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
23341	2025-10-06	Deep Learning-Driven Discovery of Novel Antimicrobial Peptides from Large-Scale Protist Genomes and Experimental Characterization 2025-Sep-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01196 PMID:40958742	研究论文	本研究利用深度学习技术从大规模原生生物基因组中识别新型抗菌肽，并通过实验验证其抗菌活性	首次对2000多个原生生物基因组进行大规模新型抗菌肽探索，结合优化的BERT和CNN模型进行多模型综合识别	仅对18个候选肽进行了实验验证，需要进一步扩大验证规模	发现新型抗菌分子以应对抗生素耐药性问题	原生生物基因组中的抗菌肽	机器学习	细菌感染	基因组测序，深度学习	BERT, CNN	基因组序列数据	2120个原生生物基因组数据集，约66亿条序列	NA	BERT, CNN	抗菌活性验证，溶血率	NA
23342	2025-10-06	Integrating Machine Learning into Free Energy Perturbation Workflows 2025-Sep-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01449 PMID:40958764	综述	探讨机器学习如何提升自由能微扰工作流程在药物设计中的效率与精度	提出将主动学习和深度学习整合到自由能微扰工作流程的混合方法，实现采样策略、协议优化和力场开发三方面的创新应用	机器学习衍生的神经网络势能计算成本较高，且依赖量子力学训练数据	提升自由能微扰方法在基于结构的药物设计中的计算效率与预测精度	蛋白质-配体结合亲和力预测	机器学习	NA	自由能微扰，量子力学计算	主动学习，深度学习，神经网络	量子力学数据，蛋白质-配体复合结构	NA	NA	AlphaFold, NeuralPLexer, DragonFold	NA	NA
23343	2025-10-06	Graph Neural Networks in Modern AI-Aided Drug Discovery 2025-Sep-17, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.5c00461 PMID:40959983	综述	本文全面综述了图神经网络在AI辅助药物发现中的方法基础、代表性应用及最新进展	重点关注几何图神经网络、可解释模型、不确定性量化、可扩展图架构和图生成框架等最新方法进展	讨论了将图神经网络应用于实际药物发现流程时遇到的实际挑战和方法瓶颈	AI辅助药物发现	药物样分子	机器学习	NA	图神经网络	GNN	分子图	NA	NA	几何图神经网络,图生成框架	NA	NA
23344	2025-10-06	Leveraging Transformer Models to Capture Multi-Scale Dynamics in Biomolecules by Nano-GPT 2025-Sep-17, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00180 PMID:40960089	研究论文	本文提出了一种基于GPT架构的深度学习模型nano-GPT，用于捕捉分子系统中的长期动力学行为	采用GPT架构专门设计用于分子系统长期动力学建模，引入两阶段训练机制逐步替换MD标记以减轻累积误差	未明确说明模型在更复杂生物分子系统上的泛化能力限制	开发能够捕捉分子系统长期动力学和复杂转变的深度学习模型	分子系统动力学，包括四态模型势、丙氨酸二肽和Fip35 WW结构域	机器学习	NA	分子动力学模拟	Transformer, GPT	分子动力学轨迹数据	三个不同系统：四态模型势、丙氨酸二肽、Fip35 WW结构域	NA	GPT	NA	NA
23345	2025-10-06	Clinical validation of a deep learning based application for quantitative assessment of dental plaque in fluorescence imaging 2025-Sep-16, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06550-8 PMID:40956351	研究论文	开发并验证基于深度学习的网络应用程序，用于在荧光图像中客观量化牙菌斑	首次将YOLO v11模型应用于牙菌斑检测，开发了基于网络的深度学习应用程序，实现了牙菌斑的客观量化评估	研究主要关注下颌前牙舌侧表面，样本来源相对局限	开发能够客观量化牙菌斑的深度学习应用程序，改善牙周健康评估	牙菌斑在牙齿荧光图像中的检测和量化	计算机视觉	牙周病	荧光成像	YOLO	图像	498名参与者的2,490张荧光图像用于训练测试，另外30名参与者用于临床验证	NA	YOLO v11	F1分数, mAP50, 平均精度, ICC	NA
23346	2025-10-06	Hyperspectral Texture Metrology Based on Distance Measures in an Information-Theoretic Framework 2025-Sep-16, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3608667 PMID:40956709	研究论文	提出基于信息论框架的光谱距离度量方法，实现高光谱纹理特征的直接计算	提出具有信息论基础的REID光谱距离度量，可直接计算高光谱图像的GLCM、LBP和Gabor特征而无需预处理	NA	为现有高光谱纹理特征提取方法建立计量学基础	高光谱图像纹理特征	计算机视觉	癌症	高光谱成像	NA	高光谱图像	NA	NA	NA	分类准确率，图像检索性能，癌症检测准确率	NA
23347	2025-10-06	T2Net: Tongue Image-Based T2DM Detection Via Simulated Clinical Diagnostic Reasoning 2025-Sep-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3609982 PMID:40956751	研究论文	提出了一种基于舌像的2型糖尿病检测模型T2Net，通过模拟临床诊断推理过程实现非侵入性早期检测	开发了开源T2DM舌诊数据集DMT，提出模拟临床诊断过程的四核心组件模型，结合大核分解与多尺度学习自动提取关键区域，设计多阶特征交互模块和上下文感知动态聚合卷积	数据集规模有限，特征变化细微，依赖临床专业知识	通过舌像分析实现2型糖尿病的非侵入性早期检测	2型糖尿病患者的舌像数据	计算机视觉	2型糖尿病	舌像分析	CNN	图像	NA	PyTorch	T2Net	准确率,F1分数	NA
23348	2025-10-06	AutoGRN: An Automated Graph Neural Network Framework for Gene Regulatory Network Inference 2025-Sep-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3609408 PMID:40956752	研究论文	提出一种用于基因调控网络推断的自动化图神经网络框架AutoGRN	通过遗传搜索算法和信息熵约束，自动适应不同数据集特性寻找最优GNN架构	未明确说明框架在极端稀疏数据或特定细胞类型下的性能表现	解决单细胞RNA测序数据中高稀疏性、噪声和细胞异质性对GRN推断的挑战	基因调控网络	机器学习	NA	单细胞RNA测序	图神经网络	基因表达数据	多个公共数据集	NA	通过遗传算法自动搜索的GNN架构	预测准确率	NA
23349	2025-10-06	SCTD-ICA: A ICA-Based Approach for Fetal ECG Extraction from Single Channel Abdominal ECG 2025-Sep-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3609696 PMID:40956750	研究论文	提出一种基于独立成分分析的胎儿心电信号提取方法，可从单通道腹部心电信号中分离胎儿心电成分	通过时间延迟方法将单通道数据映射为多维数据，克服了传统ICA需要多通道数据的限制	ICA方法本身对多通道数据的要求是本方法需要克服的主要技术限制	从单通道腹部心电信号中提取胎儿心电信号	孕妇腹部心电信号中的胎儿心电成分	生物医学信号处理	胎儿心脏监测	独立成分分析(ICA), 时间延迟方法, 功率谱分析	ICA	心电信号	两个真实数据集：ADFECGDB和PhysioNet/Computing in Cardiology Challenge Database Set-A	NA	SCTD-ICA	F1分数	NA
23350	2025-10-06	Bioactivity Deep Learning for Complex Structure-Free Compound-Protein Interaction Prediction 2025-Sep-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00741 PMID:40957089	研究论文	开发了一种用于无结构化合物-蛋白质相互作用预测的深度学习模型GGAP-CPI，并构建了包含约200万生物活性数据点的大规模基准数据集CPI2M	提出了集成生物活性学习框架，通过先进的蛋白质表示建模减轻活性悬崖对CPI预测的影响，并构建了首个包含活性悬崖注释的大规模CPI基准数据集	未在真实药物发现流程中进行全面验证，对某些特殊蛋白质靶点的预测性能仍需进一步评估	提高无结构化合物-蛋白质相互作用预测的准确性和数据效率，支持虚拟药物筛选	化合物-蛋白质相互作用对	生物信息学	NA	生物活性测定	深度学习	生物活性数据	约200万个生物活性数据点	NA	GGAP-CPI	预测准确性，不确定性测量，结合口袋残基富集分析	NA
23351	2025-10-06	Machine Learning Navigated Allosteric Network to Unveil Biased Allosteric Modulation of GPCRs 2025-Sep-16, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00935 PMID:40957834	研究论文	提出一种机器学习导航的变构网络策略RMLNA，用于揭示GPCRs偏置变构调节的分子机制	结合分子动力学模拟、可解释深度学习模型和变构网络分析，首次系统揭示β-arrestin偏置调节剂SBI-553对NTSR1的作用机制	方法主要针对GPCRs家族，在其他蛋白家族的应用需进一步验证	揭示GPCRs偏置变构调节剂的分子作用机制	神经降压素受体1（NTSR1）及其偏置变构调节剂SBI-553	计算生物学	NA	分子动力学模拟, 深度学习, 变构网络分析	CNN	分子构象数据	NTS-NTSR1-β-arrestin复合物（含/不含SBI-553）	NA	基于CNN的分类模型	NA	NA
23352	2025-10-06	High-Throughput Molecular Design of Donors and Non-Fullerene Acceptors for Organic Solar Cells Based on Convolutional Neural Networks 2025-Sep-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01634 PMID:40958151	研究论文	本文开发基于卷积神经网络的深度学习模型，用于高效设计有机太阳能电池的给体和受体分子	提出CNN分子生成模型结合迁移学习策略，首次实现大规模有机太阳能电池分子对的自动化设计与性能预测	模型预测性能尚未通过实验验证，计算生成的大量分子对需要进一步实验筛选	提高有机太阳能电池的功率转换效率，开发新型高性能给体和受体材料	有机太阳能电池的给体和受体分子	机器学习	NA	深度学习，分子生成	CNN,随机森林,Extra Trees回归,梯度提升回归树,自适应提升	分子结构数据	生成260,767个给体分子和937,155个受体分子，形成244,379,097,885个给体-受体对	NA	卷积神经网络	功率转换效率预测值	NA
23353	2025-10-06	Mammographic density assessed using deep learning in women at high risk of developing breast cancer: the effect of weight change on density 2025-Sep-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae029b PMID:40902628	研究论文	本研究探讨了体重变化对人工智能评估乳腺密度的影响	首次使用基于深度学习的乳腺密度评估方法研究体重变化对密度评分的影响	样本量较小（仅46名女性），研究人群仅限于有乳腺癌家族史的高风险女性	研究体重变化对人工智能评估乳腺密度的影响	46名参与减重研究的乳腺癌高风险女性	数字病理	乳腺癌	乳腺X线摄影	深度学习	医学影像	46名女性	NA	NA	Spearman秩相关系数	NA
23354	2025-10-06	SuperGLUE facilitates an explainable training framework for multi-modal data analysis 2025-Sep-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101167 PMID:40914154	研究论文	提出基于概率深度学习的可解释多模态数据集成方法SuperGLUE，用于单细胞多组学数据分析	结合概率深度学习与统计建模构建可解释框架，统一不同组学数据的集成流程并评估数据集成贡献	NA	开发可解释的多模态数据集成方法，挖掘生物系统中的结构关系	单细胞多模态数据（不同组学数据和传感数据）	机器学习	NA	单细胞多组学数据集成	概率深度学习模型	多模态数据（组学数据、传感数据）	NA	NA	NA	局部结构保持能力，全局结构保持能力	NA
23355	2025-10-06	Multiparametric magnetic resonance imaging of deep learning-based super-resolution reconstruction for predicting histopathologic grade in hepatocellular carcinoma 2025-Sep-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i34.111541 PMID:40937458	研究论文	本研究比较了基于深度学习的超分辨率重建多参数MRI在预测肝细胞癌组织病理学分级中的性能	首次将3D超分辨率重建技术应用于多参数MRI，并通过放射组学模型验证其在肝细胞癌分级预测中的优势	回顾性研究设计，样本仅来自两个医疗中心	预测肝细胞癌的组织病理学分级	肝细胞癌患者	医学影像分析	肝细胞癌	多参数磁共振成像	GAN, 3D U-Net, XGBoost, CatBoost	MRI图像	826名患者（训练集459，验证集196，测试集171）	NA	3D U-Net, 生成对抗网络	AUC, 校准曲线, 决策曲线分析, 净重分类指数	NA
23356	2025-10-06	Deep Learning-Based Segmentation of 2D Projection-Derived Overlapping Prospore Membrane in Yeast 2025-Sep-13, Cell structure and function IF:2.0Q4 DOI:10.1247/csf.25032 PMID:40958578	研究论文	开发基于深度学习的DeMemSeg管道，用于分割酵母孢子形成过程中重叠的前孢子膜结构	专门针对2D投影图像中重叠膜结构设计的Mask R-CNN改进方案，解决了传统方法和标准深度学习工具难以准确分割重叠结构的挑战	基于2D投影图像分析，无法完全还原3D结构信息	开发自动化分割方法以促进细胞形态定量分析	酵母孢子形成过程中的前孢子膜（PSMs）	计算机视觉	NA	最大强度投影（MIP），显微镜成像	CNN	图像	自定义标注数据集，包括gip1Δ突变细胞数据	PyTorch	Mask R-CNN	分割性能，形态测量指标	NA
23357	2025-10-06	Multimodal deep learning method based on multiple spectra for lung cancer early diagnosis 2025-Sep-12, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126932 PMID:40957203	研究论文	提出一种基于多光谱的多模态深度学习方法用于肺癌早期诊断	融合四种光谱数据并设计双分支架构，采用基于MambaVision的融合模块实现跨模态交互和全局上下文建模	NA	开发肺癌早期诊断的智能检测方法	肺癌诊断	数字病理	肺癌	傅里叶变换红外光谱、紫外-可见吸收光谱、荧光光谱、拉曼光谱	多模态深度学习	光谱数据（一维序列和二维GASF图像）	NA	NA	双分支架构，MambaVision融合模块	准确率，精确率，召回率，F1分数，AUC	NA
23358	2025-10-06	Deep learning and capsule endoscopy: automatic panendoscopic detection of protruding lesions 2025-Sep-10, BMJ open gastroenterology IF:3.3Q2 DOI:10.1136/bmjgast-2024-001655 PMID:40935410	研究论文	开发基于卷积神经网络的算法，用于胶囊内窥镜检查中全消化道隆起性病变的自动检测	报道了首个用于全消化道隆起性病变检测的卷积神经网络，填补了人工智能增强胶囊内窥镜领域的空白	回顾性研究设计，需要进一步多中心前瞻性研究验证结果	开发并测试基于CNN的算法，实现胶囊内窥镜检查中隆起性病变的自动检测	胃肠道隆起性病变（息肉、上皮性肿瘤或上皮下病变）	计算机视觉	胃肠道疾病	胶囊内窥镜	CNN	图像	1245例胶囊内窥镜检查，191,455帧图像（其中52,717帧包含隆起性病变）	NA	NA	灵敏度, 特异度, 准确率, 阳性预测值, 阴性预测值, AUC-ROC, AUC-PR	NA
23359	2025-10-06	An Interpretable Deep Learning Framework for Preoperative Classification of Lung Adenocarcinoma on CT Scans: Advancing Surgical Decision Support 2025-Sep-10, Annali italiani di chirurgia IF:0.9Q3 DOI:10.62713/aic.4239 PMID:40955186	研究论文	开发用于CT扫描中肺腺癌术前分类的可解释深度学习框架	提出注意力增强的SE-ResNet模型，结合Grad-CAM增强模型可解释性	需要进一步验证临床价值	改进肺腺癌的自动分类，支持手术决策	肺腺癌患者和对照组的胸部CT图像	计算机视觉	肺癌	CT扫描	CNN	图像	380名受试者（190名患者和190名对照），共3800个CT轴向切片	NA	ResNet50, SE-ResNet50	准确率, AUC, 精确率, 召回率, F1分数	NA
23360	2025-10-06	Quantitative Microscopy for Cell-Surface and Cell-Cell Interactions in Immunology 2025-Sep-05, Bio-protocol IF:1.0Q3 DOI:10.21769/BioProtoc.5427 PMID:40948891	研究论文	本文介绍了一种基于光学显微镜的定量分析方法，用于研究细胞表面和细胞间相互作用，特别聚焦于自然杀伤细胞与肿瘤细胞的免疫相互作用	开发了两种互补的显微镜检测方法，并引入了新的开源图形用户界面Celldetective用于细胞相互作用动力学的定量分析	方法目前主要应用于原代免疫细胞，虽然可适应其他细胞类型但需要进一步验证	建立定量显微镜方法研究细胞表面和细胞间相互作用，特别是在免疫学中的应用	人类原代自然杀伤细胞、模拟癌症表面、肿瘤细胞	数字病理	癌症	光学显微镜、时间推移成像、荧光成像、无标记成像	深度学习	2D时间推移显微镜图像、荧光图像	NA	NA	NA	NA	NA