深度学习在生物医药领域中的应用
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，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10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 28359 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2025-07-15 |
Genome structure mapping with high-resolution 3D genomics and deep learning
2025-May-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.06.650874
PMID:40654659
|
研究论文 | 本文介绍了一种结合高分辨率3D基因组学和深度学习的基因组结构映射方法 | 开发了基于注意力的深度学习模型Cleopatra，能够以前所未有的分辨率预测3D基因组图谱 | 研究仅针对四种人类细胞类型，可能需要更多细胞类型验证 | 建立超高清3D基因组图谱框架，研究细胞类型特异性基因调控 | 人类细胞中的3D基因组结构和基因表达调控 | 基因组学 | NA | Region Capture Micro-C (RCMC) 和 Micro-C | 基于注意力的深度学习模型 (Cleopatra) | 3D基因组数据 | 四种人类细胞类型 |
| 322 | 2025-07-15 |
Boltz-1 Democratizing Biomolecular Interaction Modeling
2025-May-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.19.624167
PMID:39605745
|
research paper | 介绍Boltz-1，一个开源深度学习模型，用于预测生物分子复合物的3D结构 | Boltz-1在模型架构、速度优化和数据处理方面进行了创新，达到了Alphafold3级别的准确性，并引入了Boltz-steering技术来修复模型中的幻觉和非物理预测 | 未提及具体局限性 | 推动生物分子相互作用建模的民主化，促进药物发现和蛋白质设计领域的进步 | 生物分子复合物的3D结构 | machine learning | NA | deep learning | Boltz-1 | 3D结构数据 | 未提及具体样本数量 |
| 323 | 2025-07-15 |
Automated Joint Space Detection Improves Bone Segmentation Accuracy
2025-May-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.30.651481
PMID:40654621
|
研究论文 | 本研究通过深度学习模型自动检测关节空间，提高了小鼠后爪和前爪骨骼分割的准确性 | 超越之前发布的半自动标记分水岭算法，引入了结构增强、张量投票和输出膨胀技术，并采用3D U-Net架构的深度学习模型进行关节空间预测 | 在疾病严重程度增加和年龄增长的小鼠中，分割准确性下降，且在前爪中的应用表现随关节炎严重程度增加而降低 | 提高复杂骨骼解剖结构的自动分割准确性 | 小鼠的后爪和前爪骨骼 | 数字病理 | 炎症性侵蚀性关节炎 | micro-CT成像、深度学习 | 3D U-Net, ResNet-18 | micro-CT图像 | 野生型和TNF-Tg小鼠的后爪和前爪（具体数量未明确说明，但涉及不同性别和年龄的样本） |
| 324 | 2025-07-15 |
Deep Learning-Based Classification of Peptide Analytes from Single-Channel Nanopore Translocation Events
2025-May-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.04.652126
PMID:40654724
|
研究论文 | 本文提出了一种基于深度学习的纳米孔易位事件肽类分析物分类方法 | 采用了一种新颖的分支输入网络结构，结合时间卷积网络和密集网络处理易位事件电导状态序列及全局动力学特征 | 模拟数据与实际实验数据存在差距，某些肽具有相似动力学参数导致事件级预测困难 | 开发用于纳米孔生物传感器肽类生物标志物快速准确分类的深度学习方法 | 七种肽的模拟多态易位数据 | 机器学习 | NA | 纳米孔生物传感器 | CNN, RNN, 时间卷积网络, 密集网络 | 电流记录数据 | 七种肽的模拟数据 |
| 325 | 2025-07-15 |
The epigenomic landscape of single vascular cells reflects developmental origin and identifies disease risk loci
2025-May-06, bioRxiv : the preprint server for biology
DOI:10.1101/2022.05.18.492517
PMID:40655014
|
研究论文 | 该研究通过单细胞染色质可及性和基因表达谱分析，揭示了血管细胞的表观基因组和转录组景观具有细胞类型和血管部位特异性，并发现部位特异性增强子调控疾病风险的复杂遗传驱动因素 | 首次在单细胞分辨率上揭示了血管部位特异性表观基因组特征，并整合GWAS数据和深度学习模型预测变异对染色质可及性的影响 | 研究仅基于健康成年小鼠血管组织，人类样本验证不足 | 探究血管部位特异性疾病风险的生物学基础 | 健康成年小鼠三个血管部位的细胞（血管平滑肌细胞、成纤维细胞和内皮细胞） | 表观基因组学 | 心血管疾病 | scATAC-seq, scRNA-seq, GWAS, ChromBPNet | 深度学习模型ChromBPNet | 单细胞表观基因组和转录组数据 | 三个血管部位的成年小鼠血管组织 |
| 326 | 2025-07-15 |
Generating Synthetic Task-based Brain Fingerprints for Population Neuroscience Using Deep Learning
2025-May-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.03.606469
PMID:40654743
|
研究论文 | 提出了一种名为DeepTaskGen的深度学习方法，用于从静息态功能磁共振成像(rs-fMRI)数据生成未获取的任务相关对比图 | 能够从未获取的任务中生成合成任务图像，并在预测人口统计、认知和临床变量方面表现出与真实任务对比图相似或更优的性能 | 未明确提及具体限制，但可能依赖于rs-fMRI数据的质量和可用性 | 解决任务功能磁共振成像(tb-fMRI)在人群水平研究中的扩展挑战 | 人类大脑功能成像数据 | 神经科学 | NA | 深度学习 | DeepTaskGen | 功能磁共振成像(fMRI)数据 | 超过20,000名来自UK Biobank的个体 |
| 327 | 2025-07-15 |
scRegulate: Single-Cell Regulatory-Embedded Variational Inference of Transcription Factor Activity from Gene Expression
2025-May-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.17.649372
PMID:40654959
|
研究论文 | 开发了一个名为scRegulate的生成深度学习框架，用于从单细胞RNA测序数据中推断转录因子活性 | 结合了基因调控网络先验知识和变分推断，能够捕捉新颖、动态和上下文特定的调控互作 | 依赖于基因调控网络先验知识，可能无法完全覆盖所有未知的调控关系 | 从单细胞RNA测序数据中准确推断转录因子活性和基因调控网络 | 单细胞RNA测序数据和转录因子活性 | 计算生物学 | NA | 单细胞RNA测序(scRNA-seq) | 变分推断(Variational Inference) | 基因表达数据 | 多个公共实验数据集和合成数据集，包括Perturb-seq数据集和PBMC scRNA-seq数据 |
| 328 | 2025-07-15 |
MIST-Explorer: The Comprehensive Toolkit for Spatial Omic Analysis and Visualization of Single-Cell MIST Array Data
2025-May-04, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.29.650640
PMID:40654960
|
research paper | 介绍了一个名为MIST-Explorer的综合工具包，用于空间组学数据的分析和可视化 | 开发了一个用户友好的工具包，专门用于处理和分析空间MIST阵列数据，填补了现有工具的空白 | 未提及具体的使用限制或性能瓶颈 | 提供一个全面的工具包，以简化和优化空间组学数据的分析和可视化流程 | 空间MIST阵列数据 | digital pathology | NA | 空间MIST (Multiplex Tagging) | StarDist (deep learning-based segmentation) | image | NA |
| 329 | 2025-07-15 |
Improving RNA Secondary Structure Prediction Through Expanded Training Data
2025-May-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.03.652028
PMID:40654677
|
研究论文 | 通过扩展训练数据改进RNA二级结构预测 | 开发了一个大型多样化的RNA序列及其二级结构配对数据集，并验证了该数据集对提升深度学习模型预测能力的有效性 | MXfold2模型在大型RNASSTR数据集上重新训练时计算成本过高且性能不佳 | 提高RNA二级结构预测的准确性 | RNA序列及其二级结构 | 生物信息学 | NA | 深度学习 | SincFold, MXfold2 | RNA序列数据 | 大型多样化RNA数据集（RNASSTR） |
| 330 | 2025-07-15 |
Explainable deep learning for identifying cancer driver genes based on the Cancer Dependency Map
2025-May-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.28.651122
PMID:40654945
|
研究论文 | 本研究开发了xNNDriver和xAEDriver两种可解释的深度学习模型，用于识别癌症驱动基因和突变模式 | 结合生物信息学知识开发了监督学习模型xNNDriver和无监督可解释自编码器xAEDriver，能够量化基因作为癌症驱动因子的可能性并揭示突变模式 | 未明确说明模型在临床样本中的验证情况以及与其他方法的比较结果 | 开发可解释的深度学习方法来识别癌症驱动基因和突变模式 | 癌症驱动基因和突变 | 数字病理学 | 癌症 | 深度学习 | xNNDriver (监督学习), xAEDriver (自编码器) | 基因组依赖分数和突变状态数据 | 基于Cancer Dependency Map (DepMap)的肿瘤样本 |
| 331 | 2025-07-15 |
Accurate and fast segmentation of filaments and membranes in micrographs and tomograms with TARDIS
2025-May-01, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.19.629196
PMID:39763817
|
研究论文 | 介绍了一种名为TARDIS的深度学习框架，用于自动且准确地分割电子显微镜图像中的膜和丝状结构 | 采用新型几何变换器架构，首次实现了对这些结构的精确实例分割，将注释时间从数月缩短至几分钟 | 未提及在特定生物分子或应用场景下的性能限制 | 开发一种快速准确的生物大分子结构分割方法，以促进生物物理定量分析 | 电子显微镜图像中的膜和丝状结构 | 计算机视觉 | NA | 电子断层扫描(ET) | Transformer | 2D/3D电子显微图像 | 超过13,000个断层扫描图像 |
| 332 | 2025-07-15 |
A Novel Technique for Fluorescence Lifetime Tomography
2025-Apr-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.19.613888
PMID:39345436
|
研究论文 | 提出了一种基于深度神经网络的荧光寿命层析成像新技术AUTO-FLI，用于在深层组织中实现3D强度和定量寿命重建 | 开发了名为AUTO-FLI的深度学习模型，能够在厘米深度实现高散射介质中的3D定量荧光寿命成像 | 目前仅在模拟小鼠体模上进行实验验证，尚未在真实生物组织中进行广泛测试 | 解决深层组织中荧光寿命3D成像的技术挑战 | 高散射介质中的荧光寿命成像 | 生物医学成像 | NA | 荧光寿命成像(FLIM) | 深度神经网络(DL) | 3D成像数据 | 解剖学精确的小鼠模拟体模 |
| 333 | 2025-07-15 |
All-at-once RNA folding with 3D motif prediction framed by evolutionary information
2025-Apr-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.17.628809
PMID:39764046
|
research paper | 介绍了一种名为CaCoFold-R3D的概率语法模型，用于联合预测RNA的3D结构和二级结构 | CaCoFold-R3D利用RNA比对中的进化信息可靠地识别规范螺旋（包括假结），并引入了R3D语法，利用螺旋共变约束大部分非共变的RNA 3D模块的定位 | NA | 开发一种能够预测RNA 3D结构和二级结构的联合概率语法模型 | RNA的3D结构和二级结构 | computational biology | NA | probabilistic grammar, evolutionary information | CaCoFold-R3D | RNA sequence and alignment | over fifty known RNA motifs |
| 334 | 2025-07-15 |
Improving Identification of Drug-Target Binding Sites Based on Structures of Targets Using Residual Graph Transformer Network
2025-Feb-03, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15020221
PMID:40001524
|
研究论文 | 提出了一种基于目标结构的深度学习框架RGTsite，用于改进药物-靶标结合位点的识别 | 采用残差图Transformer网络（RGTsite）结合1D-CNN和ProtT5预训练模型，融合多模态信息以提升结合位点预测性能 | 未明确提及数据不平衡问题的具体解决方案或模型在极端不平衡场景下的表现 | 提升药物-靶标结合位点的识别准确性以加速药物开发流程 | 蛋白质靶标结构及其结合位点 | 生物信息学 | NA | 1D-CNN、ProtT5预训练模型、图Transformer网络（GTN） | Residual Graph Transformer Network (RGTsite) | 蛋白质序列数据、结构数据及理化性质 | 多个基准数据集（未明确具体数量） |
| 335 | 2025-07-15 |
A Vessel Bifurcation Landmark Pair Dataset for Abdominal CT Deformable Image Registration (DIR) Validation
2025-Jan-15, ArXiv
PMID:39876932
|
research paper | 该文章介绍了一种用于腹部CT可变形图像配准(DIR)验证的首创基准数据集，包含大量高精度的血管分叉标志点对 | 首次提供了腹部CT DIR验证的基准数据集，包含高精度的血管分叉标志点对，支持未来算法开发 | 数据集仅包含30名患者的腹部CT图像，可能不足以覆盖所有临床场景 | 开发一个用于验证腹部CT可变形图像配准算法的基准数据集 | 腹部CT图像和血管分叉标志点对 | digital pathology | NA | deep learning, deformable image registration | deep learning model | CT image | 30名患者的腹部CT图像，共1895个标志点对 |
| 336 | 2025-07-15 |
Physical and mental health management for the older adult using XGBoost algorithm supported by new media technology: developing personalized health intervention plans using healthcare data from the CLHLS database
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1535056
PMID:40520309
|
研究论文 | 本研究提出了一种结合新媒体技术的综合数字健康管理平台，旨在为老年人提供个性化的身心健康管理方案 | 结合LDA主题建模、ResNet50图像特征提取和XGBoost算法，构建多模态健康风险评估模型，并整合区块链技术确保数据安全 | 研究基于CLHLS数据库数据，可能受限于该数据库的样本覆盖范围和数据类型 | 开发精准智能的老年人健康管理解决方案，提升慢性病预防和生活质量 | 中国老年人群体（基于CLHLS数据库） | 数字健康 | 老年疾病 | LDA主题建模、ResNet50图像特征提取、XGBoost算法、区块链技术 | XGBoost、ResNet50、LDA | 多模态数据（文本+图像） | 中国老年健康影响因素跟踪调查(CLHLS)数据库数据（具体样本量未说明） |
| 337 | 2025-07-15 |
Integrating weighted gene co-expression network analysis and machine learning to elucidate neural characteristics in a mouse model of depression
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1564095
PMID:40656047
|
研究论文 | 通过整合加权基因共表达网络分析（WGCNA）和机器学习方法，研究抑郁症小鼠模型的神经生物学特征 | 结合WGCNA和随机森林算法识别与抑郁症发病密切相关的关键基因，为早期诊断和精准治疗提供理论支持和潜在生物标志物 | 研究仅基于小鼠模型，结果在人类中的适用性需要进一步验证 | 阐明抑郁症的神经生物学特征并识别潜在生物标志物 | 抑郁症小鼠模型 | 机器学习 | 抑郁症 | WGCNA, RNA-seq | 随机森林 | 基因表达数据 | 公共GEO数据集（如GSE102556）中的抑郁症相关小鼠模型数据 |
| 338 | 2025-07-15 |
A deep learning software tool for automated sleep staging in rats via single channel EEG
2025, NPP - digital psychiatry and neuroscience
DOI:10.1038/s44277-025-00035-y
PMID:40656054
|
研究论文 | 开发了一种基于深度学习的软件工具，用于通过单通道EEG自动对大鼠的睡眠阶段进行分类 | 使用深度学习模型自动化睡眠阶段分类，减少人工标注的工作量，并提供大量专家评分的睡眠数据供公开使用 | 研究仅基于16只大鼠的数据，样本量相对较小 | 开发一种自动化方法，用于分类大鼠的三种睡眠阶段（REM/反常睡眠、NREM/慢波睡眠和清醒） | 大鼠的单通道EEG数据 | 机器学习 | 睡眠相关病理 | 单通道EEG | DNN | EEG数据 | 16只大鼠，每只进行两次24小时记录 |
| 339 | 2025-07-15 |
Integrating Deep Learning and Radiomics in Differentiating Papillary Thyroid Microcarcinoma from Papillary Thyroid Carcinoma with Ultrasound Images
2025, Cancer management and research
IF:2.5Q3
DOI:10.2147/CMAR.S507943
PMID:40656136
|
research paper | 研究探讨了基于超声的放射组学、深度学习和两者结合模型在区分甲状腺乳头状癌和甲状腺微小乳头状癌中的可行性和准确性 | 结合深度学习和放射组学模型，提高了区分甲状腺乳头状癌和甲状腺微小乳头状癌的能力 | 研究样本来自两家医院，可能存在一定的选择偏差 | 减少甲状腺微小乳头状癌的过度治疗风险 | 甲状腺乳头状癌和甲状腺微小乳头状癌患者 | digital pathology | thyroid cancer | ultrasound imaging | VGG13, VGG16, VGG19, AlexNet, EfficientNet | image | 549名患者（180例甲状腺乳头状癌和436例甲状腺微小乳头状癌结节） |
| 340 | 2025-07-15 |
A nnU-Net-based automatic segmentation of FCD type II lesions in 3D FLAIR MRI images
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1601815
PMID:40656161
|
research paper | 本研究使用nnU-Net框架自动分割3D FLAIR MRI图像中的FCD II型病变 | 采用自动切片选择方法，根据峰值体素强度对轴向FLAIR切片进行排序，并保留每个扫描中排名前五的切片，使网络专注于病变丰富的切片 | 研究仅针对85名FCD II型患者，样本量相对较小 | 提高癫痫患者FCD II型病变检测的准确性和速度，以改善术前评估和治疗效果 | FCD II型患者的3D FLAIR MRI图像 | digital pathology | epilepsy | 3D FLAIR MRI | nnU-Net | image | 85名FCD II型患者 |