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
3161	2026-06-15	Mixing features of transcription factors and genes enable accurate prediction of gene regulation relationships for unknown transcription factors 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag022 PMID:41782896	研究论文	开发了一个名为GReNIMJA的深度学习模型，通过混合转录因子氨基酸序列和目标基因核苷酸序列的特征，预测已知和未知转录因子的基因调控关系	首次实现了对未知转录因子的基因调控关系预测，解决了传统深度学习模型仅能预测已知转录因子的局限	NA	预测转录因子与基因之间的调控关系，特别是针对未知转录因子	转录因子与目标基因的调控关系	机器学习	NA	NA	2D长短期记忆网络	氨基酸序列和核苷酸序列	NA	NA	2D LSTM	准确率	NA
3162	2026-06-15	Rapid-EEG Software Architecture's Clinical Impact: Advantages and Limitations 2026-Mar-01, Journal of clinical neurophysiology : official publication of the American Electroencephalographic Society IF:2.3Q3 DOI:10.1097/WNP.0000000000001188 PMID:41773895	综述	本文综述了快速脑电图（EEG）设备软件架构的临床应用优势与局限性	系统阐述了快速EEG设备从第一代麻醉管理到第二代癫痫检测的发展历程，并重点分析了深度学习算法在回顾性研究中与人类专家相媲美或更优的表现，同时指出算法“黑箱”特性对临床应用的制约	讨论限于回顾性研究，缺乏前瞻性临床试验验证，且对专有算法透明性问题提出建议但未给出具体解决方案	评估快速EEG设备自动分析方法的原理及人工智能/机器学习技术在癫痫检测中的应用影响，并倡导算法透明度以促进临床协作	快速EEG设备的软件架构及其临床应用中的算法性能	机器学习	癫痫	EEG	深度学习	EEG信号	NA	NA	NA	NA	NA
3163	2026-06-15	Glycemic Variability as a Predictor of Mortality in Sepsis Patients With Concurrent Persistent Inflammation, Immunosuppression, and Catabolism Syndrome 2026-Mar, Immunity, inflammation and disease DOI:10.1002/iid3.70400 PMID:41791121	research paper	本研究探讨血糖变异系数（GVC）对并发持续性炎症、免疫抑制和分解代谢综合征（PICS）的脓毒症患者死亡率的影响	首次在并发PICS的脓毒症亚组中验证GVC与不良临床结局的关联，并利用TabPFN深度学习模型构建预测模型，AUC达0.960	单中心数据库回顾性研究，GVC分组基于指南但未动态调整，外部验证样本量较小	评估GVC对并发PICS的脓毒症患者28天、院内及180天死亡率的预测价值	1353例来自MIMIC-IV数据库的院内感染脓毒症患者，以及116例天津医科大学总医院急诊科验证队列	machine learning	sepsis	NA	TabPFN（表格数据先验适配网络）	tabular data	1353例（训练队列）及116例（外部验证队列）	Scikit-learn (Boruta), PyTorch (TabPFN)	TabPFN	AUC	NA
3164	2026-06-15	Bone Cancer Cell Prediction Using an Enhanced Deep Learning Algorithm with an Optimization Technique 2026-Mar-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.3.839 PMID:41793662	研究论文	提出一种结合布谷鸟搜索优化和ResNet的深度学习算法用于骨癌细胞检测	将布谷鸟搜索优化算法与ResNet结合，形成CS-MHC ResNet模型，优化特征选择和超参数调优，提升骨癌分类性能	仅在有限数据集上验证，未来需要在更大规模多中心数据集和简化设计上提高鲁棒性和适用性	开发一种自动化的骨癌细胞检测与分类系统，用于早期骨癌诊断	骨癌组织图像（恶性和健康骨组织）	计算机视觉	骨癌	图像分类	卷积神经网络（CNN）	图像	未明确说明样本数量	NA	ResNet, VGG-16, Xception, Inception	准确率，敏感性，精确率，F-measure	NA
3165	2026-06-15	DECODE: deep learning-based common deconvolution framework for various omics data 2026-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-026-03007-y PMID:41772096	研究论文	提出DECODE，一个通用反卷积框架，适用于多种组学数据，包括转录组、蛋白质组和代谢组	首次实现代谢组学反卷积，并能在不同组学数据、供体、疾病状态和测量平台上优于现有方法	信息不足，无法从标题和摘要中提取	开发一个通用反卷积框架，用于从组织水平数据估算细胞类型丰度，并整合多组学数据	细胞类型和细胞状态	机器学习	NA	反卷积算法	深度学习模型	转录组、蛋白质组、代谢组数据	NA	NA	NA	性能指标未在摘要中明确列出，但提到优于现有方法	NA
3166	2026-06-15	Clinically validated deep learning auto-contouring for glioblastoma volumetric modulated arc therapy planning: a dosimetric equivalence study 2026-Mar, Radiation oncology journal IF:1.8Q3 DOI:10.3857/roj.2025.00808 PMID:41943643	研究论文	开发一种全自动双模态深度学习框架，用于胶质母细胞瘤放疗的靶区和危及器官自动勾画，并通过剂量学等效性验证其临床实用性	提出了一种无需预对齐的双编码器注意力U-Net结构，同时处理CT和MRI双模态图像，且在独立测试集上实现了与专家手动勾画在剂量学上的等效性	未在文中提及	通过剂量学等效性验证自动勾画框架在胶质母细胞瘤放疗计划中的临床可靠性	胶质母细胞瘤患者的CT和MRI图像	数字病理学	胶质母细胞瘤	深度学习	注意力U-Net	CT和MRI图像	100名患者的回顾性数据集	NA	双编码器注意力U-Net（CT），单编码器注意力U-Net（MRI）	Dice相似系数（DSC）	NA
3167	2026-06-15	Deep learning-based semantic matching of cis-regulatory DNA sequences facilitates the prediction of gene function 2026-Mar, Nature plants IF:15.8Q1 DOI:10.1038/s41477-026-02231-w PMID:41708941	研究论文	使用深度学习模型PhytoBabel捕捉顺式调控DNA序列的语义相似性，从而预测基因功能	证明了远缘物种间（约1.6亿年进化分歧）的直系同源顺式调控序列虽缺乏序列相似性，但保留可通过深度学习捕获的语义相似性，并能在无直接训练的情况下隐式学习时空表达模式、保守非编码序列和系统发育关系	未明确说明模型在不同物种间的泛化能力、对非直系同源序列的适用性或计算资源需求等潜在局限性	利用顺式调控DNA序列的语义相似性来预测未知基因功能，特别是反向遗传学中的应用	15种被子植物的直系同源顺式调控序列对，以及玉米和拟南芥中与体细胞胚胎发生相关的形态发生调控因子	机器学习	NA	NA	深度学习模型（PhytoBabel）	DNA序列	15种被子植物的直系同源顺式调控序列对	NA	NA	语义相似性（深度学习捕获）	NA
3168	2026-06-15	A novel deep learning framework for field-scale wheat yield prediction 2026-Feb-25, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-026-05166-0 PMID:41739241	研究论文	提出一种基于遗传算法优化的深度神经网络框架，利用近地传感数据实现田间尺度小麦产量预测	首次将遗传算法优化的深度神经网络与手持或车载主动近地传感器数据相结合，用于印度农业背景下的小麦产量预测，在多种条件下优于传统机器学习模型	NA	利用近地传感数据构建深度学习框架，实现田间尺度小麦产量的精确预测，支持育种者高效选择基因型并助力可持续发展目标	2020-2021冬季生长季两个地点的灌溉和雨养条件下3350份不同小麦种质	机器学习	NA	近地传感（NDVI、冠层温度、株高测量）	深度神经网络、随机森林回归、LASSO、支持向量回归	数值数据（光谱植被指数、温度、高度）	3350份小麦种质，涵盖灌溉和雨养条件	NA	遗传算法优化的深度神经网络	R²值	NA
3169	2026-06-15	Deep learning framework with interpretable feature selection for accurate SUMOylation site prediction 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41489-0 PMID:41741563	研究论文	提出一种基于深度学习的混合模型Hybrid-Sumo，用于准确预测SUMO化修饰位点	整合蛋白质结构特征和序列特征，结合HSE、PSSM-DWT和BERT三种先进特征提取技术，并利用SHAP算法进行最优特征选择	NA	开发一种准确预测SUMO化修饰位点的计算工具	蛋白质SUMO化修饰位点	机器学习	NA	深度学习	深度神经网络（DNN）	蛋白质序列和结构特征数据	基准数据集	NA	DNN	准确率	NA
3170	2026-06-15	Artificial intelligence-driven nano-enhanced stem cell therapy for neurodegenerative diseases: from rational design to clinical translation 2026-Feb-19, Journal of nanobiotechnology IF:10.6Q1 DOI:10.1186/s12951-026-04154-2 PMID:41709202	综述	探讨人工智能驱动纳米增强干细胞疗法治疗神经退行性疾病的理性设计到临床转化	提出一个集成患者特异性数据、AI驱动设计和实时监测的闭环系统，以推动神经退行性疾病的真正个性化医疗	NA	探索机器学习和深度学习如何解决当前干细胞疗法和纳米增强干细胞疗法的挑战，并提供将AI整合到整个纳米增强干细胞疗法中的系统性框架	神经退行性疾病及其干细胞疗法	机器学习	神经退行性疾病	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA
3171	2026-06-15	A Flexible Hybrid Quantum-classical Training Framework of Organ-at-Risk and Tumor Segmentation Models for Radiation Therapy Planning 2026-Feb-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40127-z PMID:41699007	research paper	提出一种混合量子-经典训练框架，用于放射治疗计划中的危及器官和肿瘤分割模型的参数高效训练	基于量子参数生成技术，在保持模型结构完整性和通道独立性的前提下自适应确定参数矩阵秩，显著减少可训练参数数量同时保持表示灵活性	NA	解决深度学习分割模型在医学小样本场景下的过参数化问题，实现参数高效训练	放射治疗计划中的危及器官和肿瘤分割模型	machine learning	NA	量子参数生成	混合量子-经典神经网络	医学图像	NA	NA	UNetPP	IoU, DSC	NA
3172	2026-06-15	EEG-Based Emotion Estimation Model Integrating Structural and Time-Series Information Based on Deep Learning Architecture Optimization 2026-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s26041210 PMID:41755151	研究论文	提出一种基于深度学习的脑电图情绪估计模型，融合结构信息和时间序列信息，通过自动架构搜索优化性能	首次将图卷积网络、LSTM、通道注意力和可微分架构搜索集成于脑电图情绪识别，自动发现针对个体脑电图模式的最优架构，降低搜索成本	未明确说明模型的局限性，但可能包括计算资源需求或对不同情绪类别的性能差异	开发一种能够自动优化架构并融合频率域和时间域特征的脑电图情绪识别模型，以提高准确性和适应性	脑电图信号中的情绪识别	自然语言处理、机器学习	不适用	脑电图	图卷积网络、长短期记忆网络	时间序列	未明确说明	不适用	GCN、LSTM、通道注意力、可微分架构搜索	准确率、适应性	未明确说明
3173	2026-06-15	Assessing Low Back Movement with Motion Tape Sensor Data Through Deep Learning 2026-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s26041127 PMID:41755069	研究论文	提出一种基于深度学习的方法，利用低成本可穿戴传感器Motion Tape数据评估下背部运动	采用条件生成模型合成运动数据，并结合关节运动学特征增强，以解决小样本和噪声问题	Motion Tape传感器数据集规模小且存在固有噪声，可能影响模型泛化能力	开发一种能准确分类下背部运动的深度学习模型，辅助临床远程监控和物理治疗	下背部运动分类	机器学习	背痛	可穿戴传感器（Motion Tape）	生成模型、深度学习分类模型	传感器时间序列数据	小规模Motion Tape数据集	NA	条件生成模型、运动带增强推理模型	准确率	NA
3174	2026-06-15	Design prokaryotic cis-regulatory elements using language model 2026-Feb-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag122 PMID:41693567	研究论文	本文介绍了一个名为PromoGen2的原核生物顺式调控元件语言模型，用于设计功能性启动子	首次提出一个可广泛适用于数千种原核生物的无先验实验数据启动子设计平台，实现了跨物种零样本预测相关性的大幅提升	未详细探讨模型在极端或稀有原核生物基因组上的适用性及长期进化稳定性	为原核生物提供通用的顺式调控元件设计工具，支持合成生物学和微生物学研究	原核生物顺式调控元件（启动子）	机器学习	NA	语言模型	语言模型（PromoGen2）	基因组序列	17000个原核生物基因组	PyTorch（推测）	Transformer（基于语言模型）	Spearman相关系数（平均0.50），成功率（100%）	NA
3175	2026-06-15	Carba-NAD binding activates SIR2 by reshaping conformational plasticity and rewiring long-range allosteric networks 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013966 PMID:41719283	研究论文	以酵母SIR2为模型，通过分子动力学模拟和图深度学习模型，阐明共因子结合如何重塑构象动力学和远距离变构网络	首次揭示SIR2中β1-α2环的刚性化与远端柔性增加构成的“核心锁定伴周边释放”动态模式，并识别出关键的“中继型”残基Pro214和Thr224，同时发现与共因子结合的远距离药物口袋	NA	解析SIR2变构调控的分子机制	酵母SIR2蛋白	机器学习	老年性疾病	分子动力学模拟	图神经网络	分子动力学模拟轨迹	多次3微秒独立重复模拟	NA	神经关系推理	NA	NA
3176	2026-06-15	SSIF-Affinity: Multimodal Deep Learning of Sequence-Structure Features for Precise Protein-Protein Binding Affinity Prediction 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01734 PMID:41392472	研究论文	提出一种多模态深度学习框架，用于高精度预测蛋白质-蛋白质复合物的结合亲和力	创新性地定位结合界面并构建几何约束结合区域，通过结构引导交叉模态注意力模块融合结构特征和序列特征，并利用CNN和LSTM提取全长序列的局部和长程依赖特征，有效减少冗余计算和噪声干扰	未明确说明，可能包括依赖实验数据质量或计算资源需求较高	开发高精度预测蛋白质-蛋白质结合亲和力的深度学习方法，推动AI驱动的抗体药物发现	蛋白质-蛋白质复合物的结合亲和力，包括抗体-抗原复合物	机器学习	NA	深度学习	CNN, LSTM, MLP	蛋白质序列和结构数据	NA	NA	CNN, LSTM, MLP	NA	NA
3177	2026-06-15	Discovery of Tetrahydroisoquinoline-Based SARS-CoV-2 Helicase Inhibitors with Iterative, Deep Learning-Enhanced Virtual Screening 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02059 PMID:41400222	研究论文	使用迭代深度学习增强虚拟筛选发现基于四氢异喹啉的SARS-CoV-2解旋酶抑制剂	结合深度神经网络进行虚拟筛选，提高了命中识别效率21%，并发现新的异构抑制机制	NA	发现针对SARS-CoV-2解旋酶的新型抑制剂	SARS-CoV-2解旋酶及其抑制剂	机器学习	新冠病毒病	虚拟筛选	深度神经网络	分子数据	六种命中化合物和18种3-苯基-1,2,3,4-四氢异喹啉衍生物	NA	深度神经网络	选择性指数	NA
3178	2026-06-15	Toward Complete Molecular Structure Prediction from Infrared Spectroscopy Using Deep Learning 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01834 PMID:41403343	研究论文	提出一种基于深度学习的双损失架构，从红外光谱数据预测完整分子结构（SMILES字符串）	借鉴图像描述模型的双损失深度学习架构，首次实现从红外光谱直接预测完整分子结构（SMILES字符串），而非仅预测官能团	测试集上单次预测完整结构的准确率仅16.26%，且依赖高质量计算资源生成训练数据	提高红外光谱分析中分子结构预测的自动化与完整度	有机化合物的分子结构，以SMILES字符串表示	机器学习, 光谱分析	NA	红外光谱（IR），密度泛函理论（DFT）计算	深度学习	光谱数据（红外吸收光谱）	超过17,000个独特红外光谱（训练集）；测试集1,710个光谱	NA	双损失深度学习架构（受图像描述模型启发）	完整结构预测准确率（16.26%），官能团预测准确率（最高88%）	劳伦斯伯克利国家实验室Lawrencium集群的高性能计算资源
3179	2026-06-15	MambaTransDTA: A Hybrid Mamba-Transformer Architecture for Accurate Drug-Target Binding Affinity Prediction 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02361 PMID:41406376	研究论文	提出一种混合Mamba-Transformer架构的模型MambaTransDTA，用于药物-靶标结合亲和力预测	首次将Mamba架构与Transformer架构混合用于药物-靶标亲和力预测，结合Mamba的长距离依赖捕获能力和Transformer的局部交互建模能力	未明确说明局限性	提升药物-靶标亲和力预测的准确性、鲁棒性和泛化能力	药物-靶标结合亲和力	机器学习	NA	NA	Mamba, Transformer	数值数据（药物-靶标亲和力）	四个基准数据集: Davis, KIBA, Metz, BindingDB	PyTorch	Mamba, Transformer	均方误差（MSE）	NA
3180	2026-06-15	LGABAN: An Integrated Multi-Scale Approach Combining Graph and Sequence Features for Enhanced Prediction of Drug-Protein Interactions 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02364 PMID:41408656	研究论文	提出了一种名为LGABAN的新型深度学习框架，通过并行提取局部和全局特征并利用双线性注意力网络整合多尺度特征对，以增强药物-蛋白质相互作用预测的准确性和可解释性	首次将双分支结构并行提取药物和蛋白质的局部与全局特征，并通过双线性注意力网络融合四种特征对（局部-局部、局部-全局、全局-局部、全局-全局），同时引入多头图注意力网络增强药物图表示能力	未明确说明局限性（需结合全文），但可能涉及模型复杂度及多尺度交互关系处理的进一步优化空间	提高药物-蛋白质相互作用预测的准确性和模型可解释性，以缩短药物研发周期和降低成本	药物与蛋白质之间的相互作用关系	机器学习	NA	NA	双线性注意力网络 (BAN)、多头图注意力网络 (GAT)	分子结构数据、序列数据	四个公开数据集	NA	双线性注意力网络 (BAN)、多头图注意力网络 (GAT)	NA	NA