但提到在两个测试集上进行了性能评估
187	2025-08-06	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448373 PMID:39178097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同的身体多参数磁共振成像（mpMRI）序列类型，以提高放射科医生读取检查的效率	利用多种深度学习分类器（ResNet、EfficientNet和DenseNet）对8种不同的MRI序列进行分类，并比较它们的性能，最终确定表现最佳的DenseNet-121模型	模型在外部数据集（DLDS和CPTAC-UCEC）上的准确率有所下降，分别为0.872和0.810，表明在训练数据分布之外的数据上性能有所降低	开发一种高效的深度学习模型，用于准确分类多参数磁共振成像（mpMRI）序列类型	多参数磁共振成像（mpMRI）序列	计算机视觉	NA	mpMRI	ResNet, EfficientNet, DenseNet	图像	超过729项研究训练数据，以及外部数据集DLDS和CPTAC-UCEC
188	2025-08-06	CTsynther: Contrastive Transformer Model for End-to-End Retrosynthesis Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3455381 PMID:39240741	研究论文	提出了一种名为CTsynther的端到端深度学习模型，用于单步逆合成预测	在Transformer架构中引入对比学习概念，并使用对比学习语言表示模型在SMILES句子级别增强模型推理	未提及具体局限性	解决有机化学和药物合成中的逆合成预测问题	单步逆合成预测	机器学习	NA	对比学习	Transformer	SMILES句子	未提及具体样本数量
189	2025-08-06	CMCN: Chinese medical concept normalization using continual learning and knowledge-enhanced 2024-11, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102965 PMID:39241561	研究论文	本研究提出了一种结合持续学习和知识增强的中文医学概念归一化模型，旨在解决中文医学概念归一化中的挑战	利用多态语义信息和多任务学习增强知识，并通过持续学习保留更多重要医学特征	由于中文医学语义和本体资源的缺乏，研究可能受到数据限制	推进知识挖掘和医学概念归一化领域，增强人工智能在医疗健康领域的整合与应用	中文疾病名称	自然语言处理	NA	深度学习	GCBM-BSCL	文本	自建的中文疾病数据集
190	2025-08-06	GenoM7GNet: An Efficient N7-Methylguanosine Site Prediction Approach Based on a Nucleotide Language Model 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3459870 PMID:39302806	研究论文	提出了一种基于核苷酸语言模型的高效N7-甲基鸟苷位点预测方法GenoM7GNet	利用BERT预训练核苷酸序列数据，结合一维CNN进行特征学习和分类，显著提高了m7G位点预测的准确性	未提及模型在跨物种或不同RNA类型中的泛化能力	开发高效准确的RNA修饰位点预测方法	RNA序列中的N7-甲基鸟苷(m7G)修饰位点	生物信息学	NA	BERT预训练、一维CNN	BERT+CNN	RNA序列数据	未明确说明样本数量
191	2025-08-06	RECOMED: A comprehensive pharmaceutical recommendation system 2024-11, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102981 PMID:39306906	研究论文	开发了一个综合药物推荐系统RECOMED，通过考虑人群、疾病和化学品的广泛特征，向医生和患者高精度推荐药物列表	结合了基于矩阵分解的模型和深度学习模型，利用药物信息和患者数据提高了推荐系统的准确性、敏感性和命中率	系统的准确性或敏感性不等同于临床准确性，收集更大的数据集可以获得更准确的结果	构建一个高精度的药物推荐系统	医生和患者	自然语言处理	NA	情感分析, 自然语言处理, 矩阵分解, 深度学习	神经网络, 推荐系统算法	文本, 患者数据, 药物信息	2304名患者作为训练集, 660名患者作为验证集
192	2025-08-06	Improving Antifreeze Proteins Prediction With Protein Language Models and Hybrid Feature Extraction Networks 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3467261 PMID:39316498	研究论文	提出了一种名为AFP-Deep的新深度学习方法，通过整合蛋白质序列嵌入和预训练蛋白质语言模型以及进化上下文与混合特征提取网络，来预测抗冻蛋白	利用预训练蛋白质语言模型提取蛋白质序列的全局上下文特征，并设计混合深度神经网络增强嵌入与抗冻模式之间的相关性	未提及具体局限性	提高抗冻蛋白预测的准确性，以促进仿生合成抗冰材料和低温器官保存材料的开发	抗冻蛋白（AFPs）	机器学习	NA	预训练蛋白质语言模型，混合特征提取网络	深度学习	蛋白质序列	基准数据集（具体数量未提及）
193	2025-08-06	A Protein-Context Enhanced Master Slave Framework for Zero-Shot Drug Target Interaction Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3468434 PMID:39331551	research paper	提出了一种蛋白质上下文增强的主从框架（PCMS），用于零样本药物靶点相互作用预测	PCMS框架通过主学习器和从学习器的结合，解决了新发现蛋白质缺乏已知药物靶点相互作用数据时的预测问题	实验仅在两个公共数据集上进行验证，可能需要更多数据以证明其普适性	提高零样本条件下药物靶点相互作用预测的准确性	药物靶点相互作用	machine learning	NA	deep learning	Master/Slave Framework (PCMS)	protein and drug data	two public datasets
194	2025-08-06	Joint self-supervised and supervised contrastive learning for multimodal MRI data: Towards predicting abnormal neurodevelopment 2024-11, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102993 PMID:39369634	研究论文	提出了一种联合自监督和监督对比学习方法，用于从多模态MRI数据中学习鲁棒的潜在特征表示，以预测异常神经发育	开发了一种新颖的联合自监督和监督对比学习方法，能够将异质多模态特征投影到一个共享的公共空间，整合不同模态和相似受试者之间的互补和类似信息	未提及具体局限性	通过多模态MRI数据预测异常神经发育	多模态MRI数据（结构、扩散张量和功能磁共振成像）	医学影像分析	神经发育异常	深度学习	对比学习网络	MRI图像	两个独立数据集
195	2025-08-06	Generative Biomedical Event Extraction With Constrained Decoding Strategy 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3480088 PMID:39401115	research paper	本文提出了一种基于预训练语言模型T5的生物医学事件生成模型，采用序列到序列的生成范式，并结合约束解码算法和课程学习算法	首次将生成式建模应用于生物医学事件抽取，采用约束解码算法和课程学习算法提升模型性能	仅在Genia 2011和Genia 2013两个公开数据集上进行了验证，未在其他数据集上测试	解决生物医学事件抽取中的级联错误问题	生物医学事件	natural language processing	NA	constrained decoding algorithm, curriculum learning algorithm	T5	text	Genia 2011和Genia 2013两个公开数据集
196	2025-08-06	Enhancing Autism Spectrum Disorder identification in multi-site MRI imaging: A multi-head cross-attention and multi-context approach for addressing variability in un-harmonized data 2024-11, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102998 PMID:39442245	研究论文	提出一种多头部交叉注意力和多上下文方法，用于解决多站点MRI成像中未协调数据的变异性问题，以增强自闭症谱系障碍的识别	提出CCMSMCF框架，整合了多头部注意力跨尺度模块和残差多上下文模块，采用多种损失函数进行模型训练，提高了跨站点数据的泛化能力	模型仅在ABIDE-I数据集上进行了验证，需要进一步在其他数据集上测试其泛化性能	最小化站点和扫描仪变异性对分析的影响，开发一个在不同扫描仪和站点上均有效的模型	自闭症谱系障碍（ASD）患者的多站点MRI成像数据	数字病理学	自闭症谱系障碍	fMRI	CCMSMCF（整合了MHACSM和RMCN模块）	MRI图像	Autism Brain Imaging Data Exchange I (ABIDE-I)数据集中的多站点数据
197	2025-08-06	Use of Artificial Intelligence in Cobb Angle Measurement for Scoliosis: Retrospective Reliability and Accuracy Study of a Mobile App 2024-11-01, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/50631 PMID:39486021	研究论文	本研究评估了一种基于深度学习的移动AI应用在自动测量脊柱侧弯患者Cobb角方面的可靠性和准确性	开发了一种完全自动化的AI应用，无需医生手动测量，减少了观察者间的变异性	研究为回顾性分析，未在实时临床环境中验证应用性能	评估AI应用在脊柱侧弯Cobb角自动测量中的准确性和可靠性	601名脊柱侧弯儿童的802张全脊柱X光片	数字病理学	脊柱侧弯	深度学习	NA	X光图像	601名儿童（89名男性，512名女性，年龄10-17岁）的802张X光片
198	2025-08-06	MMD-DTA: A Multi-Modal Deep Learning Framework for Drug-Target Binding Affinity and Binding Region Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3451985 PMID:39208057	研究论文	提出了一种名为MMD-DTA的多模态深度学习框架，用于预测药物-靶标结合亲和力及结合区域	通过无监督学习同时预测药物-靶标结合亲和力和结合区域，整合了药物和靶标的序列与结构信息	未提及具体的数据集规模限制或模型计算资源需求	改进药物-靶标结合亲和力预测方法并增强模型的可解释性	药物分子与靶标蛋白的相互作用	机器学习	NA	图神经网络(GNN)与结构特征提取网络	多模态深度学习框架(MMD-DTA)	序列数据与结构数据	基准数据集（未说明具体样本量）
199	2025-08-06	Exploring the Role of Mobile Apps for Insomnia in Depression: Systematic Review 2024-10-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/51110 PMID:39423009	系统综述	本文系统评估了针对抑郁和失眠的移动应用，揭示了其特点、效果及当前研究中的不足	首次系统评估同时针对抑郁和失眠的移动应用，突出了AI和深度学习在心理健康支持中的新应用	研究仅纳入了2017年至2023年间发表的文献，可能遗漏了早期的重要研究	系统评价针对抑郁和失眠的移动应用的特点、效果及研究缺口	针对抑郁和失眠的移动应用	自然语言处理	抑郁症和失眠	AI和深度学习	chatbots	文本	18篇全文文章
200	2025-08-06	Automated High-Throughput Atomic Force Microscopy Single-Cell Nanomechanical Assay Enabled by Deep Learning-Based Optical Image Recognition 2024-10-02, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c03861 PMID:39302697	研究论文	本研究提出了一种基于深度学习的图像识别辅助原子力显微镜（AFM）技术，实现了自动化高通量单细胞纳米力学测量	利用深度学习对光学明场图像中的细胞结构和AFM探针进行无标记识别，实现了AFM探针的自动定位和单细胞压痕测定或单细胞力谱的高效测量	未提及该方法在复杂样本或不同细胞类型中的适用性验证	开发自动化高通量单细胞纳米力学测量方法，推动AFM在力学生物学中的应用	活体单细胞	生物医学工程	NA	原子力显微镜（AFM）	深度学习	光学图像	NA