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
261	2026-03-31	Cross-chemical and cross-species toxicity prediction: benchmarking and a novel 3D-structure-based deep learning model 2026-Mar-28, Environmental toxicology and chemistry IF:3.6Q2 DOI:10.1093/etojnl/vgag081 PMID:41904675	研究论文	本文通过构建一个全面的水生毒性数据集，开发了tox-learn Python库，并提出了基于3D结构的深度学习模型3DMol-Tox，用于跨化学和跨物种的毒性预测	提出了一个新颖的基于3D结构的深度学习模型3DMol-Tox，并开发了tox-learn库以自动化数据集清理和性能评估，同时强调了避免因不当数据分割导致的性能高估问题	未明确提及模型在特定化学类别或物种上的泛化能力限制，以及3D结构数据获取的潜在挑战	实现化学化合物的无动物测试，通过计算毒性预测提高模型性能的一致性和准确性	化学化合物的毒性预测，涉及跨化学和跨物种的数据分析	机器学习	NA	化学指纹、深度学习潜在表示、3D结构建模	深度学习模型	化学结构数据（2D和3D）、物种信息	50,603条记录，涉及5,889种化合物和2,285个不同物种	Python, tox-learn库	3DMol-Tox, GPBoost	回归准确性、W1B分类准确性	NA
262	2026-03-31	A hybrid deep learning framework for epileptic seizure prediction using scalp and intracranial EEG data 2026-Mar-28, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102759 PMID:41905025	研究论文	本文提出了一种用于癫痫发作预测的混合深度学习框架，并评估了其在头皮和颅内脑电图数据上的跨模态有效性	提出了一种针对头皮脑电图优化的定制混合CNN-LSTM模型，并在颅内脑电图数据集上进行了跨模态评估，展示了强大的泛化能力	未明确说明模型在处理不同患者间EEG信号变异性方面的具体限制	开发一个能够跨不同脑电图模态（头皮和颅内）有效预测癫痫发作的深度学习框架	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	CNN, LSTM	时间序列信号	使用了CHB-MIT（头皮EEG）和AES-Kaggle（颅内EEG）数据集，并额外验证了来自巴基斯坦拉合尔总医院的真实世界头皮EEG数据	NA	定制混合CNN-LSTM模型	准确率	NA
263	2026-03-31	Virtual histology imaging of lymph nodes via dynamic full-field optical coherence tomography and deep learning to differentiate metastasis 2026-Mar-28, Cancer biology & medicine IF:5.6Q1 DOI:10.20892/j.issn.2095-3941.2025.0747 PMID:41906333	研究论文	本研究通过动态全场光学相干断层扫描结合深度学习，实现淋巴结转移的虚拟组织学成像检测	首次将动态全场光学相干断层扫描与深度学习结合，用于淋巴结转移的快速、无标记检测，减少对传统石蜡切片的依赖	研究仅针对乳腺癌患者，样本量有限（155例患者），且未在其他癌症类型中验证	开发一种快速、无标记的淋巴结转移检测方法，以替代传统耗时的病理诊断流程	乳腺癌患者的淋巴结组织	数字病理学	乳腺癌	动态全场光学相干断层扫描	深度学习模型	图像	155例乳腺癌患者，747个淋巴结切片，28,911个训练补丁，7,736个测试补丁	NA	NA	灵敏度, 特异性, 受试者工作特征曲线下面积	NA
264	2026-03-31	ACCURACY AND GENERALIZABILITY OF AN OPEN-SOURCE DEEP LEARNING MODEL FOR FACIAL BONE SEGMENTATION ON CT AND CBCT SCANS: AN EX VIVO STUDY 2026-Mar-27, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106663 PMID:41905505	研究论文	评估开源深度学习工具DentalSegmentator在不同CT和CBCT扫描条件下自动重建面部骨骼表面模型的准确性和泛化性	首次在多种CT和CBCT协议（包括超低剂量协议）下评估开源深度学习模型对面部骨骼分割的准确性和泛化性	研究仅基于10个干燥人类头骨样本，且为体外成像条件，未涉及活体临床数据	评估深度学习模型在面部骨骼分割任务中的准确性和跨成像系统的泛化能力	人类干燥头骨的CT和CBCT扫描图像	计算机视觉	NA	CT扫描，锥形束CT（CBCT）扫描，光学扫描	深度学习模型	CT图像，CBCT图像	10个干燥人类头骨，使用1台CT扫描仪和2台CBCT设备进行扫描	NA	DentalSegmentator	平均绝对距离（MAD），绝对距离的标准差（SDAD）	NA
265	2026-03-31	Evaluating Deep Learning Attenuation Correction for SPECT MPI: Lessons From Clinical Validation 2026-Mar-27, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2026.102701 PMID:41905547	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
266	2026-03-31	Assessing the Performance and Reliability of Deep Learning Auto-Segmentation in Videofluoroscopic Swallowing Studies: A Systematic Review and Meta-Analysis 2026-Mar-27, Archives of physical medicine and rehabilitation IF:3.6Q1 DOI:10.1016/j.apmr.2026.03.016 PMID:41905601	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习在视频荧光吞咽研究（VFSS）中自动分割解剖结构的性能和可靠性	首次对VFSS中基于深度学习的自动分割方法进行全面的荟萃分析，量化了其整体准确性并识别了研究间的异质性	纳入研究存在显著的方法学异质性，且缺乏多中心数据集和标准化协议，可能影响结果的普遍性和临床适用性	系统评估深度学习在VFSS中自动分割解剖结构的准确性和可靠性	视频荧光吞咽研究（VFSS）中的解剖结构，包括食团、颈椎、舌骨或甲状软骨-声带复合体（TVC）	医学图像分析	吞咽障碍	深度学习	NA	视频图像	10项符合纳入标准的研究	NA	NA	Dice相似系数	NA
267	2026-03-31	Endothelial cells recruit pro-inflammatory macrophage clusters via app-Cd74 exacerbating ICI-associated myocarditis 2026-Mar-27, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2026.111238 PMID:41905617	研究论文	本研究通过单细胞RNA测序分析小鼠ICI相关心肌炎模型，揭示了内皮细胞通过App-Cd74轴招募促炎性巨噬细胞簇的机制	首次在ICI相关心肌炎中鉴定出Cxcl9和Cxcl10共表达的巨噬细胞亚群，并发现内皮细胞来源的App通过Cd74信号轴驱动炎症反应	研究基于小鼠模型，人类临床样本验证尚不充分；单细胞测序数据可能受技术偏差影响	探究免疫检查点抑制剂相关心肌炎的免疫病理机制	小鼠心脏组织中的内皮细胞和巨噬细胞亚群	数字病理学	心血管疾病	单细胞RNA测序（scRNA-seq）	深度学习框架	单细胞转录组数据	小鼠ICI心肌炎模型的心脏组织样本（具体数量未明确）	scTenifoldXct	NA	NA	NA
268	2026-03-31	An AI-ready remote sensing dataset for high-resolution forest disturbance mapping 2026-Mar-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07084-8 PMID:41888167	研究论文	本文介绍了一个用于高分辨率森林干扰类型分类的深度学习就绪数据集，并展示了其应用效果	提供了一个包含多通道（红、绿、蓝、近红外和物体高度）的高分辨率（0.2米）遥感数据集，专门针对森林干扰类型（如树皮甲虫损害、皆伐和风倒）进行标注，并通过消融分析评估了各通道的贡献	数据集仅基于德国莱茵兰-普法尔茨州的数字正射影像，可能在其他地理区域的泛化性有限；未详细讨论模型在不同干扰类型间的性能差异	开发一个高分辨率、深度学习就绪的遥感数据集，以改进森林干扰监测	欧洲森林的自然干扰事件，如昆虫爆发、病原体和风倒	计算机视觉	NA	遥感成像，数字正射影像	深度学习模型	图像	约17,500个图像块（500×500像素，0.2米分辨率）	NA	NA	总体准确率	NA
269	2026-03-31	Longitudinal dispersion coefficient modeling in natural streams via newly proposed explainable ensemble learning (ExEL) framework 2026-Mar-26, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2026.104931 PMID:41905004	研究论文	本研究提出了一种新的可解释集成学习框架，用于精确估计自然河流中的纵向弥散系数	提出了新的可解释集成学习框架，结合了多种机器学习模型和集成技术，并利用SHAP方法进行模型解释	研究仅使用了美国和英国的自然河流数据，可能限制了模型的全球适用性	精确估计河流中的纵向弥散系数，以改善污染物传输建模	自然河流中的纵向弥散系数	机器学习	NA	机器学习建模	FFNN, ANFIS, SVR, CNN	河流水文数据	来自美国和英国自然河流的数据集	NA	FFNN, ANFIS, SVR, CNN	RMSE, DC, AUC	NA
270	2026-03-31	Deep learning assisted particle size ranking and estimation from SEM images without explicit segmentation 2026-Mar-26, Micron (Oxford, England : 1993) DOI:10.1016/j.micron.2026.104022 PMID:41905154	研究论文	本文提出了一种无需显式分割的深度学习框架，用于直接从SEM图像中排名和估计颗粒尺寸比	采用基于相似性的深度学习框架，无需真实标注的显微镜图像，仅使用合成生成的类SEM图像训练CNN，实现颗粒尺寸的隐式编码和相对排序	未明确提及框架在处理极端复杂形态或高度聚集颗粒时的具体局限性	开发一种无需显式分割的颗粒尺寸排名和估计方法，以简化纳米材料研究中的尺寸分析	扫描电子显微镜（SEM）图像中的纳米颗粒	计算机视觉	NA	扫描电子显微镜（SEM）成像	CNN	图像	未明确指定具体样本数量，仅提及使用合成生成的类SEM图像和真实SEM数据集进行评估	未明确指定，可能为TensorFlow或PyTorch等	未明确指定具体架构，仅提及卷积神经网络（CNN）	排名性能、视觉一致性	未明确指定
271	2026-03-31	DeepMIF: A Multiview Interactive Fusion-Based Deep Learning Method for RNA-Small Molecule Binding Affinity Prediction 2026-Mar-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02946 PMID:41879212	研究论文	本文提出了一种基于多视图交互融合深度学习框架DeepMIF，用于预测RNA与小分子的结合亲和力	提出了一种新颖的多视图交互融合范式，通过多头交叉注意力网络与融合值向量，将注意力过程从简单信息检索转变为智能信息合成，动态构建跨模态共享值向量	NA	准确预测RNA与小分子的结合亲和力，以支持RNA靶向药物发现	RNA与小分子复合物	机器学习	NA	RNA序列分析，小分子特征提取	深度学习	序列数据，图数据	1439个RNA-小分子对	NA	多头交叉注意力网络	Pearson相关系数，均方根误差	NA
272	2026-03-31	Identifying key convection-sensitive oceanic regions to weaken the ENSO spring predictability barrier 2026-Mar-24, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2512725123 PMID:41838918	研究论文	本文通过引入海表温度范围指数（SRI）识别对对流变化最敏感的关键海洋区域，以减弱ENSO的春季可预报性障碍（SPB）	提出了海表温度范围指数（SRI）来量化有利于对流的SST空间范围，并识别出东中太平洋和东大西洋的关键对流敏感区域，这些区域通过调节沃克环流增强Bjerknes反馈，从而缓解SPB	NA	减弱厄尔尼诺-南方涛动（ENSO）的春季可预报性障碍（SPB），提高春季预测能力	ENSO现象及其春季可预报性障碍（SPB），重点关注对流敏感的海洋区域	机器学习	NA	海表温度（SST）分析，深度学习建模	LSTM	海表温度数据，气候指数数据	NA	NA	LSTM	预测技能（与动力和统计模型平均相比）	NA
273	2026-03-31	Dual-encoder contrastive learning accelerates enzyme discovery 2026-Mar-24, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2520070123 PMID:41843673	研究论文	本文提出了一个名为Dual-encoder contrastive learning的计算高效深度学习框架，用于大规模反应-酶推荐，并通过实验验证其在酶发现中的有效性	首次将双编码器对比学习框架大规模应用于酶发现，并通过全面的实验验证其在真实世界场景中的有效性，包括孤儿反应、酶混杂性和非天然生化反应	在代表性不足的反应类别上性能仍有提升空间，需要更多样化的反应数据集进行训练	加速酶发现过程，解决酶工程中寻找合适起始蛋白质的关键瓶颈	酶（蛋白质）与化学反应	机器学习	NA	反应指纹、蛋白质语言模型	深度学习、对比学习	化学反应数据、蛋白质序列数据	数百万个反应-酶对	NA	双编码器对比学习框架	Top-100命中率	NA
274	2026-03-31	Orthogonal disentanglement of single-cell multi-omics reveals private and shared drivers of tissue development and pathogenesis 2026-Mar-24, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2519870123 PMID:41849387	研究论文	本文提出了一种名为OmiDos的深度学习框架，用于从单细胞多组学数据中分离组学特异性和组间共享的潜在变量，以揭示组织发育和发病机制的驱动因素	开发了OmiDos框架，通过私有-共享成分分析正交解耦多组学数据中的私有和共享信号，并采用模块化架构支持对抗学习和最大均值差异正则化，以最小化对生物变异性的干扰	未明确提及具体限制，但可能涉及数据对齐和模型泛化性方面的挑战	整合分析单细胞多组学数据，以表征正常组织功能和疾病进展中的基因表达和调控动态	单细胞多组学数据，包括基因表达和调控信息	机器学习	髓母细胞瘤	单细胞多组学技术	深度学习	多组学数据	NA	NA	NA	聚类准确性，批次效应校正，错位解析	NA
275	2026-03-31	Peptide-protein docking: from physics-based models to generative intelligence 2026-Mar-24, Chemical communications (Cambridge, England) DOI:10.1039/d6cc00583g PMID:41873490	综述	本文综述了从基于物理的模型到生成智能的肽-蛋白质对接方法的发展	从传统的搜索-评分流程转向基于深度学习的流程，包括预测肽结合区域、基于AlphaFold的协议和深度生成模型	训练数据有限，对长、无序或化学修饰肽的性能较弱	改进肽-蛋白质复合物结构预测，以指导治疗剂设计	肽-蛋白质相互作用	机器学习	NA	NA	深度学习, 生成模型	结构数据	NA	NA	AlphaFold	准确性, 适用性	NA
276	2026-03-31	Graph-Based Classification with GNN-Explainer for Predicting Cardiac Toxicity Associated with Multi-Ion Channel Blockers 2026-Mar-24, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.5c00369 PMID:41875377	研究论文	本研究开发了一种基于图神经网络的深度学习框架，用于预测多离子通道阻断剂的心脏毒性	整合了Kv11.1、Cav1.2和Nav1.5三种关键离子通道的抑制数据，克服了现有模型仅依赖Kv11.1数据的局限性，并利用GNNExplainer提供可解释的原子和键级贡献可视化	NA	开发一个深度学习框架，以更全面地评估药物开发中的心脏毒性风险	药物分子（特别是多离子通道阻断剂）	机器学习	心血管疾病	深度学习，图神经网络	GNN	分子图数据	总计38,905个分子（Kv11.1: 34,124个，Cav1.2: 1,564个，Nav1.5: 3,217个）	PyTorch	GNN	准确率	NA
277	2026-03-31	Improving hERG Cardiotoxicity Prediction via SMILES Transformer, Molecular Fingerprints, and Layer-Wise Self-Adaptive Graph Attention Network 2026-Mar-24, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c10745 PMID:41908382	研究论文	本文提出了一种名为TDMFLSGAT的多模态深度学习模型，用于预测药物分子对hERG钾通道的阻断作用，以评估其心脏毒性风险	提出了一种新颖的多模态架构，整合了SMILES序列的Transformer编码、基于图的自适应注意力机制以及多种分子指纹，并引入了多模态可解释性框架	未明确说明模型在外部验证集上的泛化能力，也未详细讨论计算成本	开发可靠的计算筛选工具，以预测药物分子对hERG钾通道的阻断作用，从而评估其心脏毒性风险	药物分子（药物样分子）	机器学习	心血管疾病	NA	Transformer, GAT（图注意力网络）	分子结构数据（SMILES字符串，分子图，分子指纹）	未明确说明具体样本数量，使用了5折交叉验证	NA	Transformer, Layer-Wise Self-Adaptive Graph Attention Network	准确率, AUC, 平均精度, 灵敏度, 特异性, 阴性预测值, 阳性预测值, 马修斯相关系数	NA
278	2026-03-31	Structure-Based and AI-Assisted Identification of AGPS Inhibitors for Glioma via Integrated Docking, Molecular Dynamics, and Binding Affinity Screening 2026-Mar-24, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c09368 PMID:41908407	研究论文	本研究提出了一种基于结构和人工智能辅助的集成流程，用于识别针对胶质瘤靶点AGPS的可再利用候选药物	开发了一个特征驱动的AI集成管道，结合了深度学习模型、图神经网络、分子对接、分子动力学模拟以及混合深度学习模型（3D CNN与多层感知器），用于系统性地识别针对多种癌症的可成药靶点的候选药物	研究主要针对胶质瘤和AGPS靶点进行验证，尚未在其他癌症类型或靶点上进行广泛测试	旨在解决癌症药物发现中的瓶颈，通过AI辅助方法加速可再利用候选药物的识别	胶质瘤及其关键靶点烷基甘油酮磷酸合酶（AGPS）	机器学习	胶质瘤	深度学习，图神经网络，分子对接，分子动力学模拟	深度学习模型，图神经网络，3D卷积神经网络，多层感知器	化合物结构数据，分子动力学轨迹数据	从Life Chemicals高通量筛选数据库中筛选了超过576,510种化合物	NA	3D CNN，多层感知器，图神经网络	AUC	NA
279	2026-03-31	Tissue morphology predicts telomere shortening in human tissues 2026-Mar-23, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101336 PMID:41844165	研究论文	本文提出了一个名为TLPath的深度学习框架，能够从常规组织病理学图像中提取的组织形态学特征预测整体组织的端粒长度	首次提出通过组织形态学特征预测端粒长度的深度学习框架，无需明确年龄监督即可检测衰老引起的组织结构变化，并发现形态学特征在预测端粒长度方面优于实际年龄	研究基于组织切片图像，可能无法完全反映体内三维组织结构的复杂性；模型在部分组织类型中的预测性能可能存在差异	开发能够从组织形态学预测端粒长度的深度学习模型，探索衰老与组织形态变化的关系	人类组织样本（来自919名个体和18个器官）	数字病理学	衰老相关疾病	组织病理学成像（H&E染色）	深度学习	图像（全切片数字病理图像）	超过5,000张全切片图像，来自919名个体和18个器官；在约2,800个GTEx活检样本中验证	NA	NA	相关系数（r=0.51）	NA
280	2026-03-31	Assessing the Performance of BioEmu in Understanding Protein Dynamics 2026-Mar-23, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27062896 PMID:41898756	研究论文	本文评估了基于深度学习的蛋白质构象生成模型BioEmu在多个蛋白质动力学相关任务中的性能	首次系统性地评估了序列驱动的生成模型BioEmu在蛋白质动力学研究中的能力与局限，明确了其在构象分布和能量权重方面的不足	BioEmu无法预测突变引起的构象分布变化，在某些情况下偏好高能构象而非低能构象，且生成的构系对整体对接的改进有限	评估基于深度学习的序列生成模型在蛋白质动力学研究中的应用潜力与局限性	蛋白质构象与动力学特性	机器学习	NA	深度学习，分子动力学模拟	生成模型	蛋白质序列	NA	NA	BioEmu	残基灵活性，运动相关性，局部残基接触，构象分布预测，能量权重准确性	NA