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 36465 篇文献，本页显示第 2721 - 2740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2721 | 2025-11-25 |
AI-mediated immunotherapeutics in adenoid cystic carcinoma: Challenges and current perspectives
2025-Dec, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2025.104984
PMID:41161628
|
综述 | 本文探讨人工智能在腺样囊性癌免疫治疗中的应用现状、挑战与未来展望 | 系统整合多种机器学习与深度学习模型于腺样囊性癌的精准免疫治疗，提出联合多组学数据与联邦学习等前沿方向 | 存在临床整合困难、模型可解释性不足、数据质量参差等挑战 | 推动人工智能在腺样囊性癌精准免疫治疗领域的临床应用 | 腺样囊性癌患者的多组学数据（影像、病理、基因组）与免疫治疗反应 | 数字病理 | 头颈癌 | 多组学数据整合分析 | SVM, RF, KNN, LR, GBM, CNN, ANN | 影像数据, 组织病理数据, 基因组数据 | NA | NA | 卷积神经网络, 人工神经网络 | 准确率, 特异性 | NA |
| 2722 | 2025-11-25 |
Identification of defensins using transformer-derived protein embeddings and discrete cosine transformation-enhanced evolutionary features with generative adversarial capsule bidirectional temporal convolutional neural network
2025-Dec, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.148336
PMID:41130478
|
研究论文 | 提出一种名为GAC-BTCNN-Pred的新型防御素识别预测器，通过融合进化特征和蛋白质语言模型嵌入来提升预测性能 | 结合分段位置特异性评分矩阵的离散余弦变换增强特征与基于Transformer的蛋白质语言模型嵌入，并首次提出生成对抗胶囊双向时序卷积神经网络架构 | 未提及模型在跨物种或大规模数据集上的泛化能力验证 | 开发高精度的防御素识别计算方法以支持新型抗菌药物发现 | 防御素（阳离子抗菌肽） | 生物信息学 | 细菌感染 | 蛋白质序列分析，特征工程 | GAN, Capsule Network, TCN, Transformer | 蛋白质序列数据 | NA | NA | 生成对抗胶囊双向时序卷积神经网络（GAC-BTCNN），ProtGen-LLM | 多种评估指标（具体指标未列明） | NA |
| 2723 | 2025-11-25 |
Deep learning-optimized multi-enzyme hydrolysis for walnut antihypertensive peptides
2025-Dec, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.148700
PMID:41177473
|
研究论文 | 本研究结合深度学习和实验验证优化核桃蛋白中降压肽的多酶水解生产工艺 | 首次使用大语言模型进行酶筛选，开发新型多酶组合方法生产高ACE抑制活性的核桃蛋白水解物 | NA | 优化功能性降压肽的生产工艺并验证其降压效果 | 核桃蛋白、自发性高血压大鼠 | 机器学习 | 心血管疾病 | 多酶水解、分子对接分析 | 大语言模型 | 实验数据、生物活性数据 | 自发性高血压大鼠模型 | NA | NA | ACE抑制率、自由基清除能力、血压测量、血清生物标志物变化 | NA |
| 2724 | 2025-11-25 |
White matter brain age as a biomarker of cerebrovascular burden in the ageing brain
2025-Dec, European archives of psychiatry and clinical neuroscience
IF:3.5Q2
DOI:10.1007/s00406-024-01758-3
PMID:38424358
|
研究论文 | 开发白质特异性脑年龄作为评估脑血管负担的生物标志物 | 首次使用三维卷积神经网络从扩散加权成像中开发白质特异性脑年龄评估方法 | 研究主要基于英国生物银行数据，需要更多样化人群验证 | 探究血管风险因素对白质健康的影响 | 英国生物银行参与者（横断面37,327人，纵向1,409人） | 医学影像分析 | 脑血管疾病 | 扩散加权成像 | CNN | 医学影像 | 横断面37,327人，纵向子集1,409人 | NA | 三维卷积神经网络 | 白质脑年龄差距 | NA |
| 2725 | 2025-11-25 |
Multi-class deep learning architecture for COVID-19, tuberculosis, and pneumonia classification using chest X-ray images
2025-Dec, Journal of medical imaging and radiation sciences
IF:1.3Q3
DOI:10.1016/j.jmir.2025.102115
PMID:41067063
|
研究论文 | 提出基于卷积神经网络的多分类框架，使用胸部X光图像自动检测COVID-19、结核病、肺炎和正常状况 | 开发统一深度学习流程整合数据预处理、特征提取和分类，并应用SMOTE技术解决类别不平衡问题 | 目前仅为研究框架，尚未应用于临床环境 | 开发智能系统辅助医生诊断复杂肺部疾病 | COVID-19、结核病、肺炎患者和正常人的胸部X光图像 | 计算机视觉 | 肺部疾病 | 胸部X光成像 | CNN | 图像 | 6000张胸部X光图像，四类别均衡分布 | NA | ResNet-50, EfficientNet, DenseNet, VGG-19 | 准确率, 精确率, 召回率, F1分数 | NA |
| 2726 | 2025-11-25 |
AFPDeepPred: A Deep Learning Framework for Accurate Identification of Antifreeze Proteins
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02024
PMID:41170781
|
研究论文 | 提出一种名为AFPDeepPred的多模态深度学习框架，用于准确识别抗冻蛋白 | 首次将进化尺度建模与混沌游戏表示相结合，通过双线性注意力网络融合全局和局部序列信息 | NA | 开发高精度的抗冻蛋白识别方法 | 抗冻蛋白序列 | 自然语言处理 | NA | 蛋白质序列分析 | 深度学习 | 蛋白质序列数据 | 基于Swiss-Prot数据库的数据集 | NA | 双线性注意力网络 | 准确率 | NA |
| 2727 | 2025-11-25 |
Learning Binding Affinities via Fine-Tuning of Protein and Ligand Language Models
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02063
PMID:41171175
|
研究论文 | 提出BALM深度学习框架，通过微调蛋白质和配体语言模型预测结合亲和力 | 使用预训练的蛋白质和配体语言模型进行结合亲和力预测，并提出改进的评估策略 | 未明确说明模型在特定蛋白质家族或配体类型上的局限性 | 开发计算高效的结合亲和力预测方法用于早期药物发现筛选 | 蛋白质-配体结合亲和力 | 机器学习 | NA | 语言模型微调 | 语言模型 | 蛋白质序列, 配体结构 | BindingDB数据库的精选版本 | NA | 蛋白质语言模型, 配体语言模型 | 结合亲和力预测准确度, 泛化能力评估指标 | NA |
| 2728 | 2025-11-25 |
Geometry-Driven Attention Model with 3D Molecular Features for Multi-Property Prediction of OLED Materials
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01916
PMID:41172256
|
研究论文 | 提出一种基于三维自注意力机制的深度学习模型3D-SAT-OLED，用于预测OLED材料的多重性能参数 | 首次将三维分子结构与高斯核特征提取器和空间位置编码相结合，并采用动态Tanh和SwiGLU激活函数增强模型稳定性和非线性建模能力 | 未明确说明模型计算效率与传统DFT方法的对比，也未提及模型在更大规模数据集上的表现 | 开发高效的OLED材料性能预测工具以替代计算昂贵的传统方法 | 有机发光二极管材料 | 机器学习 | NA | 深度学习 | 自注意力机制 | 三维分子结构数据 | QM9和OLED QM属性数据集 | NA | 3D-SAT-OLED | MAE | NA |
| 2729 | 2025-11-25 |
Efficient Generation of Protein and Protein-Protein Complex Dynamics via SE(3)-Parameterized Diffusion Models
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01971
PMID:41188090
|
研究论文 | 提出一种基于SE(3)参数化扩散模型的蛋白质构象轨迹生成方法PTraj-Diff | 首次将几何扩散框架应用于蛋白质和蛋白质复合物轨迹生成，通过残基级SE(3)变换参数化和张量积注意力机制有效捕获蛋白质几何约束 | 未明确说明模型在特定蛋白质类型或复杂结构上的泛化能力限制 | 开发高效生成蛋白质和蛋白质-蛋白质复合物构象动态轨迹的计算方法 | 蛋白质单体和蛋白质-蛋白质复合物的构象轨迹 | 计算生物学 | NA | 扩散模型, 分子动力学模拟 | 扩散模型 | 蛋白质结构数据, 构象轨迹数据 | NA | NA | PTraj-Diff, Power Bert Encoder | NA | 降低了对数据和硬件资源的需求 |
| 2730 | 2025-11-25 |
The Use of DeepQSAR Models for the Discovery of Peptides with Enhanced Antimicrobial and Antibiofilm Potential
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02138
PMID:41195811
|
研究论文 | 利用基于循环神经网络的DeepQSAR模型预测和设计具有增强抗菌和抗生物膜活性的新型抗菌肽 | 将传统分子描述符与深度学习模型结合，开发出能高效预测抗菌肽活性的DeepQSAR方法，并成功设计出兼具抗菌和抗生物膜活性的新型肽段 | NA | 开发基于深度学习的QSAR模型以加速具有广谱抗菌和抗生物膜活性的抗菌肽发现 | 抗菌肽（AMPs）及其活性预测 | 机器学习 | 细菌感染 | 定量构效关系（QSAR），深度学习 | RNN（循环神经网络） | 分子描述符数据，肽序列数据 | 100个新设计的肽段（其中44个具有增强抗生物膜活性，31个具有更强抗菌活性） | NA | 基于RNN的QSAR模型 | 5折交叉验证准确率 | NA |
| 2731 | 2025-11-25 |
Preliminary findings on a deep learning model using electroencephalogram for multi-level neuropathic pain detection in post-stroke patients
2025-Nov-24, The International journal of neuroscience
DOI:10.1080/00207454.2025.2584081
PMID:41199478
|
研究论文 | 开发了一种基于脑电图信号的中风后神经病理性疼痛多级检测的深度学习模型 | 提出了量子启发的金字塔深度可分离残差网络，集成了深度可分离残差网络降低计算复杂度、金字塔注意力机制捕获多尺度模式、量子启发变换层建模脑电图特征间复杂非线性依赖关系三大创新 | NA | 开发准确且计算效率高的神经病理性疼痛检测框架 | 中风后神经病理性疼痛患者 | 机器学习 | 神经病理性疼痛 | 脑电图 | 深度学习 | 脑电图信号 | NA | NA | 量子启发的金字塔深度可分离残差网络 | 准确率, 召回率 | NA |
| 2732 | 2025-11-25 |
RAPID-Net: Accurate Pocket Identification for Binding-Site-Agnostic Docking
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01744
PMID:41231530
|
研究论文 | 提出RAPID-Net深度学习算法，用于精确预测结合口袋并实现与分子对接流程的无缝集成 | 开发结合口袋不可知对接方法，能识别远端功能位点，为变构抑制剂设计提供新机会 | 姿态排序而非采样是主要精度瓶颈，在最具挑战性的时间分割测试中性能略低于AlphaFold 3 | 开发准确识别可药性口袋的算法，提升基于结构的药物设计效率 | 蛋白质结合口袋和配体对接 | 计算生物学 | 传染病（SARS-CoV-2） | 深度学习 | 深度学习网络 | 蛋白质结构数据 | PoseBusters基准测试集 | NA | RAPID-Net | RMSD, PoseBusters化学有效性标准, Top-1姿态准确率, 口袋-配体交集率 | NA |
| 2733 | 2025-11-25 |
A novel hybrid approach for multi stage kidney cancer diagnosis using RCC ProbNet
2025-Nov-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29742-4
PMID:41276585
|
研究论文 | 提出一种名为RCC-ProbNet的新型混合深度学习模型，用于多阶段肾癌诊断和分类 | 结合特征提取和概率特征建模的混合方法，能够更精细地表征特征并增强不同肾癌阶段的区分能力 | 未明确说明样本来源和具体数据规模，未来需要扩展到实时临床决策支持系统 | 提高肾癌诊断精度，实现早期筛查和分期 | 肾细胞癌（RCC）患者 | 数字病理 | 肾癌 | 医学影像分析 | 混合深度学习模型, Logistic Regression | 医学影像数据 | NA | NA | RCC-ProbNet | 准确率 | NA |
| 2734 | 2025-11-25 |
Consensus Molecular Subtypes (CMS) Classification: a progress towards Subtype-Driven treatments in colorectal cancer
2025-Nov-24, World journal of surgical oncology
IF:2.5Q1
DOI:10.1186/s12957-025-04117-1
PMID:41276825
|
综述 | 本文综述了结直肠癌共识分子分型（CMS）的分类方法、预后价值、治疗指导意义及临床转化面临的挑战 | 系统整合了基于基因表达谱、免疫组化和深度学习图像分析的CMS分类方法，并探讨了单细胞测序解决肿瘤内异质性的新策略 | 肿瘤内异质性和技术障碍阻碍了CMS分类的临床推广应用 | 评估CMS分类在结直肠癌预后预测和个性化治疗指导中的应用价值 | 结直肠癌分子亚型及其临床特征 | 数字病理 | 结直肠癌 | 基因表达谱分析, 免疫组化, 单细胞RNA测序, 深度学习 | 深度学习 | 基因表达数据, 病理图像 | NA | NA | NA | NA | NA |
| 2735 | 2025-11-25 |
Phylo-Spec: a phylogeny-fusion deep learning model advances microbiome status identification
2025-Nov-24, mSystems
IF:5.0Q1
DOI:10.1128/msystems.01453-25
PMID:41283667
|
研究论文 | 提出一种融合系统发育信息的深度学习模型Phylo-Spec，用于改进微生物组状态识别 | 首次将系统发育层次结构融入深度学习框架，通过自底向上迭代融合微生物特征，并动态处理未分类物种 | 仅在合成数据集和部分真实数据上验证，需要更广泛的临床验证 | 改进微生物组状态分类和健康状态识别 | 人类微生物组数据 | 生物信息学 | NA | 宏基因组测序，扩增子测序 | 深度学习 | 微生物组数据 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 2736 | 2025-11-25 |
Unveiling the landscape of prokaryotic global regulators through deep protein language models
2025-Nov-24, mSystems
IF:5.0Q1
DOI:10.1128/msystems.00950-25
PMID:41283681
|
研究论文 | 利用深度蛋白质语言模型系统性地探索原核生物全局调控因子的多样性 | 首次使用深度学习方法在大规模原核生物基因组中系统识别全局调控因子，突破了传统同源性和结构域方法的局限 | 部分识别出的蛋白质功能未知，需要进一步实验验证 | 构建原核生物全局调控因子的全面图谱，理解其多样性和进化动态 | 14,800个细菌和古菌类型菌株基因组 | 生物信息学 | NA | 蛋白质语言模型，深度学习 | 深度学习模型 | 蛋白质序列数据 | 14,800个原核生物基因组，74,872个经过验证的GR序列，270,000多个GR样蛋白质 | NA | 蛋白质语言模型 | 灵敏度，泛化能力 | NA |
| 2737 | 2025-11-25 |
Artificial intelligence in arterial healing, remodeling, and prediction: its implications in vascular surgery
2025-Nov-24, The Journal of cardiovascular surgery
IF:1.4Q3
DOI:10.23736/S0021-9509.25.13397-1
PMID:41283977
|
综述 | 本文综述人工智能在血管外科中动脉愈合、重塑和预测分析方面的应用与前景 | 系统整合AI技术在血管外科多环节的应用，包括内皮恢复监测、血流动力学模拟和术中导航等创新方向 | 面临标注数据质量不足、算法可解释性差、数据隐私伦理问题等挑战 | 探讨人工智能技术在血管外科领域的临床应用与发展前景 | 动脉愈合过程、血管重塑机制、血管疾病预测模型 | 数字病理 | 心血管疾病 | 超声成像, MRI, 计算流体动力学 | CNN, RNN, 机器学习, 深度学习 | 医学影像, 血流动力学数据, 生物传感器数据 | NA | NA | 卷积神经网络, 循环神经网络 | NA | NA |
| 2738 | 2025-11-25 |
Artificial intelligence-based decision support systems and their role in vascular surgery and clinical practice
2025-Nov-24, The Journal of cardiovascular surgery
IF:1.4Q3
DOI:10.23736/S0021-9509.25.13491-5
PMID:41283980
|
综述 | 探讨人工智能决策支持系统在血管外科临床实践中的应用现状与挑战 | 系统梳理AI-DSS在血管外科多场景应用（影像分析、术中导航、预测建模）并首次整合数字孪生等新兴概念 | 模型可解释性不足、泛化能力有限、与电子病历集成困难、伦理法律障碍及实施成本高昂 | 分析人工智能决策支持系统在血管外科临床实践中的潜力与实施障碍 | 血管外科疾病诊疗流程（动脉瘤、斑块、狭窄等） | 数字病理 | 心血管疾病 | 深度学习 | 深度学习模型 | 医学影像、生物力学数据、生物标志物 | NA | NA | NA | 准确率 | NA |
| 2739 | 2025-11-25 |
Deep learning for non-invasive detection of steatosis and fibrosis in MASLD: a multicenter study with a new fibroscan-labelled ultrasound dataset
2025-Nov-24, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05309-9
PMID:41284028
|
研究论文 | 开发并验证基于深度学习模型利用常规B超图像无创评估肝脏脂肪变性和纤维化的方法 | 首次使用Fibroscan标记的超声数据集，结合多中心数据验证深度学习模型在MASLD疾病评估中的性能 | 样本量相对有限，外部测试集样本数量较少（DS3仅18例患者） | 开发无创检测肝脏脂肪变性和纤维化的深度学习方法 | MASLD（代谢相关脂肪性肝病）患者 | 医学影像分析 | 代谢相关脂肪性肝病 | B模式超声成像，Fibroscan测量 | CNN, Transformer | 超声图像 | 总样本247例患者（DS1:111例，DS2:95例，DS3:18例，DS4:23例），共2799张图像 | NA | EfficientNet-B4, Vision Transformers | AUROC, 95%置信区间 | NA |
| 2740 | 2025-11-25 |
Deep learning in bone marrow cytomorphology: advances in segmentation, classification, and clinical translation
2025-Nov-24, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-025-03127-z
PMID:41284066
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |