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 48930 篇文献，本页显示第 2981 - 3000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2981 | 2026-08-03 |
Hyperparameter-optimized deep learning for next-day pH forecasting in distributed water quality monitoring systems
2026-Aug-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-62977-3
PMID:42542450
|
研究论文 | 本研究提出了一种结合元启发式超参数优化的深度学习框架，用于分布式水质监测系统中的次日pH预测 | 首次将Ocotillo优化算法应用于RegNet模型的超参数优化，用于水质pH预测 | 未明确提及限制，但该研究仅使用单一数据集且未考虑显式的图结构空间关系 | 实现分布式水质监测系统中准确的次日pH预测，以支持主动干预和数据驱动决策 | 美国佐治亚州的公共水质预测数据集，包含多站点的时间序列pH记录 | 机器学习 | 不适用 | 元启发式超参数优化 | RegNet | 时间序列数据 | 未明确说明，数据集来自美国佐治亚州的多站点水质监测 | 未明确说明 | RegNet | 均方根误差 | 未明确说明 |
| 2982 | 2026-08-03 |
Artificial intelligence-based photographic detection of pink esthetic score attributes using a hybrid deep learning segmentation pipeline: a method development study
2026-Aug-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-62229-4
PMID:42542472
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2983 | 2026-08-03 |
Accuracy of Machine Learning Algorithms Based on Electroencephalogram in Sleep Apnea Detection: Systematic Review and Meta-Analysis
2026-Jul-31, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/93378
PMID:42537009
|
系统综述与荟萃分析 | 本文系统评估了基于脑电图的机器学习算法在睡眠呼吸暂停检测中的准确性，并进行了荟萃分析 | 首次专门聚焦于基于脑电图的机器学习模型在睡眠呼吸暂停检测中的诊断准确性进行系统综述和荟萃分析 | 大多数纳入研究为回顾性片段级分析，可能高估了该技术在真实临床环境中的实用价值 | 评估基于脑电图的机器学习在睡眠呼吸暂停检测中的准确性，并为临床和未来研究提供证据基础 | 睡眠呼吸暂停患者及健康对照的脑电图信号 | 机器学习 | 睡眠呼吸暂停 | 脑电图 | 机器学习算法及深度学习模型 | 脑电图信号数据 | 27项回顾性研究 | R（mada和metafor包）、Meta-DiSc | NA | 敏感度、特异度、曲线下面积 | NA |
| 2984 | 2026-08-03 |
Human-Centered AI in Sleep Health Management: Scoping Review of Stakeholder Perspectives and Co-Design Practices
2026-Jul-31, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/93779
PMID:42536072
|
综述 | 本文通过范围综述系统映射了睡眠医学中以人为本的人工智能（HCAI）研究的范围和性质，评估了不同利益相关者（患者、临床医生和技术人员）在AI工具设计、验证和实施中的参与情况 | 创新性地将HCAI框架应用于睡眠AI生命周期，系统映射了社会技术因素，揭示了不同AI技术领域的参与差异和生成式AI上游参与设计的缺失 | 缺乏正式的质量评估，研究结果反映的是研究活动模式而非确证的临床有效性 | 系统梳理睡眠医学中HCAI研究的范围，评估多利益相关者（患者、临床医生、技术人员）在AI工具设计、验证和实施中的参与程度 | 睡眠健康管理中的AI技术（包括生成式AI、深度学习、移动健康与可穿戴技术）及其利益相关者 | 数字病理学 | 睡眠障碍 | NA | 生成式AI、深度学习、大语言模型 | 文本、图像、传感器数据（可穿戴设备数据） | 34项研究 | NA | NA | NA | NA |
| 2985 | 2026-08-03 |
Decadal sink-source shifts of forest aboveground carbon since 1988
2026-Jul-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-76093-3
PMID:42533003
|
研究论文 | 该研究整合多源卫星观测与概率深度学习模型，重建了1988至2021年全球森林地上碳储量的统一且带不确定性的记录，揭示了不同森林生态系统碳汇向碳源的转变趋势 | 首次结合多源卫星数据和概率深度学习模型，生成具有不确定性量化的高分辨率全球森林地上碳储量长期记录，并揭示湿润热带和北方森林自2000年代初逐渐转向碳源的现象 | 信息不足，无法从标题和摘要中提取具体限制 | 重建全球森林地上碳储量的长期动态并评估其碳汇-碳源转变模式，以增进对全球碳循环的理解 | 全球森林生态系统，包括湿润热带和北方森林，以及巴西亚马逊的原始森林 | 机器学习 | NA | 卫星观测 | 概率深度学习模型 | 卫星图像数据 | 未明确样本数量，但覆盖1988至2021年全球森林区域及0.25度分辨率 | NA | NA | 相关系数（r） | NA |
| 2986 | 2026-08-03 |
Jianpi Bushen Qingchang Huashi formula alleviates DSS-induced colitis through butyrate-associated HDAC1 inhibition and Th17/Treg homeostasis
2026-Jul-29, Journal of ethnopharmacology
IF:4.8Q1
DOI:10.1016/j.jep.2026.122243
PMID:42526547
|
研究论文 | 本研究探讨了健脾补肾清肠化湿方通过丁酸相关的HDAC1抑制和Th17/Treg稳态调节减轻DSS诱导的小鼠结肠炎 | 首次结合网络药理学、深度学习虚拟筛选和分子对接预测JBQHF的活性成分及靶点，并阐明其通过丁酸抑制HDAC1的独特机制 | 研究基于小鼠模型，具体活性成分及临床相关性需进一步验证 | 明确JBQHF在结肠炎模型中的治疗效果及其分子机制 | DSS诱导的结肠炎小鼠模型及JBQHF中药复方 | 数字病理学 | 溃疡性结肠炎 | 16S rRNA基因测序、GC-MS | 深度学习虚拟筛选模型 | 微生物组测序数据、代谢组学数据、分子对接数据 | 小鼠结肠炎模型样本（具体数量未提供） | NA | NA | 疾病活动指数、组织病理评分 | NA |
| 2987 | 2026-08-03 |
Comparative phylogenomics and transcriptional regulatory networks of AQPs, HSPs, and LEA proteins in salt-stressed Portulaca oleracea
2026-Jul-29, Plant science : an international journal of experimental plant biology
IF:4.2Q1
DOI:10.1016/j.plantsci.2026.113347
PMID:42526718
|
研究论文 | 利用深度学习基因组注释、多组织RNA-Seq、系统发育组学和基因调控网络推断，揭示了盐胁迫下马齿苋中水通道蛋白、热激蛋白和LEA蛋白的协同调控机制 | 整合深度学习基因组注释与多组学方法，首次在盐胁迫马齿苋中系统揭示78个AQP、525个HSP和119个LEA蛋白的协同调控，并识别出22个胁迫专属调控因子及特定转录因子与保卫细胞分化的收敛性 | 摘要中未明确说明研究的局限性 | 解码盐生植物马齿苋应对盐胁迫的分子机制，为将耐盐性转移到敏感作物提供理论基础 | 盐胁迫下的马齿苋（Portulaca oleracea） | 转录组学、系统发育组学、基因调控网络 | 非疾病相关（植物盐胁迫） | 深度学习基因组注释、RNA-Seq、系统发育组学、基因调控网络推断 | 深度学习模型（用于基因组注释） | 基因组序列、转录组数据（RNA-Seq）、系统发育数据 | 154个物种的基因组比较，马齿苋58,817个预测基因（96.5% BUSCO完整性），39,065个表达位点 | 未明确指定 | 未明确指定 | BUSCO完整性（96.5%） | 未明确指定 |
| 2988 | 2026-08-03 |
MHCmet: A neural network based epitope prediction tool for orthohantaviruses
2026-Jul-29, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文介绍了MHCmet，一种基于深度学习的工具，用于预测与人类MHC I类受体结合的肽段，以识别正汉坦病毒中的免疫原性片段 | MHCmet的关键创新在于其等位基因特异性编码策略，该策略基于预测性能为每个HLA等位基因动态选择最优编码技术（One-hot、BLOSUM62或非线性Fisher），并结合CNN、多头自注意力和双向LSTM层 | 预测出的候选肽段需要进一步的实验验证后才能在转化应用中使用 | 开发一种深度学习工具，用于高效识别与人类MHC I类受体结合的肽段，以帮助开发诊断试剂、治疗方法和预防性疫苗 | 正汉坦病毒（如多布拉瓦正汉坦病毒）的糖蛋白肽段 | 自然语言处理, 深度学习 | 汉坦病毒感染 | 深度学习 | CNN-双向LSTM | 蛋白质序列数据 | 未明确说明样本数量，涉及病毒蛋白序列和多布拉瓦正汉坦病毒糖蛋白 | 未明确说明 | CNN, 双向LSTM, 多头自注意力 | AUC (中位数0.91，高于NetMHCpan的0.89和MHCflurry的0.85) | 未明确说明，但工具可自由访问于GitHub |
| 2989 | 2026-08-03 |
SpecTUS: Spectral Translator for Unknown Structures Annotation from EI-MS Spectra
2026-Jul-28, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c02423
PMID:42441797
|
研究论文 | 介绍了一种名为SpecTUS的深度学习模型，用于从气相色谱电子电离质谱（EI-MS）谱图直接进行从头结构注释，无需参考数据库。 | SpecTUS是一种直接从EI-MS谱图到分子结构的翻译模型，避免了依赖数据库搜索，能识别光谱库中不存在的新化合物。 | 未在摘要中提及具体限制。 | 实现从EI-MS谱图直接进行从头结构注释，以识别未知化合物，提高鉴定准确率。 | EI-MS谱图及其对应的分子结构。 | 计算化学/质谱分析 | 不适用 | 气相色谱-电子电离质谱（GC-EI-MS） | 深度学习模型（具体类型未在摘要中明确，可能为序列到序列或Transformer模型） | 质谱数据（谱图） | NIST 20数据库中的28,267个光谱作为测试集 | 未明确说明 | 未明确说明（可能为Transformer） | 完美重建率、Tanimoto相似度（摩根指纹） | 未明确说明 |
| 2990 | 2026-08-03 |
AI segmentation requires accounting for brain size to maintain performance on developmental MRI cohorts
2026-Jul-25, bioRxiv : the preprint server for biology
DOI:10.64898/2026.07.22.739983
PMID:42539016
|
研究论文 | 本研究评估了SynthSeg在发育期MRI队列中的分割性能，发现直接应用会导致婴儿期分割质量差，通过重缩放和裁剪图像至成人脑尺寸可显著改善性能 | 首次在大规模发育期MRI队列中系统评估SynthSeg性能，并提出图像重缩放和裁剪策略以维持分割性能，显著提高婴儿期分割成功率 | 未提及具体限制，可能包括对不同病理变化的适用性有限 | 评估SynthSeg在发育期MRI数据上的分割性能，并提出改进方法以支持神经发育的计算机分析 | 人类大脑发育过程中的MRI扫描图像 | 计算机视觉 | 神经发育障碍 | MRI | 深度学习分割模型（SynthSeg） | 图像 | 26,000个MRI扫描，覆盖婴儿到成人 | NA | SynthSeg | 自动质量控制评分、视觉检查、空间重叠度（Dice系数） | NA |
| 2991 | 2026-08-03 |
AI-Enabled Echocardiography Identifies an Adverse Epicardial Adiposity Phenotype Associated with Cardiometabolic Dysfunction
2026-Jul-24, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.07.22.26358690
PMID:42539104
|
研究论文 | 本研究开发了基于视频的深度学习模型PanAdipo，利用AI增强超声心动图识别不良心外膜脂肪表型，并评估其与心血管-肾脏-代谢功能障碍的关联 | 首次从标准超声心动图视频中提取可扩展、视角无关的心外膜脂肪生物标志物，结合专家标注的大规模训练数据，并通过空间可解释性分析和CT配对验证其特异性 | 主要基于单一医疗系统的数据，需要进一步前瞻性验证；模型评分与BMI的相关性较弱，可能受扫描仪差异影响；未明确在不同种族或设备间的泛化能力 | 利用AI增强超声心动图实现不良心外膜脂肪的可扩展表型分析，识别心血管代谢风险增加的个体，拓展超声心动图在代谢风险分层中的应用 | 涵盖YNHHS（2016-2022）28,797项研究的1,114,441个视频，以及四个独立队列：YNHHS TTE子集、急诊POCUS队列、MIMIC-IV队列和MESA社区队列，共涉及多中心数据 | 计算机视觉 | 心血管疾病 | 超声心动图视频分析 | 深度学习模型（视频-based） | 超声心动图视频 | 训练集包含1,114,441个视频（28,797项研究），评估集包括4,588（YNHHS TTE）、10,957（急诊POCUS）、4,549（MIMIC-IV）和2,740（MESA）例 | PyTorch（推断） | ResNet-18（视频编码器） | AUROC, Spearman相关系数, 风险比 | NA |
| 2992 | 2026-08-03 |
Threshold-Free Neural Network Models for Swim Bout Detection of Larval Zebrafish
2026-Jul-22, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.11.698899
PMID:42539050
|
研究论文 | 开发了无阈值深度学习模型，用于斑马鱼幼体游泳爆发检测，提高了检测精度并揭示了行为学差异。 | 提出无阈值模型，避免主观阈值设定，提高低振幅游泳爆发的检测精度，并比较了离线和在线两种模型。 | 未在摘要中明确说明局限性。 | 开发并验证无阈值深度学习模型，用于斑马鱼幼体游泳爆发检测，以促进稳健可重复的行为分析。 | 斑马鱼幼体 | 深度学习，行为分析 | 不适用 | 深度学习，时间序列分析 | 深度学习模型 | 尾部曲率时间序列 | 未在摘要中明确说明具体样本量。 | 未在摘要中明确说明。 | 未在摘要中明确说明具体架构。 | 精确度 | 未在摘要中明确说明。 |
| 2993 | 2026-08-03 |
Deep Learning Based Cross-Modality Histological Brain Section Registration in Multiple Species Using Synthetic Images
2026-Jul-22, bioRxiv : the preprint server for biology
DOI:10.64898/2026.07.17.738987
PMID:42539034
|
研究论文 | 开发了一种利用合成图像训练卷积神经网络的方法，用于跨模态组织学脑切片配准，并在多个物种中验证有效性 | 使用完全模拟数据训练配准模型，无需大量标注数据，且适用于不同物种（小鼠和狨猴） | 未在摘要中明确提及局限性 | 实现大规模脑图谱研究中跨模态组织学图像的快速配准 | 小鼠和狨猴的组织学脑切片图像 | 计算机视觉 | NA | NA | 卷积神经网络 | 图像（合成图像和真实组织学图像） | 未在摘要中明确提及样本量 | NA | 卷积神经网络 | Dice系数，Hausdorff距离 | NA |
| 2994 | 2026-08-03 |
Learning shared forecast-error structure to improve ensemble forecasts of seasonal respiratory outbreaks
2026-Jul-22, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.07.20.26358508
PMID:42539140
|
研究论文 | 该文章研究多模型集成预测季节性呼吸道疫情时共享误差结构，并提出一种深度学习框架利用历史预测来校正集成预测，提高流感住院和ILI预测的准确性。 | 创新点在于识别出多模型集成预测中组件模型存在共享系统性误差，并开发了深度学习框架学习历史预测中的结构化残差误差以改进集成预测，且该方法具有跨模型集合的泛化能力。 | 该方法对ILI预测的改进效果较小，且文章可能未提及模型的解释性、计算成本或在不同地域或疫情场景下的适用性。 | 研究目的是检验多模型集成预测中组件模型误差独立性假设，并开发一种通用方法改进季节性呼吸道疫情的实时预测。 | 研究对象为美国流感住院和流感样疾病（ILI）的实时预测数据。 | 机器学习 | 流感 | NA | 深度学习框架 | 结构化时间序列数据（预测和残差数据） | 美国流感住院和ILI实时预测数据，具体样本量未提及。 | PyTorch（推测，具体未提及） | 深度学习框架，具体架构未提及 | 加权区间分数（Weighted Interval Score），可能还有预测准确性。 | NA |
| 2995 | 2026-08-03 |
Deep interpretable learning of sample representations for characterizing disease states in single-cell transcriptomics
2026-Jul-22, bioRxiv : the preprint server for biology
DOI:10.64898/2026.07.21.738207
PMID:42539244
|
研究论文 | 介绍Phenoverse，一个可解释的深度学习框架，用于从单细胞转录组数据中学习样本级别的疾病状态表征，并在多个疾病队列中验证其效用 | 提出细胞类型感知的残差编码、原型学习和基于Perceiver的聚合方法，实现样本级疾病状态的可解释表征，且仅用二元表型标签训练即可预测疾病严重程度 | 未明确提及局限性 | 开发可解释的深度学习框架，从单细胞转录组数据中学习样本级别的疾病状态表征，以反映系统和细胞状态 | 独立单细胞转录组队列，涵盖COVID-19、阿尔茨海默病和系统性红斑狼疮 | 数字病理学 | COVID-19, 阿尔茨海默病, 系统性红斑狼疮 | 单细胞转录组测序 | 深度学习框架（可解释） | 单细胞转录组数据 | 超过500万个细胞 | 未明确提及 | Perceiver, 原型学习, 残差编码 | 未明确提及 | 未明确提及 |
| 2996 | 2026-08-03 |
Breaking the denoising dilemma in NMR spectroscopy by blind source separation
2026-Jul-21, Chemical science
IF:7.6Q1
DOI:10.1039/d6sc03538h
PMID:42540673
|
研究论文 | 提出一种基于盲源分离的NMR去噪协议CCA-NMR，以解决传统迭代算法与深度学习方法之间的去噪困境，实现快速、可解释且通用的噪声抑制 | 创新性地利用自相关系数进行盲源分离来区分噪声与真实信号，打破了传统算法耗时和深度学习缺乏泛化性与可解释性的两难局面，兼顾降噪性能、计算速度和普适性 | 文中未明确提及限制，但可能受限于自相关系数对特定噪声类型的假设，以及在不同NMR实验中的适用性需进一步验证 | 开发一种高效、通用且可解释的NMR光谱去噪方法，以提高灵敏度、恢复被噪声掩盖的真实峰，并缩短实验采集时间 | 不同NMR平台下的噪声光谱数据，包括弛豫和扩散拉普拉斯NMR、多维蛋白质NMR以及实时电催化反应中的时间分辨NMR | 信号处理 | NA | NMR光谱 | 盲源分离 | 光谱数据 | 多种NMR平台下的实验数据，具体样本数量未在摘要中说明 | NA | NA | 降噪性能、计算时间、普适性（具体指标如信噪比或峰值恢复未在摘要中详细说明） | NA |
| 2997 | 2026-08-03 |
What Do Persistent Misclassifications Tell Us About Alzheimer's Disease Detection using Structural MRI?
2026-Jul-20, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.07.17.26358326
PMID:42539013
|
研究论文 | 本研究通过训练两种深度学习架构对ADNI数据集中的sMRI进行分类，检查误分类是否在多个模型和训练配置中持续存在，并分析持续误分类受试者的特征 | 系统性地研究了深度学习分类器在阿尔茨海默病检测中的持续误分类现象，并发现这些误分类与萎缩亚型分布差异相关 | 样本量较小 | 探究持续误分类是否反映早期疾病阶段或非典型疾病表现，并强调疾病异质性在临床AI模型开发与评估中的重要性 | 阿尔茨海默病（AD）患者和认知正常（CN）参与者，以及来自ADNI数据集的sMRI数据 | 机器学习, 医学影像分析 | 阿尔茨海默病 | NA | 深度学习模型 | 结构性MRI图像 | ADNI数据集中的AD和CN受试者，具体数量未提及 | NA | 两种深度学习架构（具体未提及） | 准确率（隐含），误分类率（隐含） | NA |
| 2998 | 2026-08-03 |
AI-Assisted Hyperspectral Interferometry and Single-Cell Dispersion Imaging
2026-Jul-20, ArXiv
PMID:42539078
|
研究论文 | 本文提出一种基于AI增强的宽带干涉测量方法，结合超光谱成像实现单细胞色散成像，用于细胞分类和疾病诊断 | 提出通用偏振共路干涉测量法，放松传统共路干涉的偏振限制，通过偏振解耦实现振幅和相位同时测量，并利用深度自编码器检测相位异常，显著提升相位稳定性一个数量级 | 未明确提及 | 开发一种稳定、紧凑的宽带相位测量和单细胞色散成像技术，应用于计量学、分子诊断、药物发现和量子传感等领域 | 正常皮肤细胞（CCD-32Sk）和癌细胞（COLO-829） | 计算光学成像、机器学习 | 皮肤癌 | 干涉测量、超光谱成像 | 深度自编码器、卷积神经网络 | 干涉图像、相位数据 | 两种皮肤细胞系：CCD-32Sk（正常）和COLO-829（癌变） | PyTorch | ConvNeXt V2, 自编码器 | 相位稳定性、分类准确性 | 未明确提及（可能使用GPU） |
| 2999 | 2026-08-03 |
ProteinDock: A physics-informed layer to improve protein-protein docking reliability
2026-Jul-20, bioRxiv : the preprint server for biology
DOI:10.64898/2026.07.17.739238
PMID:42539256
|
研究论文 | 开发了一种名为ProteinDock的基于物理信息的工具，可叠加到领先的建模程序上，以改善蛋白质-蛋白质对接的可靠性，特别针对抗体-抗原接口进行了案例研究。 | 提出了一种基于物理的层，能够与传统建模程序（如Rosetta）结合使用，显著提高对接可靠性，并展示了截断版本可用于从多个深度学习工具的输出中选择最优预测。 | 文中未明确说明局限性。 | 提高蛋白质-蛋白质对接的可靠性，尤其是针对具有独特特征（如抗体）的蛋白质，并提供物理信息层以改进现有建模工具。 | 抗体-抗原接口和蛋白质-蛋白质对接基准集（Docking Benchmark Set 5.5）中的目标。 | 计算生物学 | NA | 基于物理的对接层 | 基于物理信息的模型（非深度学习） | 蛋白质结构数据 | Docking Benchmark Set 5.5中包含的目标（具体数量未提供） | Rosetta | NA | CAPRI质量标准（可接受质量或更好） | NA |
| 3000 | 2026-08-03 |
scWeave: A deep learning model that bidirectionally translates between gene expression and chromatin structure at single-cell resolution
2026-Jul-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.07.13.738265
PMID:42523313
|
研究论文 | 开发了名为scWeave的深度学习模型，实现单细胞分辨率下基因表达与染色质结构之间的双向转换。 | 首次在单细胞分辨率下实现基因表达与三维染色质架构之间的双向翻译，采用双自编码器提取细胞水平潜在表示，并利用专用翻译模块进行跨模态转换。 | 依赖共测数据，可能受限于不同模态间测量误差及样本偏差，且未在更多物种或条件下验证。 | 表征三维染色质架构与基因表达之间的关系，并实现单模态测量下的跨模态推断。 | 小鼠胚胎发育、小鼠皮层、小鼠嗅上皮、人类骨髓细胞。 | 机器学习 | NA | scRNA-seq, scHi-C | 自编码器 | 单细胞基因表达数据、三维染色质构象数据 | 六个公共共测数据集，涵盖小鼠胚胎发育、大脑皮层、嗅上皮及人类骨髓细胞。 | PyTorch | 双自编码器（dual autoencoders） | Spearman相关系数, HiCRep相似度 | NA |