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
241	2025-07-20	Effective generation of heavy-atom-free triplet photosensitizers containing multiple intersystem crossing mechanisms based on deep learning 2025-Jul-08, Chemical science IF:7.6Q1 DOI:10.1039/d5sc03192c PMID:40671753	研究论文	本文提出了一种基于深度学习的策略，用于高效生成不含重原子的三重态光敏剂，这些光敏剂包含多种系间窜越机制	提出了一种结合片段模型和字符模型的新策略，用于生成具有多种系间窜越机制的三重态光敏剂，显著提高了预测准确性和多样性	现有方法主要针对有限的三重态光敏剂子集，如热激活延迟荧光材料，忽略了高能单重态和三重态之间的关键系间窜越	开发一种高效生成三重态光敏剂的方法，以应用于光动力治疗	三重态光敏剂	机器学习	癌症	深度学习、条件变换器、循环神经网络、强化学习	Frag-MD、MD	化学数据	约1.90×10的三重态光敏剂数据集
242	2025-07-20	Quantification of Optical Coherence Tomography Features in >3500 Patients with Inherited Retinal Disease Reveals Novel Genotype-Phenotype Associations 2025-Jul-03, medRxiv : the preprint server for health sciences DOI:10.1101/2025.07.03.25330767 PMID:40630585	研究论文	本研究利用深度学习算法AIRDetect-OCT对超过3500名遗传性视网膜疾病患者的SD-OCT图像进行量化分析，揭示了新的基因型-表型关联	开发了新型深度学习算法AIRDetect-OCT，实现了大规模OCT特征量化，并发现了人口统计学和基因型参数与表型的横断面和纵向相关性	研究为回顾性设计，可能受到数据收集时的限制	量化遗传性视网膜疾病患者的SD-OCT图像特征，探索基因型-表型关联	4240名经临床和分子确诊的遗传性视网膜疾病患者	数字病理学	遗传性视网膜疾病	光谱域光学相干断层扫描(SD-OCT)	神经网络分割模型(AIRDetect-OCT)	图像	4240名患者(涉及198个不同的IRD基因)，包括69,664个SD-OCT黄斑体积数据
243	2025-07-20	Beyond static structures: protein dynamic conformations modeling in the post-AlphaFold era 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf340 PMID:40663654	review	本文综述了蛋白质动态构象的基本概念，探讨了后AlphaFold时代在建模这些动态方面的最新计算进展，并强调了关键挑战	从静态结构预测转向多状态表示，以理解蛋白质功能和调控的机制基础	数据限制、方法学约束和评估标准	促进人工智能驱动的结构生物学时代中蛋白质构象研究的持续发展	蛋白质动态构象	结构生物学	NA	深度学习	AlphaFold	蛋白质结构数据	NA
244	2025-07-20	Kinase-inhibitor binding affinity prediction with pretrained graph encoder and language model 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf338 PMID:40663653	研究论文	本研究提出了一种名为Kinhibit的新框架，用于预测抑制剂与激酶的结合亲和力，结合了自监督图对比学习和多视图分子图表示以及结构信息蛋白质语言模型(ESM-S)	Kinhibit框架整合了自监督图对比学习和多视图分子图表示，以及结构信息蛋白质语言模型(ESM-S)，有效提取特征并优化抑制剂和激酶特征的融合	未明确提及具体局限性	开发更先进的方法以解决抑制剂-激酶结合预测中的现有问题	抑制剂与激酶的结合亲和力	机器学习	癌症	自监督图对比学习, 多视图分子图表示, 结构信息蛋白质语言模型(ESM-S)	Kinhibit	分子图数据, 蛋白质序列数据	三种MAPK信号通路激酶(Raf蛋白激酶(RAF)、丝裂原活化蛋白激酶激酶(MEK)和细胞外信号调节激酶(ERK))及MAPK-All数据集
245	2025-07-20	PREDAC-FluB: predicting antigenic clusters of seasonal influenza B viruses with protein language model embedding based convolutional neural network 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf308 PMID:40665740	研究论文	提出PREDAC-FluB，一种结合蛋白质语言模型嵌入和CNN的深度学习框架，用于预测季节性流感B病毒的抗原簇	整合CNN空间特征提取、ESM-2嵌入与六种物理化学描述符的多模态序列表示（ESM2-7-features），以及UMAP引导的聚类方法，首次针对流感B病毒建立抗原变异预测模型	仅针对B型流感病毒（Victoria和Yamagata谱系），未验证在其他流感病毒亚型的适用性	准确预测流感B病毒抗原变异以辅助疫苗株选择	9036个B/Victoria谱系和4520个B/Yamagata谱系流感病毒对的HA1序列	生物信息学	流感	蛋白质语言模型（ESM-2）、多维物化特征编码	CNN（卷积神经网络）	蛋白质序列	总计13556个病毒样本（B/Victoria:9036, B/Yamagata:4520）
246	2025-07-20	NASNet-DTI: accurate drug-target interaction prediction using heterogeneous graphs and node adaptation 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf342 PMID:40668556	研究论文	提出了一种基于异构图和节点自适应的药物-靶点相互作用预测新框架NASNet-DTI	采用节点自适应学习策略动态确定每个节点的最优聚合深度，有效缓解了图神经网络中的过平滑问题	未明确说明模型在更大规模数据集上的泛化能力	提高药物-靶点相互作用预测的准确性	药物分子和靶点蛋白	生物信息学	NA	图卷积网络	GNN	图数据	多个数据集（未明确说明具体数量）
247	2025-07-20	Advancing genome-based precision medicine: a review on machine learning applications for rare genetic disorders 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf329 PMID:40668553	综述	本文综述了机器学习在基于基因组的精准医学中针对罕见遗传病的应用	强调了机器学习在疾病分类、治疗优化和生物标志物发现中的作用，并讨论了混合ML模型和实时基因组分析等进展	面临计算复杂性、数据稀缺性和伦理问题等挑战	推动基于基因组的精准医学在罕见遗传病中的应用	罕见遗传病	机器学习	罕见遗传病	基因组数据分析	深度学习、集成方法、混合ML模型	基因组数据	NA
248	2025-07-20	Deep Learning Radiomics Based on MRI for Differentiating Benign and Malignant Parapharyngeal Space Tumors 2025-Jul, The Laryngoscope DOI:10.1002/lary.32043 PMID:39932109	研究论文	本研究基于MRI的深度学习放射组学方法，用于区分咽旁间隙肿瘤的良恶性	结合深度学习和传统放射组学特征，开发了深度学习放射组学（DLR）模型，显著提高了诊断性能	回顾性研究，样本量相对较小（217例），且仅来自两个医疗中心	建立一种基于深度学习和放射组学特征的预学术诊断工具，指导咽旁间隙肿瘤的临床决策	咽旁间隙肿瘤患者	数字病理	咽旁间隙肿瘤	MRI	深度学习放射组学（DLR）模型	图像	217例患者（训练集145例，测试集72例）
249	2025-07-20	Challenges in Implementing Endoscopic Artificial Intelligence: The Impact of Real-World Imaging Conditions on Barrett's Neoplasia Detection 2025-Jul, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12760 PMID:40116287	research paper	本研究评估了基于高质量内窥镜图像训练的巴雷特肿瘤计算机辅助检测系统在真实世界多样化图像条件下的性能下降，并探讨了提升系统鲁棒性的策略	首次量化分析了内窥镜AI系统在社区医院实际应用中的性能衰减问题，并验证了三种增强数据异质性适应能力的方法	研究仅针对巴雷特肿瘤的检测系统，结果可能不适用于其他类型的病变检测	提高内窥镜人工智能系统在临床实践中的泛化能力	巴雷特肿瘤的内窥镜图像	digital pathology	Barrett's neoplasia	deep learning	CNN	endoscopic images	373名巴雷特患者(训练集1011张图像)，351名患者(测试集)
250	2025-07-20	CATH-ddG: towards robust mutation effect prediction on protein-protein interactions out of CATH homologous superfamily 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf228 PMID:40662779	research paper	该研究提出了一种名为CATH-ddG的新方法，用于预测蛋白质-蛋白质相互作用中突变效应，通过结合蛋白质3D结构和CATH同源超家族信息来提高预测的鲁棒性	引入基于CATH同源超家族的新训练/测试分割以减少数据泄露，采用混合噪声策略进行数据增强，并提出几何编码器场景CATH-ddG来表示突变微环境差异	深度学习模型可能因潜在的数据泄露而高估性能，且在处理硬突变（最大TM-score<0.6）时仍存在挑战	开发更稳健的突变效应预测方法以支持药物设计和疾病机制研究	蛋白质-蛋白质相互作用中的突变效应	生物信息学	NA	蛋白质3D结构分析，深度学习	几何编码器（CATH-ddG），ESM2微调	蛋白质3D结构数据，序列数据	419种人类表皮生长因子受体2（HER2）抗体变体和285种SARS-CoV-2受体结合域（RBD）变体
251	2025-07-20	HIG-Syn: a hypergraph and interaction-aware multigranularity network for predicting synergistic drug combinations 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf215 PMID:40662801	研究论文	提出了一种名为HIG-Syn的超图和交互感知多粒度网络模型，用于预测药物组合的协同作用	整合了粗粒度和细粒度模块，利用超图捕获全局特征，并通过交互感知注意力模拟生物过程	模型在实际应用中的准确性仍需提高，且部分方法可能忽略了模型的生物学意义	开发深度学习方法来预测药物协同组合	药物组合	机器学习	NA	深度学习	HIG-Syn (超图和交互感知多粒度网络)	药物组合数据	从DrugComb和GDSC2数据库中提取的验证数据集
252	2025-07-20	GPO-VAE: modeling explainable gene perturbation responses utilizing GRN-aligned parameter optimization 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf256 PMID:40662800	research paper	提出了一种名为GPO-VAE的可解释变分自编码器，通过基因调控网络（GRN）对齐的参数优化来建模基因扰动响应	GPO-VAE通过优化与潜在扰动效应相关的可学习参数，使其与GRN对齐，从而提高了模型的可解释性和性能	未提及具体的数据集规模或实验条件的限制	预测细胞对基因扰动的响应，并提高模型的可解释性	基因调控网络（GRN）和基因扰动响应	machine learning	NA	VAE（变分自编码器）	GPO-VAE	基因表达数据	NA
253	2025-07-20	Deep learning models for unbiased sequence-based PPI prediction plateau at an accuracy of 0.65 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf192 PMID:40662806	research paper	该研究探讨了基于序列的蛋白质-蛋白质相互作用（PPI）预测的深度学习模型性能，发现所有模型在准确率上均达到0.65的瓶颈	揭示了ESM-2蛋白嵌入对性能提升的关键作用，并发现模型无法隐式学习接触图作为中间层	序列基础模型在PPI预测上存在性能瓶颈，可能需要结合结构等其他输入类型以提高预测可靠性	评估和改进基于序列的蛋白质-蛋白质相互作用预测方法	蛋白质-蛋白质相互作用（PPI）	machine learning	NA	ESM-2蛋白嵌入	深度学习模型（未指定具体架构）	蛋白质序列数据	NA
254	2025-07-20	From high-throughput evaluation to wet-lab studies: advancing mutation effect prediction with a retrieval-enhanced model 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf189 PMID:40662802	研究论文	介绍了一种名为VenusREM的检索增强蛋白质语言模型，用于预测突变效应，并在酶工程中验证其性能	VenusREM模型能够在空间和时间尺度上捕捉局部氨基酸相互作用，并在ProteinGym基准测试中达到最先进性能	仅对30多个突变体进行了低通量事后分析，样本量相对较小	开发一种高性能的计算工具，用于预测突变效应并优化酶的性能	蛋白质序列、结构和功能之间的关系，特别是VHH抗体和DNA聚合酶的突变体	机器学习	NA	深度学习，湿实验验证	检索增强蛋白质语言模型	蛋白质序列数据	217个ProteinGym基准测试，30多个突变体，10个DNA聚合酶新突变体
255	2025-07-20	TCR-epiDiff: solving dual challenges of TCR generation and binding prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf202 PMID:40662810	研究论文	提出了一种基于扩散的深度学习模型TCR-epiDiff，用于生成特定于表位的TCR序列并预测TCR与表位的结合	结合ProtT5-XL嵌入表位信息，并利用去噪扩散概率模型生成序列，同时开发了TCR-表位结合预测器	未提及模型在更大规模数据集上的泛化能力或计算效率的具体限制	解决TCR生成和结合预测的双重挑战，以促进疫苗和免疫疗法的设计	T细胞受体（TCRs）及其与表位的结合	机器学习	NA	深度学习、扩散模型	去噪扩散概率模型、ProtT5-XL	序列数据	未明确提及具体样本量，但使用了外部验证数据集
256	2025-07-20	Accurate PROTAC-targeted degradation prediction with DegradeMaster 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf191 PMID:40662822	研究论文	本文提出了一种名为DegradeMaster的半监督E(3)-等变图神经网络预测器，用于预测PROTACs的靶向降解能力	DegradeMaster利用E(3)-等变图编码器将3D几何约束纳入分子表示，并采用基于记忆的伪标签策略在训练过程中丰富标注数据，同时设计了互注意力池化模块以实现可解释的图表示	NA	开发更准确的计算方法来预测PROTACs的靶向蛋白降解能力，以加速药物发现	PROTACs（蛋白降解靶向嵌合体）	机器学习	NA	E(3)-等变图神经网络	GNN（图神经网络）	3D分子图数据	NA
257	2025-07-20	DivPro: diverse protein sequence design with direct structure recovery guidance 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf258 PMID:40662823	研究论文	介绍了一种名为DivPro的模型，用于设计能够折叠成相似结构的多样化蛋白质序列	DivPro通过学习概率序列空间而非固定序列表示，提高了序列多样性，并结合蛋白质结构预测结果作为训练指导	在处理远程同源蛋白质时，现有方法的局限性更为明显	提高蛋白质序列设计的多样性，同时保持结构恢复的高准确性	蛋白质序列和结构	生物信息学	NA	深度学习，蛋白质结构预测	DivPro	蛋白质序列和结构数据	三个序列设计基准测试
258	2025-07-20	OrgNet: orientation-gnostic protein stability assessment using convolutional neural networks 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf252 PMID:40662839	研究论文	介绍了一种名为OrgNet的新型深度学习模型，用于预测点突变对蛋白质热稳定性的影响	OrgNet通过3D卷积神经网络和空间变换技术，解决了现有模型中存在的方向偏差问题，实现了对蛋白质热稳定性变化的高精度预测	未提及具体的数据集大小限制或模型在其他类型蛋白质上的泛化能力	准确预测单点突变对蛋白质稳定性的影响，以阐明疾病的分子机制并推动蛋白质工程技术发展	蛋白质结构和点突变	机器学习	NA	3D卷积神经网络	CNN	蛋白质结构数据（体素网格）	在Ssym和S669等基准数据集上进行了评估
259	2025-07-20	Harnessing deep learning for proteome-scale detection of amyloid signaling motifs 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf200 PMID:40662825	研究论文	本研究开发了基于双向LSTM和BERT的深度学习模型，用于检测淀粉样信号基序（ASMs）	开发了定制化的双向LSTM和BERT架构，用于建模ASMs，并在大规模数据集中检测ASMs，包括新发现的基序	ASMs的广泛多样性可能影响模型在未知家族中的检测效果	开发能够在大规模蛋白质数据库中检测淀粉样信号基序的判别模型	淀粉样信号基序（ASMs）	机器学习	NA	深度学习	双向LSTM, BERT	蛋白质序列数据	多样化的基序家族和全局负样本集
260	2025-07-20	Super-resolution CBCT on a new generation flat panel imager of a C-arm gantry linear accelerator 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18000 PMID:40665524	研究论文	本研究评估了基于条件生成对抗网络（cGANs）的深度学习超分辨率（SR）模型在投影域增强CBCT图像分辨率的可行性	提出了一种在投影域而非图像域进行超分辨率处理的新方法，能有效恢复因探测器binning操作导致的分辨率损失	研究主要使用体模数据，尚未在真实患者数据上验证	提高C型臂直线加速器新型平板探测器获取的CBCT图像分辨率	Varian TrueBeam LINAC配备的RTI4343iL平板探测器获取的CBCT投影数据	医学影像处理	NA	深度学习超分辨率技术	cGANs（条件生成对抗网络）框架下的U-Net生成器	CBCT投影图像	576对CBCT投影数据（460对训练，116对验证）和144个动态胸部投影数据