深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 32801 篇文献，本页显示第 2241 - 2260 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2241 | 2025-10-05 |
A multidimensional deep ensemble learning model predicts pathological response and outcomes in esophageal squamous cell carcinoma treated with neoadjuvant chemoradiotherapy from pretreatment CT imaging: A multicenter study
2025-Sep-10, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.111133
PMID:40939680
|
研究论文 | 开发并验证基于治疗前CT影像的多维深度集成学习模型，用于预测食管鳞癌患者新辅助放化疗后的病理完全缓解和预后风险分层 | 提出结合放射组学和3D卷积神经网络的多维深度集成学习模型，在多个中心验证中表现出优于单一领域模型的预测性能 | 回顾性研究设计，需要前瞻性多中心验证来进一步确认临床实用性 | 预测食管鳞癌患者新辅助放化疗的治疗反应和预后 | 接受新辅助放化疗的食管鳞癌患者 | 医学影像分析 | 食管鳞癌 | CT成像 | 集成学习, CNN | CT影像 | 485例来自四个医院的ESCC患者（发现队列194例，内部队列49例，外部验证队列242例） | NA | 3D CNN, 集成学习架构 | AUC, 校准曲线, 临床效用, 总生存期, 无病生存期, log-rank检验 | NA |
| 2242 | 2025-10-05 |
MediFlora-Net: Quantum-enhanced deep learning for precision medicinal plant identification
2025-Sep-07, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种名为MediFlora-Net的量子增强深度学习模型，用于精确识别药用植物 | 结合量子辅助特征提取、多模态深度学习和混合集成方法，引入量子概率特征映射和基于纠缠的表征来提取高阶植物特征 | NA | 开发高精度的药用植物识别系统，支持生物多样性保护、民族植物学研究和药理学应用 | 药用植物 | 计算机视觉 | NA | 多模态成像 | CNN, GAN, Transformer | 图像 | NA | NA | Vision Transformer (ViT), CNN, Med-Plant-GAN | NA | NA |
| 2243 | 2025-10-05 |
Autoregressive enzyme function prediction with multi-scale multi-modality fusion
2025-Sep-06, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf476
PMID:40966652
|
研究论文 | 提出一种多尺度多模态自回归预测器MAPred，用于自回归预测蛋白质的酶委员会编号 | 首次整合蛋白质氨基酸序列和3D结构标记，采用双路径方法和自回归预测网络，利用EC分类的层次结构 | 未明确说明模型在更广泛数据集上的泛化能力 | 提高酶功能预测的准确性和可靠性 | 蛋白质酶功能预测 | 生物信息学 | NA | 多模态融合，自回归预测 | 深度学习模型 | 氨基酸序列数据，3D结构数据 | New-392，Price，New-815基准数据集 | NA | 双路径架构，自回归预测网络 | NA | NA |
| 2244 | 2025-10-05 |
Artificial intelligence-enhanced biosurveillance for antimicrobial resistance in sub-Saharan Africa
2025-Sep-03, International health
IF:2.3Q2
DOI:10.1093/inthealth/ihae081
PMID:39545538
|
综述 | 探讨人工智能在撒哈拉以南非洲地区抗菌素耐药性生物监测中的整合与应用潜力 | 首次系统评估AI技术在资源有限地区AMR监测中的适用性，强调跨学科合作与伦理框架建设 | 数据稀缺、基础设施不足和伦理问题阻碍AI在SSA地区的实际应用 | 提升撒哈拉以南非洲地区抗菌素耐药性监测能力 | 撒哈拉以南非洲地区的抗菌素耐药性监测系统 | 机器学习 | 抗菌素耐药性感染 | 基因组分析 | 机器学习,深度学习 | 大规模数据集 | NA | NA | NA | NA | NA |
| 2245 | 2025-10-05 |
Interpretable Artificial Intelligence Analysis of Functional Magnetic Resonance Imaging for Migraine Classification: Quantitative Study
2025-Sep-03, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/72155
PMID:40903006
|
研究论文 | 本研究结合可解释人工智能技术和多种fMRI指标进行偏头痛分类分析 | 首次将可解释AI技术与多种fMRI指标结合，识别最优模型-指标组合并定位鉴别性脑区 | 样本量相对较小（64名参与者），需要更大规模验证 | 评估可解释AI在偏头痛临床诊断中的应用潜力 | 偏头痛患者（有先兆和无先兆）和健康对照者 | 医学影像分析 | 偏头痛 | 功能磁共振成像 | CNN, Transformer, SVM, 随机森林 | 医学影像 | 64名参与者（21名无先兆偏头痛，15名有先兆偏头痛，28名健康对照） | NA | GoogleNet, ResNet18, Vision Transformer | 准确率, AUC | NA |
| 2246 | 2025-10-05 |
Decoding Epigenetic Enhancer-Promoter Interactions in Periodontitis via Transformer-GAN: A Deep Learning Framework for Inflammatory Gene Regulation and Biomarker Discovery
2025-Sep-02, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2025.103879
PMID:40902506
|
研究论文 | 本研究开发了一种基于Transformer-GAN的深度学习框架，用于解码牙周炎中表观遗传增强子-启动子相互作用及其对炎症基因调控的影响 | 首次将Transformer-GAN模型应用于表观遗传增强子-启动子相互作用的预测，并整合DNA甲基化和基因表达多组学数据 | 研究样本量有限，仅基于公共数据集GSE173081和GSE173078进行分析 | 解析牙周炎中表观遗传增强子-启动子相互作用的调控网络，发现新的生物标志物和治疗靶点 | 牙周炎患者的表观遗传调控网络和炎症基因 | 深度学习, 生物信息学 | 牙周炎 | DNA甲基化测序, RNA-seq, 多组学整合分析 | Transformer, GAN | 基因组DNA甲基化数据, 基因表达数据 | 基于公共数据集GSE173081和GSE173078（具体样本数未明确说明） | NA | Transformer-GAN | AUC-ROC, AUC-PRC, F1-score, 诊断准确率 | NA |
| 2247 | 2025-10-05 |
Deep learning-driven proteomics analysis for gene annotation in the renin-angiotensin system
2025-Sep-02, European journal of pharmacology
IF:4.2Q1
DOI:10.1016/j.ejphar.2025.178119
PMID:40907688
|
研究论文 | 本研究开发了一种多标签深度学习模型，用于系统注释肾素-血管紧张素系统基因功能并阐明其在生物通路中的作用 | 首次将多标签AI建模与细胞外囊泡蛋白质组学整合用于RAS通路注释，揭示了新型IRAP/Ywha(s)/Nedd4-2-ACE2相互作用轴 | 研究主要基于文献挖掘和计算预测，实验验证仅限于DOCA-盐高血压小鼠模型 | 系统注释肾素-血管紧张素系统基因功能并阐明其在生物通路中的作用 | 肾素-血管紧张素系统相关基因 | 自然语言处理 | 心血管疾病 | 文本挖掘，蛋白质组学，毛细管Western分析 | MLP | 文本 | 39,463篇来自PubMed和PMC的RAS相关出版物 | NA | 多层感知器 | 精确度，F1分数，排序损失，ROC-AUC | NA |
| 2248 | 2025-10-05 |
Benchmarking deep learning-designed inlay restorations across operator experience: An in vitro comparison of time efficiency, contact intensity, and contour quality
2025-Sep-02, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.106083
PMID:40907866
|
研究论文 | 比较深度学习与传统人工设计嵌体修复体的时间效率、接触强度和轮廓质量 | 首次系统评估深度学习设计工作流在不同操作者经验水平下的表现，并分析其对经验相关变异性的影响 | 体外研究，样本量有限（25个数字扫描），未涉及长期临床效果评估 | 评估深度学习设计嵌体工作流的性能表现 | 上颌和下颌后牙区近中-𬌗面或远中-𬌗面洞形预备后的基牙数字扫描 | 数字病理 | 牙科修复 | 数字扫描，深度学习设计 | 深度学习模型 | 数字扫描图像 | 25个上颌和下颌牙弓数字扫描 | NA | NA | 时间效率，𬌗面接触强度，邻面接触强度，轮廓质量 | NA |
| 2249 | 2025-10-05 |
TransFactor-prediction of pro-viral SARS-CoV-2 host factors using a protein language model
2025-Sep-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf491
PMID:40929136
|
研究论文 | 提出TransFactor计算框架，利用蛋白质语言模型预测SARS-CoV-2促病毒宿主因子 | 首次将预训练的ESM-2蛋白质语言模型应用于宿主因子预测，通过计算丙氨酸扫描提供可解释性 | 依赖有限实验数据集，实验方法存在局限性 | 预测和优先排序候选宿主因子作为抗病毒治疗靶点 | SARS-CoV-2宿主蛋白质 | 自然语言处理 | 传染病 | 蛋白质序列分析 | Transformer | 蛋白质序列数据 | 来自33项独立SARS-CoV-2研究的实验确定宿主因子数据集 | PyTorch | ESM-2 | 与机器学习和深度学习基线比较，基因本体富集分析 | NA |
| 2250 | 2025-10-05 |
THLANet: A deep learning framework for predicting TCR-pHLA binding in immunotherapy applications
2025-Sep, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013050
PMID:40939018
|
研究论文 | 提出了一种名为THLANet的深度学习框架，用于预测TCR与pHLA的结合特异性，以评估新抗原的免疫原性潜力 | 采用进化尺度建模-2（ESM-2）替代传统嵌入方法增强序列特征表示，通过分析CDR3序列和模拟抗原序列丙氨酸扫描提供TCR与抗原3D结合相互作用的新见解 | 仅使用TCR序列（CDR3β）、抗原序列和I类HLA进行预测，可能无法覆盖所有结合情况 | 准确预测TCR与新抗原的结合特异性，为免疫治疗应用提供支持 | T细胞受体（TCR）、新抗原、I类人类白细胞抗原（HLA） | 生物信息学 | 癌症 | scTCR-seq，深度学习 | 深度学习模型 | 序列数据 | 使用scTCR-seq数据构建的TCR-pHLA结合数据库和多种癌症类型的临床癌症数据 | NA | THLANet，ESM-2 | NA | NA |
| 2251 | 2025-10-05 |
Spatial gene expression at single-cell resolution from histology using deep learning with GHIST
2025-Sep, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02795-z
PMID:40954301
|
研究论文 | 提出GHIST深度学习框架，从组织学图像预测单细胞分辨率空间基因表达 | 首次实现从组织学图像预测单细胞分辨率空间基因表达，利用亚细胞空间转录组学和多层次生物信息协同关系 | NA | 开发从常规组织学图像预测空间基因表达的新方法 | 空间转录组数据和常规组织学图像 | 数字病理学 | 癌症 | 空间转录组学，组织学成像 | 深度学习 | 组织学图像，基因表达数据 | 公共数据集和癌症基因组图谱数据 | NA | GHIST | 准确性，空间分辨率 | NA |
| 2252 | 2025-10-05 |
Graph-based deep learning for integrating single-cell and bulk transcriptomic data to identify clinical cancer subtypes
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf467
PMID:40966644
|
研究论文 | 提出基于图深度学习的单细胞和批量转录组数据整合方法scBGDL，用于识别癌症临床亚型和预测临床结局 | 首次构建样本特异性基因图模型，结合图注意力网络、MinCutPool层和Transformer模块，实现多组学数据的高效整合与生物学解释 | 方法在16种癌症类型中验证但尚未涵盖所有癌症类型，需要进一步扩大验证范围 | 整合单细胞和批量转录组数据以精确识别癌症亚型并预测临床结局 | 16种TCGA癌症类型及三个多中心队列（肺腺癌、上皮性卵巢癌、皮肤黑色素瘤） | 生物信息学, 机器学习 | 癌症 | 单细胞RNA测序, 批量转录组测序 | 图神经网络, Transformer | 基因表达数据 | TCGA 16种癌症类型，肺腺癌1099例，上皮性卵巢癌762例，皮肤黑色素瘤305例 | PyTorch, DGL | Graph Attention Networks, MinCutPool, Transformer | C-index, log-rank P值 | NA |
| 2253 | 2025-10-05 |
AttBiomarker: unveiling preeclampsia biomarkers and molecular pathways through two-stage gene selection techniques and attention-based CNN with gene regulatory network analysis
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf473
PMID:40966654
|
研究论文 | 本研究开发了一种集成深度学习和生物信息学的方法，通过两阶段基因选择技术和基于注意力的CNN结合基因调控网络分析，识别先兆子痫的潜在生物标志物 | 提出两阶段基因选择方法（Fisher评分+mRMR）结合注意力机制CNN模型，并整合基因调控网络分析来识别先兆子痫生物标志物 | 仅基于三个微阵列数据集进行分析，样本规模和多样性可能存在限制 | 识别先兆子痫的潜在生物标志物和分子通路 | 先兆子痫相关基因表达数据 | 生物信息学 | 先兆子痫 | 微阵列分析, 基因本体分析, KEGG通路富集分析, 蛋白质-蛋白质相互作用网络, 基因调控网络分析, 分子对接分析 | CNN | 基因表达数据 | 三个微阵列数据集 | NA | 基于注意力的卷积神经网络(AttCNN) | 分类准确率 | NA |
| 2254 | 2025-10-05 |
Artificial intelligence for comprehensive DNA methylation analysis: overview, challenges, and future directions
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf468
PMID:40966651
|
综述 | 本文全面评述了人工智能与DNA甲基化分析的协同作用，涵盖机器学习、深度学习、自然语言处理和可解释人工智能等技术 | 强调了信号处理和基于大语言模型的在DNA甲基化研究中尚未充分开发的潜力 | 讨论了管理和分析大型复杂DNA甲基化数据集时面临的挑战和限制 | 探索人工智能在DNA甲基化分析领域的应用现状与未来发展 | DNA甲基化数据分析方法 | 自然语言处理, 机器学习 | NA | DNA甲基化分析 | 机器学习, 深度学习, 自然语言处理模型, 大语言模型 | DNA甲基化数据 | NA | NA | NA | NA | NA |
| 2255 | 2025-10-05 |
Magnetic resonance imaging (MRI)-derived radiomics and deep learning models for predicting epidermal growth factor receptor status in glioma: a systematic review and meta-analysis
2025-Aug-22, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.107049
PMID:40974758
|
系统评价与荟萃分析 | 本文系统评价了放射组学和深度学习模型在预测神经胶质瘤表皮生长因子受体状态方面的性能，并对放射组学模型进行了荟萃分析 | 首次对放射组学和深度学习模型预测神经胶质瘤EGFR状态进行系统评价和荟萃分析，提供放射组学模型的汇总性能估计 | 仅纳入12项研究评估EGFR扩增，其中仅6项纳入荟萃分析，样本量有限 | 评估放射组学和深度学习模型预测神经胶质瘤EGFR改变的性能 | 神经胶质瘤患者 | 医学影像分析 | 神经胶质瘤 | 磁共振成像 | 放射组学模型,深度学习模型 | 医学影像 | 12项研究（6项纳入荟萃分析） | NA | NA | 灵敏度,特异性,阳性似然比,阴性似然比,诊断比值比,AUC | NA |
| 2256 | 2025-10-05 |
Developing inhibitors of the guanosine triphosphate hydrolysis accelerating activity of Regulator of G protein Signaling-14
2025-Aug-21, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110611
PMID:40848973
|
研究论文 | 本研究开发了选择性非共价抑制RGS14 GTP酶加速活性的小分子抑制剂 | 首次发现可靶向RGS14 GAP活性的非共价小分子抑制剂，并采用机器学习增强的分子对接方法优化配体 | 未明确说明临床前研究的局限性 | 开发针对RGS14 GTP酶加速活性的选择性抑制剂 | RGS14蛋白及其GTP酶加速活性 | 计算生物学 | 中枢神经系统疾病,代谢疾病 | 结构引导虚拟筛选,配体对接,深度学习评分,荧光检测,放射性GTP水解测定 | 深度学习 | 分子结构数据,生物活性数据 | 40多个第二代类似物 | NA | NA | 抑制活性,细胞毒性,药代动力学参数 | NA |
| 2257 | 2025-10-05 |
Electrode Net: tailoring deep learning with signed distance field for fast and accurate multiscale design of porous electrodes
2025-Aug-21, Science bulletin
IF:18.8Q1
DOI:10.1016/j.scib.2025.08.026
PMID:40975668
|
研究论文 | 开发名为Electrode Net的定制深度学习框架，用于快速准确预测多孔电极的各向异性传输特性 | 将符号距离场与三维卷积神经网络结合，为多孔电极设计提供高效预测工具 | NA | 开发深度学习框架以加速多孔电极的设计过程 | 多孔电极的各向异性传输特性 | 机器学习 | NA | 深度学习，符号距离场 | CNN | 几何样本数据 | 15,433个真实和生成的几何样本 | NA | 3D卷积神经网络 | R平方值 | NA |
| 2258 | 2025-10-05 |
Developing inhibitors of the guanosine triphosphate hydrolysis accelerating activity of Regulator of G protein Signaling-14
2025-Aug-09, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.11.659181
PMID:40667230
|
研究论文 | 本研究开发了选择性非共价抑制RGS14 GTP酶加速活性的小分子抑制剂 | 首次发现可靶向RGS14蛋白浅表Gα结合峡谷的非共价小分子抑制剂，并采用机器学习增强的分子对接技术指导配体优化 | 未明确说明样本规模，且部分抑制剂仅进行了初步体内药代动力学评估 | 开发针对RGS14 GTP酶加速活性的选择性抑制剂 | RGS14蛋白及其GTP酶加速活性 | 计算生物学 | 中枢神经系统疾病,代谢疾病 | 结构导向虚拟筛选,配体对接,深度学习评分,荧光检测,放射性GTP水解测定 | 深度学习 | 分子结构数据,生物活性数据 | 40多个第二代类似物 | NA | NA | 抑制活性,细胞毒性,药代动力学参数 | NA |
| 2259 | 2025-10-05 |
Reinforcing Deep Learning-Enabled Surveillance with Smart Sensors
2025-May-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25113345
PMID:40968866
|
研究论文 | 提出一种集成智能传感器和深度学习技术的监控强化系统，用于资源受限的移动设备 | 在异构传感器环境中引入深度学习辅助的监控强化方法，为高动态公共环境提供前所未有的监控灵活性 | NA | 优化监控节点部署并确保系统实时响应能力，增强高人员流动性环境中的监控适应性和有效性 | 资源受限的网络物理设备和移动元素 | 机器学习 | NA | 深度学习 | NA | 传感器数据 | NA | NA | NA | 准确性,效率 | 资源受限的移动设备 |
| 2260 | 2025-10-05 |
Deep learning imputes DNA methylation states in single cells and enhances the detection of epigenetic alterations in schizophrenia
2025-Mar-12, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.100774
PMID:39986279
|
研究论文 | 开发基于Transformer的深度学习模型scMeFormer，用于填补单细胞DNA甲基化数据中的缺失值并增强精神分裂症表观遗传改变的检测 | 首次将Transformer架构应用于单细胞DNA甲基化数据填补，能在仅保留10%原始CpG位点覆盖度的情况下实现高保真填补 | NA | 解决单细胞DNA甲基化测序技术中CpG位点覆盖度低的问题，提高表观遗传学研究的检测能力 | 人类和小鼠的单细胞DNA甲基化数据，特别关注精神分裂症患者前额叶皮层的表观遗传变化 | 计算生物学 | 精神分裂症 | 单细胞DNA甲基化测序 | Transformer | DNA甲基化数据 | 五个单核DNA甲基化数据集（来自人类和小鼠） | NA | Transformer | 填补保真度 | NA |