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
2081	2026-09-13	DeepES: deep learning-based enzyme screening to identify orphan enzyme genes 2025-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf053 PMID:39909853	研究论文	开发了一种基于深度学习的酶筛选工具DeepES，用于识别孤儿酶基因，并应用于宏基因组组装基因组中	首次利用深度学习整合多个二元分类器的输出，针对生物合成基因簇和反应类别进行孤儿酶基因的筛选	未在摘要中明确提及	识别孤儿酶基因，填补序列与酶促反应之间关联的空白	蛋白质序列、孤儿酶、生物合成基因簇、宏基因组组装基因组	机器学习	NA	深度学习，宏基因组组装	CNN	蛋白质序列	4744个宏基因组组装基因组	PyTorch	ResNet	准确率	NA
2082	2026-09-13	APNet, an explainable sparse deep learning model to discover differentially active drivers of severe COVID-19 2025-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf063 PMID:39921901	研究论文	本文介绍了一种可解释的稀疏深度学习模型APNet，用于发现严重COVID-19的差异活性驱动因素	结合了基于SJARACNe共表达网络的差异活性分析和PASNet（一种生物学信息稀疏深度学习模型），实现了可解释的预测，并构建了驱动基因-通路网络以辅助结果解释和假设生成	摘要中未明确提及局限性	通过计算分析揭示与不良临床结果相关的分子、细胞表型和信号模式，以预测COVID-19严重程度并发现驱动因素	COVID-19患者	机器学习	COVID-19	蛋白质组学分析	稀疏深度学习	蛋白质组学数据	三个COVID-19蛋白质组学数据集	NA	PASNet	分类性能	NA
2083	2026-09-13	Sul-BertGRU: an ensemble deep learning method integrating information entropy-enhanced BERT and directional multi-GRU for S-sulfhydration sites prediction 2025-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf078 PMID:39977366	研究论文	本文提出了一种名为Sul-BertGRU的集成深度学习方法，通过结合信息熵增强的BERT和多方向GRU来预测蛋白质S-硫化位点	提出了信息熵增强的BERT（IE-BERT）预处理蛋白质序列，采用置信学习筛选可靠负样本，并构建多方向GRU捕捉以半胱氨酸为中心的左、右和全长序列的方向性特征，同时结合并行多头自注意力和卷积神经网络进行深度特征分析	摘要中未明确提及局限性	准确识别蛋白质S-硫化位点，以促进细胞生物学研究及心血管和神经系统疾病的理解	蛋白质序列中的S-硫化位点	机器学习	心血管疾病	深度学习	BERT, GRU, CNN	蛋白质序列文本	NA	PyTorch	BERT, 多方向GRU, 多头自注意力, CNN	敏感度, 特异度, 精确率, 准确率, 马修斯相关系数, AUC	NA
2084	2026-09-13	CryoTEN: efficiently enhancing cryo-EM density maps using transformers 2025-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf092 PMID:40036588	研究论文	该文章提出了一种名为CryoTEN的3D UNETR++风格Transformer模型，用于高效增强冷冻电镜密度图的质量	CryoTEN采用3D UNETR++风格的Transformer架构，在提高冷冻电镜密度图质量方面排名第二，但运行速度比现有最先进的深度学习方法快10倍以上，且所需GPU内存大大减少	未明确提及	有效改善冷冻电镜密度图的质量，以便从中构建更好的蛋白质结构	冷冻电镜密度图	计算机视觉	NA	冷冻电镜	Transformer	图像	1295个冷冻电镜密度图用于训练，150个独立测试集用于评估	NA	3D UNETR++	密度图质量提升程度、运行速度、GPU内存使用	NA
2085	2026-09-13	actifpTM: a refined confidence metric of AlphaFold2 predictions involving flexible regions 2025-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf107 PMID:40080667	研究论文	本文提出了一种改进的AlphaFold2预测置信度指标actifpTM，用于更稳健地评估涉及柔性区域的蛋白质-蛋白质相互作用界面	提出了actifpTM指标，改进了原始ipTM的不足，聚焦于实际参与相互作用的残基而非全部残基对，使得对于侧翼区域长度不同但核心相互作用相同的模型能够获得更一致的置信度评估；同时actifpTM可分别计算全复合物和各链对的置信度，特别适用于评估多链复合物中关键结合界面	未在摘要中明确说明	改进AlphaFold2中ipTM置信度指标，使其在存在柔性侧翼区域时仍能准确评估蛋白质-蛋白质相互作用界面的置信度	蛋白质-蛋白质相互作用复合物结构预测，特别是涉及柔性区域的相互作用（如基序介导的相互作用和抗体-抗原相互作用）	机器学习	NA	深度学习蛋白质结构预测	AlphaFold2	蛋白质结构数据	NA	NA	AlphaFold2	ipTM, actifpTM	NA
2086	2026-09-13	Reducing reading time and assessing disease in capsule endoscopy videos: A deep learning approach 2025-03, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105792 PMID:39817978	研究论文	本文研究了一种基于深度学习的计算机辅助诊断方法，通过预训练的卷积神经网络对胶囊内镜视频中的异常帧进行分类，生成显著缩短的摘要视频以加速视频分析	提出了一种生成显著缩短的胶囊内镜摘要视频的方法，该视频包含医生在原视频中识别的所有异常，平均包含93.33%的异常，同时将播放时间从58分钟减少到10分钟	在测试数据集上，摘要视频平均仅包含93.33%的异常，可能遗漏部分异常；研究仅基于八段视频，样本量有限	研究计算机辅助诊断方法加速胶囊内镜视频分析的可行性，旨在生成一个显著缩小的胶囊内镜视频，其中包含所有异常	胶囊内镜视频	计算机视觉	胃肠道疾病	胶囊内镜	CNN	图像	八段胶囊内镜视频，使用五种胶囊内镜类型捕获，显示多种异常	NA	NA	异常包含率	NA
2087	2026-09-13	Anticancer drug response prediction integrating multi-omics pathway-based difference features and multiple deep learning techniques 2025-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012905 PMID:40163555	研究论文	提出了一种整合多组学通路差异特征和多种深度学习技术的抗癌药物反应预测模型PASO	利用通路内外的基因表达、突变和拷贝数变异差异作为细胞系特征，结合药物SMILES表示，并融合Transformer编码器、多尺度卷积网络和注意力机制来预测药物敏感性	未明确提及	实现个体化癌症药物敏感性预测，并理解个体间药物反应差异	癌细胞系和抗癌药物	机器学习	肺癌	多组学数据分析	Transformer, CNN, 注意力机制, MLP	多组学数据, 化学结构数据	未明确提及	NA	Transformer, 多尺度卷积网络, 注意力网络, MLP	准确率	NA
2088	2026-09-13	Deep learning-based organ-wise dosimetry of 64Cu-DOTA-rituximab through only one scanning 2025-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88498-z PMID:39955298	研究论文	本研究旨在通过深度学习从早期扫描的PET图像生成延迟的64Cu-DOTA-rituximab图像，以减轻剂量估算的负担	使用基于生成对抗网络的配对图像到图像翻译模型，从早期PET图像生成延迟图像，用于器官剂量学	对于与身体清除相关的器官，吸收剂量的预测相对不准确	减少放射性药物剂量估算的不便和成本	六名恶性肿瘤患者	医学影像分析	恶性肿瘤	正电子发射断层扫描（PET）	生成对抗网络	图像	6名患者	NA	生成对抗网络	图像相似度	NA
2089	2026-09-13	Classification patterns identification of immunogenic cell death-related genes in heart failure based on deep learning 2025-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89333-1 PMID:39955386	研究论文	该研究利用深度学习编码器模型基于免疫原性细胞死亡相关基因对心力衰竭进行聚类分型，识别诊断相关基因并构建列线图模型，同时探索免疫浸润和基因调控互作	首次将免疫原性细胞死亡相关基因与深度学习编码器模型相结合用于心力衰竭分型，并通过差异表达基因细化亚型，同时识别诊断相关基因并构建列线图模型，诊断模型AUC超过0.99	摘要中未明确提及研究的局限性	改善心力衰竭亚型分类，识别潜在药物靶点，并应用深度学习模型增强心力衰竭分类及识别诊断相关基因	心力衰竭患者及其免疫原性细胞死亡相关基因	机器学习	心血管疾病	NA	NA	基因表达数据	NA	NA	NA	AUC	NA
2090	2026-09-13	An explainable and accurate transformer-based deep learning model for wheeze classification utilizing real-world pediatric data 2025-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89533-9 PMID:39955399	研究论文	本文开发了一种基于Transformer的深度学习模型，利用真实儿科数据对喘息声进行分类	将Audio Spectrogram Transformer模型应用于真实临床儿科呼吸音数据，并使用Score-CAM可视化分类过程	样本量较小，仅包括194个喘息音和531个其他呼吸音	开发准确且可解释的深度学习模型，用于儿科呼吸音中喘息声的分类	2019至2020年访问韩国两所大学医院儿科部门的儿童	数字病理学	儿科呼吸疾病	听诊	Transformer	音频	725个呼吸音样本（194个喘息音，531个其他呼吸音）	NA	Audio Spectrogram Transformer	准确率, AUC, 精确率, 召回率, F1分数	NA
2091	2026-09-13	Functional profiling of the sequence stockpile: a protein pair-based assessment of in silico prediction tools 2025-02-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf035 PMID:39854283	研究论文	本文通过基于蛋白质对的功能相似性评估方法，系统评估了现有多种蛋白质功能预测工具在预测非 homologous 蛋白质分子功能方面的表现与局限	提出将功能预测评估转化为蛋白质对功能相似性评估的新策略，突破了传统功能注释词汇表的限制，可跨本体评估不同注释方法，并揭示了深度学习工具在捕获蛋白质序列功能信号方面的不足	缺乏真正的“ground truth”功能注释，评估依赖于蛋白质对的功能相似性间接推断，可能无法完全反映实际功能预测的准确性	探究现有蛋白质功能预测方法在预测与已知蛋白质家族非同源或远缘蛋白质分子功能方面的潜力和局限性	数千个与已知功能注释序列非同源或远缘的蛋白质	机器学习	NA	计算机模拟功能注释、蛋白质序列分析	深度学习模型	蛋白质序列数据	数千个蛋白质	NA	NA	功能相似性、预测准确性	NA
2092	2026-09-13	ParaSurf: a surface-based deep learning approach for paratope-antigen interaction prediction 2025-02-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf062 PMID:39921885	研究论文	提出了一种基于表面的深度学习模型ParaSurf，用于预测抗体paratope与抗原的相互作用，在三个基准数据集上取得了最先进的结果。	结合表面几何和非几何因素进行paratope预测，且能够预测整个Fab区域的结合分数，而不仅限于可变区。	未明确提及	提高抗体paratope预测的准确性，以加速疫苗和治疗性抗体的开发。	抗体-抗原相互作用，特别是paratope结合位点	计算生物学	NA	深度学习	深度学习模型	蛋白质结构数据	三个抗体-抗原基准数据集	NA	NA	多种评估指标（未具体列出）	NA
2093	2026-09-13	A conditional denoising VAE-based framework for antimicrobial peptides generation with preserving desirable properties 2025-02-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf069 PMID:39932977	研究论文	本文提出了一种基于条件去噪变分自编码器（VAE）的框架，用于生成具有理想理化性质（如分子量、等电点、疏水性等）的抗菌肽（AMPs），以应对抗生素耐药性问题	1. 提出了一种新颖的基于去噪VAE的生成模型，由理想的理化性质引导生成抗菌肽；2. 集成位置编码和Transformer架构以提高生成准确性；3. 设计了一种自定义损失函数，结合重构损失、KL散度和性质保持损失，确保有效训练；4. 引入去噪机制，使模型能够从扰动输入中学习，在有限训练数据下保持性能	未在摘要中明确提及	生成具有理想功能性质的抗菌肽，为抗菌肽设计与分析提供可行方法，以对抗抗生素耐药性	抗菌肽（AMPs）	机器学习	细菌感染	深度学习生成模型	去噪变分自编码器（Denoising VAE）	分子序列与理化性质数据	NA	NA	Transformer, VAE	NA	NA
2094	2026-09-13	An accelerated deep learning model can accurately identify clinically important humeral and scapular landmarks on plain radiographs obtained before and after anatomic arthroplasty 2025-02, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-024-06401-3 PMID:39760903	研究论文	本文使用加速的深度学习模型在肩关节置换术前后X光片上识别肱骨和肩胛骨标志点，并评估其准确性	仅使用240张标注图像即可训练出高精度的深度学习模型，并能在术前和术后X光片上准确识别标志点	样本量较小，证据等级为IV级	评估深度学习模型在识别肩关节置换术前后X光片上肱骨和肩胛骨标志点的准确性	接受解剖型肩关节置换术患者的术前和术后X光片	计算机视觉	骨科疾病	Flat panel X-ray radiography	深度学习模型	图像	240张X光片用于训练，60张用于测试	NA	NA	平均偏差	NA
2095	2026-09-13	Combining MRI radiomics and clinical features for early identification of drug-resistant epilepsy in people with newly diagnosed epilepsy 2025-01, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2024.110165 PMID:39612633	研究论文	本研究结合MRI放射组学特征和临床特征，利用机器学习模型早期识别新诊断癫痫患者中的药物难治性癫痫	首次将ResNet-18深度学习模型提取的MRI放射组学特征与临床特征相结合，用于早期预测新诊断癫痫患者的药物难治性	样本量较小（134例），仅进行内部验证，缺乏外部验证	基于放射组学和临床特征，识别新诊断的药物难治性癫痫患者	新诊断癫痫患者	医学影像分析	癫痫	MRI放射组学	ResNet-18, SVM, GBDT, 随机森林	医学图像, 临床数据	134例新诊断癫痫患者	NA	ResNet-18, SVM, GBDT, 随机森林	准确率, 敏感度, 特异度, F1分数, AUC	NA
2096	2026-09-13	ByteTrack: a deep learning approach for bite count and bite rate detection using meal videos in children 2025, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2025.1610363 PMID:41112744	研究论文	本文开发了一种名为ByteTrack的深度学习系统，用于从儿童用餐视频中自动检测咬食次数和咬食速率。	提出了一种两阶段的深度学习系统（ByteTrack），结合人脸检测（Faster R-CNN和YOLOv7混合管道）和咬食分类（EfficientNet卷积神经网络与LSTM循环网络），能够处理模糊、低光、相机抖动和遮挡等挑战，实现自动咬食检测。	在面部部分被遮挡或运动剧烈时性能下降，且在不同人群和记录条件下的鲁棒性有待提高。	评估儿童进食行为（如进食速率），以揭示过度消费和肥胖的风险，并克服现有传感器干扰自然进食或依赖劳动密集型视频编码的局限性。	94名7-9岁儿童，共242个视频，总计1440分钟，儿童食用四餐，每餐间隔一周，食物相同但份量不同。	计算机视觉	肥胖	深度学习	CNN, LSTM	视频	242个视频（94名儿童，1440分钟），测试集为51个视频	NA	Faster R-CNN, YOLOv7, EfficientNet, LSTM	平均精度, 召回率, F1分数, 组内相关系数	NA
2097	2026-09-13	Autoencoder-based phenotyping of ophthalmic images highlights genetic loci influencing retinal morphology and provides informative biomarkers 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae732 PMID:39657956	研究论文	该研究利用自编码器对来自英国生物银行31135名参与者的视网膜OCT图像进行表征，通过全基因组关联分析识别出118个显著影响视网膜形态的遗传位点，并证明这些自编码器衍生的影像表型可作为青光眼和心血管疾病的预测生物标志物	首次将自编码器用于视网膜OCT图像的无监督表型提取，并在此基础上开展大规模GWAS分析，发现了传统临床影像特征未能捕捉的遗传关联，证明了自监督深度学习方法在影像遗传学中的价值	摘要中未明确提及研究局限性	探索深度学习方法能否检测到比传统临床影像特征更细微的视网膜图像变异模式，并揭示影响视网膜形态的遗传因素	英国生物银行31135名参与者的视网膜光学相干断层扫描（OCT）图像	计算机视觉、数字病理学	青光眼、心血管疾病、神经退行性疾病	光学相干断层扫描（OCT）、全基因组关联分析（GWAS）	自编码器（Autoencoder）	图像	31135名英国生物银行参与者的视网膜OCT图像	NA	自编码器（Autoencoder）	NA	NA
2098	2026-09-13	Transcription factor prediction using protein 3D secondary structures 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae762 PMID:39786868	研究论文	本文提出了一种基于蛋白质三维二级结构信息的深度学习转录因子预测方法StrucTFactor，并在大规模数据集上验证了其性能优于现有方法	首次利用蛋白质的三维二级结构信息进行转录因子预测，而非仅依赖序列特征或已知DNA结合域	未明确提及	提高新型转录因子的预测准确性，特别是那些不包含已知DNA结合域的转录因子	约525,000个蛋白质，涵盖12个数据集	机器学习	NA	蛋白质三维二级结构预测	深度学习	蛋白质三维结构数据	约525,000个蛋白质	NA	NA	马修斯相关系数	NA
2099	2026-09-13	DDGemb: predicting protein stability change upon single- and multi-point variations with embeddings and deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf019 PMID:39799516	研究论文	本文提出了DDGemb，一种结合蛋白质语言模型嵌入和Transformer架构的方法，用于预测单点和多点变异引起的蛋白质稳定性变化（ΔΔG）	结合蛋白质语言模型嵌入和Transformer架构，同时预测单点和多点变异引起的蛋白质ΔΔG变化	NA	预测蛋白质在单点和多点残基变异后的稳定性变化（ΔΔG），以辅助功能性蛋白质设计和理解蛋白质变异如何促进疾病发生	蛋白质及其单点和多点残基变异	机器学习	NA	蛋白质语言模型嵌入	Transformer	序列数据	NA	NA	Transformer	NA	NA
2100	2026-09-13	EnrichRBP: an automated and interpretable computational platform for predicting and analysing RNA-binding protein events 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf018 PMID:39804669	研究论文	该文章介绍了一个名为EnrichRBP的自动化可解释计算平台，用于预测和分析RNA结合蛋白事件	EnrichRBP是一个自动化且可解释的计算平台，支持70种深度学习算法，涵盖特征表示、选择、模型训练、比较、优化和评估，集成在自动化流程中；提供全面可视化和模型可解释性，支持碱基水平功能注释任务，利用高性能计算提供超快速预测	未明确提及	预测RNA结合蛋白并理解转录后调控机制，提供可解释的预测和分析	RNA结合蛋白与RNA的相互作用	机器学习	NA	深度学习，机器学习	深度学习，机器学习	序列数据	NA	NA	NA	NA	高性能计算