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
301	2025-04-17	Binding and sensing diverse small molecules using shape-complementary pseudocycles 2024-07-19, Science (New York, N.Y.) DOI:10.1126/science.adn3780 PMID:39024436	research paper	本文提出了一种设计高亲和力小分子结合蛋白的方法，并应用于下游传感	利用深度学习生成的具有不同形状中央结合口袋的假环结构，结合小分子以实现高亲和力结合，并构建化学诱导二聚化系统和低噪声纳米孔传感器	NA	设计高亲和力小分子结合蛋白并用于传感应用	小分子（如甲氨蝶呤和甲状腺素）	machine learning	NA	deep learning, docking	NA	molecular structure	四种不同小分子
302	2025-04-17	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-Jun, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	介绍了一种名为MRD-EDGE的机器学习引导的WGS ctDNA检测平台，用于提高肿瘤负荷监测的灵敏度	MRD-EDGE平台通过深度学习和ctDNA特异性特征空间，将WGS中的SNV信噪比提高了约300倍，并将CNV检测所需的非整倍性程度从1Gb降低到200Mb	未明确提及具体局限性	提高循环肿瘤DNA（ctDNA）在低肿瘤分数（TF）环境中的检测灵敏度，用于最小残留疾病（MRD）评估和治疗反应监测	多种癌症类型（包括肺癌、结直肠腺瘤和黑色素瘤）的患者	数字病理学	肺癌、结直肠癌、黑色素瘤	全基因组测序（WGS）	深度学习	基因组数据	未明确提及具体样本数量
303	2025-04-17	Massively parallel characterization of regulatory elements in the developing human cortex 2024-05-24, Science (New York, N.Y.) DOI:10.1126/science.adh0559 PMID:38781390	研究论文	通过大规模并行报告基因检测，研究人类大脑皮层发育中的基因调控元件及其变异	首次在人类神经元发育中建立了全面的功能性基因调控元件和变异目录，并验证了脑类器官作为发育皮层模型的适用性	研究主要集中在中孕期皮层，可能无法完全代表其他发育阶段	解析人类大脑皮层发育过程中的基因调控机制	人类中孕期皮层原代细胞和脑类器官	基因组学	神经系统疾病	大规模并行报告基因检测(MPRA)、深度学习	深度学习模型	基因组数据	102,767个开放染色质区域
304	2025-04-17	Medical forecasting 2024-05-24, Science (New York, N.Y.) DOI:10.1126/science.adp7977 PMID:38781357	研究论文	本文讨论了AI在天气预报中的应用及其在医学预测中的潜力	提出将天气预报中的深度学习模型GraphCast应用于医学预测，以提高预测准确性和速度	目前医学预测领域缺乏黄金标准，预测健康结果的方法尚不成熟	探索AI在医学预测中的应用，以预防疾病或严重急性事件	个体健康风险预测	机器学习	NA	深度学习	GraphCast	NA	NA
305	2025-04-17	Whole-body magnetic resonance imaging at 0.05 Tesla 2024-05-10, Science (New York, N.Y.) DOI:10.1126/science.adm7168 PMID:38723062	research paper	开发了一种使用0.05特斯拉永磁体和深度学习的全身MRI扫描仪，无需射频和磁屏蔽	利用深度学习和0.05特斯拉永磁体开发了一种低成本、无需屏蔽的全身MRI扫描仪，并采用三维深度学习重建提升图像质量	未提及具体样本量和临床验证结果	开发低成本、易普及的全身MRI扫描技术	全身MRI扫描仪	医学影像	NA	MRI, 深度学习	深度学习	MRI图像	NA
306	2025-04-17	Sequence basis of transcription initiation in the human genome 2024-04-26, Science (New York, N.Y.) DOI:10.1126/science.adj0116 PMID:38662817	研究论文	该研究通过深度学习模型Puffin预测人类基因组中转录起始的序列模式，揭示了大多数人类启动子的转录起始规则	使用可解释的深度学习模型Puffin，在碱基对分辨率上预测转录起始，并识别出关键序列模式及其在启动子活性中的作用	研究可能未涵盖所有转录起始的复杂调控机制，且模型解释性可能有限	理解人类基因组中转录起始的序列基础和规则	人类基因组中的转录起始位点和启动子	基因组学	NA	深度学习	Puffin	基因组序列数据	NA
307	2025-04-17	Development and Validation of an Automated Classification System for Osteonecrosis of the Femoral Head Using Deep Learning Approach: A Multicenter Study 2024-02, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2023.08.018 PMID:37572719	研究论文	本研究开发并验证了一种基于深度学习的自动化分类系统，用于股骨头坏死（ONFH）的分类	采用深度学习中的卷积神经网络（CNN）模型对ONFH进行分类，并在多中心数据集上验证了其高准确性和泛化能力	研究仅使用了来自4家机构的回顾性数据，可能需要更多前瞻性数据进一步验证模型的普适性	开发高准确性的ONFH自动分类系统以辅助临床决策	股骨头坏死（ONFH）患者	数字病理学	骨科疾病	MRI成像	CNN	图像	1,806张MRI图像（来自1,337个髋关节），其中外部验证集包含334张图像（来自182个髋关节）
308	2025-04-17	Multiple-instance learning of somatic mutations for the classification of tumour type and the prediction of microsatellite status 2024-01, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-023-01120-3 PMID:37919367	研究论文	本文提出了一种弱监督端到端多实例学习模型，用于编码和聚合体细胞突变的局部序列上下文或基因组位置，以进行样本级分类	使用多注意力头的多实例学习模型，能够建模个体测量对样本级分类的重要性，提供更强的可解释性，并在合成任务和实际任务中表现优异	NA	改进基因组数据集的聚合信息任务性能，以生成生物学见解	体细胞突变数据	机器学习	肿瘤	多实例学习	多注意力头模型	基因组数据	NA
309	2025-04-17	De novo design of diverse small molecule binders and sensors using Shape Complementary Pseudocycles 2023-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.20.572602 PMID:38187589	研究论文	提出了一种结合深度学习和能量基础的通用方法，用于设计能够高亲和力结合并感知任意小分子的蛋白质	首次采用深度学习生成具有中央口袋的假环结构，能够针对不同大小和形状的小分子设计高形状互补性的结合口袋，并成功应用于极性柔性分子如甲氨蝶呤和甲状腺素	未提及该方法在更复杂生物环境中的适用性或对其他类型分子的普适性	开发一种通用方法设计能够结合并感知任意小分子的蛋白质	小分子（包括甲氨蝶呤、甲状腺素等极性柔性分子）	机器学习	NA	深度学习	NA	分子结构数据	四种不同分子（包括甲氨蝶呤和甲状腺素）
310	2025-04-17	Form follows function: Nuclear morphology as a quantifiable predictor of cellular senescence 2023-12, Aging cell IF:8.0Q1 DOI:10.1111/acel.14012 PMID:37845808	研究论文	本文探讨了核形态作为细胞衰老的量化预测指标的作用	揭示了核形态在驱动衰老表型中的主动作用，并利用深度学习算法实现了对增殖细胞和衰老细胞的准确分类	未明确核形态异常是衰老的原因还是结果	研究核形态作为细胞衰老预测生物标志物的潜力	组织细胞	数字病理学	老年疾病	深度学习	CNN	图像	多种细胞类型和物种的体外和体内数据
311	2025-04-17	USE-Evaluator: Performance metrics for medical image segmentation models supervised by uncertain, small or empty reference annotations in neuroimaging 2023-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102927 PMID:37672900	research paper	本文提出了一种名为USE-Evaluator的性能评估方法，用于评估医学图像分割模型在参考标注不确定、小或空的情况下的表现	提出了一种新的性能评估方法，考虑了参考标注的不确定性、小体积和空标注对评估结果的影响	研究主要针对神经影像数据，可能不适用于其他医学图像领域	改进医学图像分割模型的性能评估方法，使其更适合临床应用场景	医学图像分割模型	digital pathology	stroke	NA	deep learning	image	内部中风数据集，并与BRATS 2019和Spinal Cord公共数据集进行比较
312	2025-04-17	Sequence basis of transcription initiation in human genome 2023-Jun-29, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.27.546584 PMID:37425823	研究论文	本研究通过深度学习启发的可解释建模方法，揭示了人类基因组中转录起始的序列基础	提出了一个统一模型，在碱基对水平上解释了转录起始的序列基础，并揭示了大多数人类启动子的简单规则	NA	理解人类基因组中转录起始位点的序列模式和规则	人类基因组和241种哺乳动物基因组	基因组学	NA	深度学习启发的可解释建模方法	深度学习	基因组序列数据	241种哺乳动物基因组和小鼠转录起始位点数据
313	2025-04-17	Massively parallel characterization of psychiatric disorder-associated and cell-type-specific regulatory elements in the developing human cortex 2023-Feb-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.15.528663 PMID:36824845	研究论文	该研究通过大规模并行报告实验，分析了人类发育中皮质和脑器官样体中102,767个序列的调控活性，包括皮质发育中的细胞类型特异性区域和精神疾病相关的单核苷酸变异	首次在人类原代细胞和脑器官样体中大规模并行分析调控元件的活性，并利用深度学习解码增强子活性的序列基础和上游调控因子	研究主要关注发育中的人类皮质，可能不适用于其他脑区或发育阶段	建立人类神经元发育中功能性基因调控元件和变异的全面目录	人类发育中皮质和脑器官样体中的调控元件	基因组学	精神疾病	大规模并行报告实验(MPRA), 深度学习	深度学习模型	基因组序列数据	102,767个序列
314	2025-04-16	Enhancing the application of near-infrared spectroscopy in grain mycotoxin detection: An exploration of a transfer learning approach across contaminants and grains 2025-Jul-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143854 PMID:40117813	研究论文	本研究将迁移学习策略引入化学计量学，以提高应用于不同谷物或毒素光谱数据的深度学习模型性能	首次将迁移学习方法应用于谷物中真菌毒素的光谱检测，解决了单一来源模型适应性差的问题	仅测试了小麦中的玉米赤霉烯酮(ZEN)和花生中的黄曲霉毒素B1(AFB1)两种毒素	提高近红外光谱技术在谷物真菌毒素检测中的应用效果	谷物(小麦和花生)中的真菌毒素	机器学习	NA	近红外光谱技术(NIR), FT-NIR光谱技术	深度学习模型(未指定具体类型)	光谱数据	小麦ZEN和花生AFB1样本集
315	2025-04-16	Applying deep learning algorithms for non-invasive estimation of carotenoid content in the foot muscle of Pacific abalone with different colors 2025-Jul-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143913 PMID:40157001	研究论文	本研究利用深度学习算法非侵入性地估计太平洋鲍鱼足肌中类胡萝卜素的含量	开发了基于颜色的类胡萝卜素估计套件(CCES)，提供非破坏性、快速的类胡萝卜素估计方法，效率提升450倍，成本降低47至77倍	模型预测的决定系数(R)为0.415，可能存在一定的预测误差	开发一种高效、可扩展的水产养殖育种和质量控制工具	太平洋鲍鱼(Haliotis discus hannai)的足肌	机器学习	NA	靶向代谢组学	LSTM	颜色测量数据(CIELAB颜色空间)	344个鲍鱼样本
316	2025-04-16	Autonomous Screening for Diabetic Macular Edema Using Deep Learning Processing of Retinal Images 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100722 PMID:40225408	研究论文	开发并验证了一种用于糖尿病黄斑水肿（DME）检测的深度学习模型，适用于多样化的多设备临床环境	利用深度学习模型在彩色眼底图像上高效检测DME，适用于多设备临床环境	需要进一步的前瞻性研究验证	开发并验证一种用于DME检测的深度学习模型	糖尿病黄斑水肿（DME）患者	计算机视觉	糖尿病黄斑水肿	深度学习	深度学习模型	图像	32,049张图像来自15,892名患者
317	2025-04-16	Enhanced Macular Telangiectasia Type 2 Detection: Leveraging Self-Supervised Learning and Ensemble Models 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100710 PMID:40225407	research paper	本研究探讨了一种基于集成学习和自监督学习的深度学习方法，用于在OCT成像中准确且可解释地检测2型黄斑毛细血管扩张症（MacTel）	结合自监督学习（SSL）和集成学习方法，提高了在有限数据情况下的MacTel分类准确性和可解释性	研究数据量有限，仅使用了419个OCT体积数据，其中仅有10%的标注训练数据	提高2型黄斑毛细血管扩张症（MacTel）在OCT成像中的检测准确性和可解释性	OCT扫描图像	digital pathology	macular telangiectasia type 2	OCT imaging, self-supervised learning (SSL), ensemble learning	CNN, ensemble models	image	5200张OCT图像（780名MacTel患者和1900名非MacTel患者），其中训练集包含419个OCT体积数据（185名MacTel患者）
318	2025-04-16	Web server-based deep learning-driven predictive models for respiratory toxicity of environmental chemicals: Mechanistic insights and interpretability 2025-Jun-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137575 PMID:39954423	research paper	本研究开发了八种可解释的深度学习模型，用于预测化学物质的呼吸毒性，并整合了八种呼吸毒性终点的数据构建了一个全面的呼吸系统模型	采用频率比法和SHAP博弈论分析增强模型的可解释性，识别关键结构片段和可视化驱动模型预测的关键特征	模型仅针对特定的呼吸疾病，可能无法涵盖所有呼吸毒性情况	预测药物及其环境代谢物的呼吸毒性，为早期检测和风险评估提供工具和信息	化学物质的呼吸毒性	machine learning	respiratory disease	deep learning, SHAP analysis	deep learning models	chemical toxicity data	整合了八种呼吸毒性终点的数据
319	2025-04-16	Efficient detection of foodborne pathogens via SERS and deep learning: An ADMIN-optimized NAS-Unet approach 2025-Jun-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137581 PMID:39954434	研究论文	本研究创新性地结合表面增强拉曼光谱(SERS)与深度学习技术，开发了一种高效检测食源性病原体的工具	采用自动混合网络设计(ADMIN)策略和神经架构搜索(NAS)技术优化卷积神经网络(CNNs)架构，显著提升SERS数据分析能力，并引入U-Net架构和注意力机制以提高分类准确性和关键光谱特征识别能力	未明确提及具体局限性，但暗示未来需要进一步探索不同网络模块以增强模型泛化能力	开发快速精确的食源性病原体检测方法	22种食源性病原体	深度学习	食源性疾病	表面增强拉曼光谱(SERS)	NAS-Unet(基于神经架构搜索优化的U-Net)	光谱数据	22种食源性病原体的测试样本
320	2025-04-16	DCE-MRI based deep learning analysis of intratumoral subregion for predicting Ki-67 expression level in breast cancer 2025-Jun, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110370 PMID:40089082	research paper	该研究利用基于动态对比增强MRI（DCE-MRI）的深度学习分析肿瘤内亚区域，预测乳腺癌中Ki-67表达水平	通过k-means聚类算法确认肿瘤亚区域，并基于3D ResNet18预训练模型提取DCE-MRI图像的深度学习特征，构建逻辑回归模型预测Ki-67表达水平	研究为回顾性设计，样本量相对有限（290例患者），且仅来自两家医院	评估基于DCE-MRI的深度学习分析肿瘤内亚区域对预测乳腺癌Ki-67表达水平的价值	乳腺癌患者	digital pathology	breast cancer	DCE-MRI, deep learning	3D ResNet18, logistic regression	image	290例乳腺癌患者