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
201	2025-12-13	MediFlora-Net: Quantum-enhanced deep learning for precision medicinal plant identification 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108674 PMID:40974619	研究论文	提出一种名为MediFlora-Net的新型深度学习模型，用于精准识别药用植物	结合多模态深度学习、量子辅助特征提取和混合集成方法，并整合了量子启发的特征提取技术（量子概率特征映射和基于纠缠的表示）	NA	提高药用植物的准确识别与分类精度，以支持植物学研究、药理学和传统医学	药用植物	计算机视觉	NA	NA	CNN, GAN, Transformer	图像（RGB和高光谱植物图像）	NA	NA	Vision Transformer (ViT), CNN, 自定义Med-Plant-GAN	NA	NA
202	2025-12-13	EnsembleRegNet: Interpretable deep learning for transcriptional network inference from single-cell RNA-seq 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108702 PMID:41043336	研究论文	本文提出了EnsembleRegNet，一种用于从单细胞RNA测序数据推断基因调控网络的深度学习框架	通过集成编码器-解码器和多层感知机架构，结合Hodges-Lehmann估计器二值化、案例删除分析、RcisTarget基序富集和AUCell调控子活性评分，提高了鲁棒性和生物学可解释性	未明确提及具体限制，如计算资源需求或特定数据集上的泛化能力	从高维单细胞RNA测序数据中准确推断基因调控网络结构	转录因子与靶基因关系、细胞类型特异性调控模块	机器学习	NA	单细胞RNA测序	集成编码器-解码器, 多层感知机	单细胞RNA测序数据	NA	NA	EnsembleRegNet	聚类性能, 调控准确性	NA
203	2025-12-13	Microbiome-transcriptome-histology triad enhances survival risk stratification in multiple cancers 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108703 PMID:41043335	研究论文	本研究提出了一种名为HMTsurv的多模态生存预测框架，通过整合数字组织病理学、宿主转录组学和肿瘤相关微生物组特征，提高了多种癌症的生存风险分层准确性	首次将组织病理学、转录组学和微生物组特征三者整合到一个统一的多模态生存预测框架中，识别出14个泛癌生存生物标志物，并阐明了基因-微生物共表达网络等复杂相互作用	研究仅基于四种癌症类型的数据集，尚未在其他癌症类型或更大规模队列中得到验证，临床实用性仍需进一步评估	开发一个可推广的多模态架构，用于癌症预后预测，并阐明生存的病理学、分子和生态学决定因素之间的复杂相互作用	结直肠癌、胃癌、肝细胞癌和乳腺癌患者的多组学数据	数字病理学	多种癌症	数字组织病理学、宿主转录组学、肿瘤相关微生物组分析	深度学习模型	组织病理学图像、转录组学数据、微生物组数据	来自四种癌症类型的多组学数据集（具体样本数量未在摘要中明确说明）	NA	HMTsurv（具体架构未在摘要中详细说明）	c-index, log-rank p值	NA
204	2025-12-13	TK-DDI: Accurate and efficient drug-drug interaction prediction via token encoding 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108734 PMID:41161125	研究论文	本文提出了一种基于分子标记化的深度学习框架TK-DDI，用于准确高效地预测药物相互作用	通过分子标记化统一表示2D结构和3D构象信息，并采用两阶段注意力策略（分子内和分子间）来建模长程依赖和突出关键子结构	未在摘要中明确提及	提高药物相互作用预测的准确性和效率，以预防不良药物事件和保障患者安全	药物分子	自然语言处理	NA	分子标记化	Transformer	分子序列	NA	NA	Transformer编码器	NA	NA
205	2025-12-13	Survey on phylogenetic tree construction using machine learning 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108751 PMID:41172604	综述	本文综述了使用机器学习方法构建系统发育树的研究进展，涵盖传统和基于机器学习的多序列比对与系统发育推断方法	整合机器学习技术于系统发育分析全流程，特别关注绕过传统比对的嵌入或端到端学习新方法	NA	概述系统发育树构建方法，评估机器学习技术如何重塑系统发育推断	系统发育分析方法与工具	计算生物学	NA	机器学习，深度学习	NA	序列数据	NA	NA	NA	NA	NA
206	2025-12-13	Recent advances and applications of single-cell sequencing in insects 2026-Feb, Current opinion in insect science IF:5.8Q1 DOI:10.1016/j.cois.2025.101455 PMID:41173389	综述	本文综述了单细胞测序技术在昆虫科学中的最新进展与应用，探讨了该技术如何推动昆虫生物学从描述性研究转向功能与机制研究	系统总结了单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）在昆虫研究中的应用，并展望了高通量空间转录组学等新技术的前景	作为综述文章，未提出新的实验数据或方法，主要基于现有文献进行归纳总结	总结单细胞测序技术在昆虫生物学研究中的最新进展，并探讨其未来发展方向	昆虫（泛指）	基因组学	NA	单细胞测序、单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）、空间转录组学	深度学习算法	基因组数据、转录组数据、表观基因组数据、蛋白质组数据、代谢组数据	NA	NA	NA	NA	NA
207	2025-12-13	Deep ensemble model with blockchain technology for lung cancer detection with secured data sharing 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108729 PMID:41177067	研究论文	本文提出了一种结合区块链技术和混合集成深度学习模型的框架，用于肺癌检测和安全的数据共享	提出了一种新颖的混合集成深度学习模型HCNN-ALSTM，并结合改进的磷虾群算法进行参数优化，同时利用区块链智能合约确保医疗数据共享的安全性和隐私性	NA	提高肺癌早期诊断的准确性，并解决医疗数据在机构间安全、隐私共享的挑战	CT扫描图像	计算机视觉	肺癌	CT扫描	CNN, Autoencoder, LSTM	图像	NA	NA	HCNN-ALSTM	准确率, 特异性, Matthews相关系数, Fowlkes-Mallows指数, Bookmaker Informedness, Markedness	NA
208	2025-12-13	A data-driven modeling approach to prediction of persistent foot drop after gastroc-soleus lengthening surgery in children with cerebral palsy 2026-Feb, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.110010 PMID:41223483	研究论文	本研究开发了一种基于术前步态和临床数据的深度学习模型，用于预测脑瘫儿童接受腓肠肌-比目鱼肌延长术后持续性足下垂的风险	首次结合卷积神经网络和前馈神经网络，利用术前多模态数据预测术后足下垂，并采用SHAP方法解释模型以识别关键风险因素	样本量相对有限（110名儿童），且仅针对脑瘫儿童，模型在其他人群中的泛化能力尚未验证	预测脑瘫儿童接受腓肠肌-比目鱼肌延长术后发生持续性足下垂的风险，并识别相关的术前风险因素	110名患有脑瘫的儿童（36名单瘫，74名双瘫）	数字病理学	脑瘫	三维步态分析，物理检查	CNN, 前馈神经网络	步态数据，临床数据	110名儿童	NA	卷积神经网络，前馈神经网络	均方根误差，准确率	NA
209	2025-12-13	CUSP: Complex spike sorting from multi-electrode array recordings with U-net sequence-to-sequence prediction 2026-Feb, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110631 PMID:41265572	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞的复杂峰电位	提出了一种基于U-Net架构的序列到序列预测方法，结合混合自注意力初始块，整合局部场电位和动作电位信号，实现了复杂峰电位的自动化高精度检测	方法主要在小脑神经像素记录上训练和验证，在其他神经系统的泛化能力虽被提及但需进一步实证	开发一个自动化、鲁棒的框架，用于从多电极阵列记录中准确检测和分类复杂峰电位，以研究神经信息编码	小脑浦肯野细胞的复杂峰电位和简单峰电位	机器学习	NA	多电极阵列记录，神经像素记录	U-Net	神经电生理信号序列	基于恒河猴的小脑神经像素记录数据	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
210	2025-12-13	Discovery of Mangifera indica-based natural inhibitors against TEM-1 β-lactamase from Escherichia coli using machine learning approaches 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108797 PMID:41297205	研究论文	本研究应用深度学习引导的流程，从芒果植物化学物中筛选潜在的TEM-1 β-内酰胺酶抑制剂	首次将深度学习与分子对接、分子动力学模拟及密度泛函理论相结合，从芒果中系统筛选出新型天然β-内酰胺酶抑制剂，并发现多个化合物在结合能和稳定性上优于现有临床抑制剂	研究主要基于计算模拟和体外数据，缺乏体内实验验证；筛选的化合物库仅限于芒果来源，可能遗漏其他潜在天然产物	发现新型天然β-内酰胺酶抑制剂以应对抗生素耐药性	大肠杆菌中的TEM-1 β-内酰胺酶及芒果植物化学物	机器学习	NA	深度学习, 分子对接, 分子动力学模拟, 密度泛函理论	神经网络	化合物结构数据	220个化合物用于训练神经网络，从芒果植物化学物中筛选出25个顶级化合物	NA	NA	ROC-AUC, PR-AUC, Matthews相关系数, 富集因子	NA
211	2025-12-13	GAN-based novel feature selection approach with hybrid deep learning for heartbeat classification from ECG signal 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108704 PMID:41046784	研究论文	本文提出了一种基于GAN和混合深度学习的ECG信号心跳分类新方法	结合GAN进行特征选择，并采用SExpHGS优化的DBN-VGG混合模型进行分类	未提及模型在更大或更复杂数据集上的泛化能力	开发一种自动分类ECG心跳以识别心律失常的深度学习技术	ECG信号中的心跳	机器学习	心血管疾病	ECG信号处理	GAN, DBN, VGG	ECG信号	NA	NA	DBN-VGG	准确率, 灵敏度, 特异性	NA
212	2025-12-13	GDT-Net: Multi-level feature extraction network for precise diagnosis of atrial and ventricular fibrillation 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108715 PMID:41086643	研究论文	提出一种名为GDT-Net的神经网络，用于在复合噪声条件下对心房颤动和心室颤动进行鲁棒的ECG分类	设计了一个包含G模块、D模块和T模块的神经网络架构，分别用于提取导联特异性特征、捕获空间相关性以及建模时序依赖关系，以应对复合噪声条件下的ECG分类挑战	NA	提高在心房颤动和心室颤动诊断中的准确性，特别是在复合噪声条件下的鲁棒性	心房颤动和心室颤动这两种心血管疾病	机器学习	心血管疾病	ECG信号分析	CNN, Transformer	ECG信号	基于MIT-BIH数据集构建的六个子集	NA	GDT-Net（包含分组卷积模块、密集连接模块和Transformer编码器模块）	F1分数	NA
213	2025-12-13	Ovarian cancer detection from mutual information-ranked clinical biomarkers using an explainable attention-based residual multilayer perceptron 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108714 PMID:41086647	研究论文	本文开发了一种名为EA-ResMLP的自动化深度学习模型，用于从临床生物标志物中检测卵巢癌，结合了残差多层感知器、注意力机制和可解释人工智能技术	提出了一种集成残差连接、挤压-激励注意力块和可解释人工智能的深度学习模型，通过自适应重校准强调信息丰富的特征，提高了诊断准确性	NA	优化工作流程效率并提高卵巢癌诊断准确性	卵巢癌的临床生物标志物	机器学习	卵巢癌	NA	多层感知器	临床生物标志物数据	NA	NA	残差多层感知器	准确率	NA
214	2025-12-13	Optimized ensemble learning with multi-feature fusion for enhanced anti-inflammatory peptide prediction 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108723 PMID:41086648	研究论文	本文提出了一种优化的集成学习方法，通过多特征融合来增强抗炎肽的预测性能	采用软投票策略集成五种集成分类器，并基于随机森林筛选的377维特征，显著提升了预测准确性，超越了现有最优预测器	未明确说明数据集的具体规模或潜在偏差，且特征选择方法可能受限于所选算法	开发一种计算预测方法，以高效发现抗炎肽	抗炎肽序列	机器学习	NA	序列组成分析	LSTM, CNN, DNN, XGBoost, RF, AdaBoost, GBDT, LightGBM	序列数据	NA	NA	LSTM, CNN, DNN	NA	NA
215	2025-12-13	A comprehensive comparison of convolutional neural network and visual transformer models on skin cancer classification 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108713 PMID:41092791	研究论文	本研究全面比较了卷积神经网络（CNN）和视觉变换器（ViT）模型在皮肤癌分类任务上的性能	首次在相同训练条件下，系统性地比较了15种先进CNN模型和15种ViT模型在皮肤癌分类中的表现，并揭示了ViT模型（特别是基于Swin架构的）在准确性上的优势及其计算资源需求较高的权衡	ViT模型参数更多，计算资源需求更高，内存使用和处理时间增加，这限制了其在计算资源有限环境下的临床应用	比较CNN和ViT模型在皮肤癌分类中的性能，包括参数数量、计算成本和整体效率，以评估它们作为皮肤癌诊断替代方案的潜力	皮肤癌分类任务	计算机视觉	皮肤癌	深度学习	CNN, ViT	图像	HAM10000和ISIC 2019公开数据集	NA	Swin	准确率	NA
216	2025-12-13	MicroarrayCancerNet: Hybrid optimized deep learning with integration of graph CNN with 1D-CNN for cancer classification framework using microarray and seq expression data 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108706 PMID:41110205	研究论文	提出了一种结合图卷积神经网络与一维卷积神经网络的混合深度学习框架，用于基于微阵列和序列表达数据的癌症分类	开发了混合优化深度学习框架，整合了图CNN和1D-CNN，并采用改进的沙锥优化算法进行基因选择和参数调优	未明确说明模型在更广泛数据集上的泛化能力或计算效率的具体限制	设计一个新的癌症分类框架，提高基因分类的准确性	微阵列和序列表达数据中的基因	机器学习	癌症	微阵列测序，序列表达分析	GCNN, 1D-CNN	基因表达数据（数值特征矩阵）	NA	NA	Graph CNN, 1D-CNN	精确度	NA
217	2025-12-13	PerturbSynX: Deep learning framework for predicting drug combination synergy scores using drug induced gene perturbation data 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108736 PMID:41129968	研究论文	本文提出了一种基于深度学习的多任务学习框架，用于预测药物组合的协同作用分数，并整合了多模态生物数据	采用混合架构结合BiLSTM和注意力机制，以捕获药物特征与细胞系特性之间的复杂相互作用，并引入互注意力层建模依赖关系	敏感性分析显示药物输入顺序存在轻微不对称性，这归因于留对出训练策略	加速癌症研究中药物协同作用的发现，通过预测药物组合的协同分数来识别更有效的联合疗法	药物对和未处理的癌细胞系	机器学习	癌症	药物诱导的基因表达谱	BiLSTM, 注意力机制	基因表达数据, 分子描述符	未明确指定样本数量，但涉及药物对和癌细胞系	未指定，但可能基于深度学习框架如TensorFlow或PyTorch	混合架构（BiLSTM与注意力机制结合）	RMSE, PCC, R	未明确指定计算资源
218	2025-12-13	Circulating microRNAs in viral myocarditis: Advancements in biological understanding and potential clinical applications 2026-Jan-10, Gene IF:2.6Q2 DOI:10.1016/j.gene.2025.149866 PMID:41177414	综述	本文系统综述了循环microRNAs在病毒性心肌炎中的生物学作用、临床诊断与治疗应用潜力及局限性	整合了高通量测序、深度学习和人工智能技术，以深入理解循环microRNAs在病毒性心肌炎发病机制中的调控网络作用	作为综述文章，未进行原始实验研究，依赖于现有文献证据，可能存在发表偏倚	为改善病毒性心肌炎的精准诊断和治疗建立理论基础和策略框架	循环microRNAs及其在病毒性心肌炎中的调控网络	自然语言处理	心血管疾病	高通量测序技术	深度学习	文本	NA	NA	NA	NA	NA
219	2025-12-13	Open Lumbar Spine Image Analysis: A 3D Slicer Extension for Segmentation, Grading, and Intervertebral Disc Height Index With Multi-Data Set Validation 2026-Jan-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005462 PMID:40747922	研究论文	本研究开发了一个名为OLSIA的开放软件，用于腰椎图像分析，实现无代码的腰椎分割、分级和椎间盘高度指数计算，并在多个外部数据集上进行了验证	开发了首个集成深度学习模型的无代码腰椎图像分析软件，支持自动化分割、分级和DHI计算，并在6个不同地理区域的外部数据集上进行了鲁棒性评估	研究主要基于T2加权矢状位切片，可能未涵盖所有腰椎成像模态；尽管在多个数据集中验证，但样本量仍有限	开发一个开放、用户友好的软件工具，以加速腰椎图像的放射组学和分析工作流程	腰椎图像，特别是T2加权矢状位切片中的L1至S1椎体和L1/2至L5/S1椎间盘	数字病理	脊柱疾病	深度学习，图像增强（直方图裁剪、中值滤波、几何缩放）	深度学习模型	医学图像（T2加权MRI切片）	训练使用NFBC1966数据集，外部评估从6个数据集中各采样30名参与者，总计180名外部样本	NA	NA	Dice相似系数，Bland-Altman分析，配对t检验	NA
220	2025-12-13	Contrastive virtual staining enhances deep learning-based PDAC subtyping from H&E-stained tissue cores 2026-Jan, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6491 PMID:41188199	研究论文	本研究提出了一种基于对比学习的CycleGAN框架，用于从H&E染色组织切片生成虚拟IHC图像，以增强胰腺导管腺癌（PDAC）亚型分类的准确性	引入了对比学习启发的半配对数据集训练方法，显著提升了虚拟染色图像在诊断相关特征上的质量，而非仅关注图像质量指标	未明确说明模型在外部验证集上的泛化能力，以及临床部署的实际可行性	开发一种从常规H&E切片生成高质量虚拟IHC图像的方法，以简化PDAC亚型诊断流程	胰腺导管腺癌（PDAC）组织样本	数字病理学	胰腺癌	虚拟染色、免疫组织化学（IHC）染色、苏木精-伊红（H&E）染色	GAN	病理图像	NA	NA	CycleGAN	F1分数	NA