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
3381	2025-10-06	An enhancement of multi-scope topological graph pooling and representation learning with attention for molecular graph classification 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108548 PMID:40554399	研究论文	提出一种新型注意力增强的多尺度拓扑图池化策略AETP，用于分子图表示学习和分类任务	开发了注意力增强的多尺度拓扑图池化策略，能够同时提取判别性拓扑结构信息和图级变化，克服现有方法在保留复杂结构图多尺度表示方面的不足	主要针对复杂且小规模的分子图表示学习和分类任务，在其他类型图数据上的适用性需要进一步验证	提升分子图分类任务的性能，通过拓扑数据分析和深度学习相结合增强图表示学习	分子图数据	图神经网络	NA	拓扑数据分析(TDA)，持久同调，地标提取	图神经网络(GNN)	图数据	多个真实世界分子数据集：FDA_DILIst, T3DB_Toxin_2, Eye_Irritation, Eye_Corrosion	NA	AETP（注意力增强拓扑池化），对比基线包括：GCN, GraphSAGE, GAT, GIN, GINE, UniMP, GATv2, TOGL, TopoPool	NA	NA
3382	2025-10-06	FrAdadelta-CSA: Fractional Adadelta Chameleon Swarm Algorithm-based feature selection with SpikeGoogle-DenseNet for epileptic seizure detection 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108550 PMID:40554820	研究论文	提出一种基于分数阶Adadelta变色龙群算法特征选择和SpikeGoogle-DenseNet混合模型的癫痫发作检测方法	将分数阶微积分概念集成到Adadelta变色龙群算法中，并采用SpikeGoogle和DenseNet的混合模型进行癫痫检测	NA	开发基于深度学习的癫痫发作识别机制	癫痫患者的脑电图信号	机器学习	癫痫	短时傅里叶变换，脑电图信号处理	深度学习，混合模型	脑电图信号	NA	NA	SpikeGoogle-DenseNet	准确率，灵敏度，特异性	NA
3383	2025-10-06	A systematic framework enhancing molecular screening efficiency in drug discovery via scaffold-driven fuzzy similarity and adaptive spectral clustering 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108559 PMID:40582252	研究论文	提出一种创新的分子筛选和聚类方法，通过分子骨架和模糊相似性分类提高药物发现效率	引入分子骨架概念和模糊分子相似性分类方法，结合自适应高斯核函数改进谱聚类性能	仅使用PubChem数据库的公开数据，未在其他数据集上验证	提高药物发现过程中分子筛选效率和生物活性预测准确性	药物分子化合物	机器学习	NA	分子筛选，QSAR模型	谱聚类	分子结构数据	使用PubChem数据库中的实验数据，以1-萘酚为目标分子	NA	自适应谱聚类	筛选效率，聚类性能	NA
3384	2025-10-06	GC-PGE: A novel deep learning model for tumor drug resistance prediction and core resistance gene extraction based on graph and signaling pathways 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108578 PMID:40614480	研究论文	提出一种基于图神经网络和信号通路的新型深度学习模型GC-PGE，用于预测肿瘤耐药性并识别核心耐药基因	首次将基因相关性网络与信号通路信息结合，采用贝叶斯学习方法将耐药基因预测和肿瘤样本分类任务整合到统一架构中，实现任务间的相互验证和增强	未明确说明模型在不同肿瘤类型间的泛化能力，也未详细讨论计算复杂度问题	开发能够准确预测肿瘤耐药性并识别核心耐药基因的计算模型	肝癌、卵巢癌和黑色素瘤的肿瘤样本及相关基因数据	生物信息学, 机器学习	肝癌, 卵巢癌, 黑色素瘤	多维组学数据整合, 信号通路分析	图神经网络, 贝叶斯学习	基因表达数据, 蛋白质相互作用数据, 信号通路数据	NA	NA	GC-PGE（基因相关性和通路图编码器网络）	预测准确性, 基因识别性能	NA
3385	2025-10-06	DeepELR: Deep learning-based energy and link stability aware routing in IoT for heart disease classification 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108574 PMID:40627942	研究论文	提出一种基于深度学习的能量和链路稳定性感知路由算法DeepELR，用于物联网环境下的心脏病分类	开发了DeepELR路由算法，结合深度递归神经网络预测节点能量和链路稳定性，并采用改进的麻雀搜索算法进行集成学习	NA	开发心脏病检测方法并集成到物联网范式中，设计有效的路由算法传输医疗数据	心脏病患者监测数据	物联网	心脏病	深度学习，集成学习	DRNN, RNN, 集成学习	物联网传感器数据	NA	NA	深度递归神经网络	能量消耗，包传输率，链路稳定性	NA
3386	2025-10-06	Revolutionizing medical imaging: A cutting-edge AI framework with vision transformers and perceiver IO for multi-disease diagnosis 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108586 PMID:40633409	研究论文	提出结合Vision Transformers和Perceiver IO的混合AI框架，用于医学影像多疾病诊断	首次将ViT和Perceiver IO应用于神经系统疾病、皮肤疾病和肺部疾病的多疾病分类，在准确性、计算效率和临床可解释性方面优于传统架构	NA	解决传统深度学习模型在医学影像分类中泛化能力差、假阳性率高和难以区分重叠解剖特征的问题	神经系统疾病（中风、阿尔茨海默症）、皮肤疾病（癣、黑色素瘤）、肺部疾病（肺癌、肺炎）	计算机视觉	多疾病诊断	医学影像分析	Vision Transformer, Perceiver IO	医学影像（CT、MRI、X射线、皮肤镜图像）	多个公开数据集：脑中风预测CT扫描图像数据集、最佳阿尔茨海默MRI数据集、皮肤疾病数据集、HAM10000/HAM10k数据集、肺癌图像数据集、肺炎数据集	NA	Vision Transformer, Perceiver IO	准确率, 精确率, 召回率, F1分数	NA
3387	2025-10-06	Integrative review of intelligent nuchal translucency for genetic disorder 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108597 PMID:40684521	综述	本文系统回顾了智能颈项透明层筛查技术在遗传疾病检测中的应用研究	首次对深度学习技术在颈项透明层筛查领域的研究进行系统性梳理，识别了传统方法的局限性并指明机器学习方法的发展方向	仅纳入53篇相关研究论文，可能存在文献覆盖不全的问题	分析颈项透明层筛查技术的现状，探索深度学习技术在该领域的应用潜力	颈项透明层筛查相关的研究论文	医学影像分析	染色体异常和先天性心脏病	NA	深度学习	研究论文文献	53篇研究论文	NA	NA	性能指标和统计检验	NA
3388	2025-10-06	PreAIS: Prediction of A-to-I editing sites based on DNN-CNN deep learning models 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108612 PMID:40749520	研究论文	提出基于DNN-CNN深度学习模型的PreAIS方法用于预测A-to-I RNA编辑位点	结合K-mer特征提取与DNN-CNN混合架构，在准确性和泛化能力上优于现有最佳模型	NA	开发高精度的A-to-I RNA编辑位点预测工具	A-to-I RNA编辑位点	机器学习	NA	Sanger测序	DNN, CNN	基因组序列数据	数据集1和数据集2（具体数量未明确），包含58个经Sanger验证的人类A-to-I编辑位点	NA	DNN-CNN混合架构	准确率, 特异性, 灵敏度	NA
3389	2025-10-06	Fertilizer prediction using serial exponential newton meta-heuristic algorithm-based convolutional neural network in IoT-based WSNs 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108561 PMID:40570467	研究论文	提出一种基于序列指数牛顿元启发式算法优化的一维卷积神经网络，用于物联网无线传感器网络中的肥料预测	整合牛顿元启发式算法和序列指数加权移动平均法开发SExpNMA算法，用于簇头路由选择和优化CNN分类器参数	NA	通过深度学习模型提高物联网无线传感器网络中肥料预测的准确性	无线传感器网络采集的农业数据	机器学习	NA	物联网无线传感器网络	1D CNN, BiLSTM	传感器时序数据	NA	NA	一维卷积神经网络, 双向长短期记忆网络	准确率, 敏感度, 特异度	NA
3390	2025-10-06	AI-Driven molecule generation and bioactivity prediction: A multi-model approach combining VAE, graph and language-based neural networks 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108532 PMID:40550191	研究论文	本文提出一种结合VAE、图神经网络和语言模型的多模型方法，用于抗癌小分子生成和生物活性预测	首次将变分自编码器、多种图神经网络和预训练语言模型集成到统一框架中，采用平均和堆叠两种集成方法进行生物活性预测	研究仅针对乳腺癌肿瘤的6种癌细胞系进行验证，未扩展到其他癌症类型	开发深度学习模型加速抗癌药物发现过程	抗癌小分子化合物	机器学习	乳腺癌	深度学习	VAE, GNN, Transformer	分子结构数据, SMILES序列	包含多个化合物的乳腺癌肿瘤数据集，涵盖6种癌细胞系	PyTorch, TensorFlow	VAE, GAT, GCN, MPNN, ChemBERTa	皮尔逊相关系数	NA
3391	2025-10-06	MJnet: A lightweight RNN-based model for microRNA target site prediction 2025-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108603 PMID:40737827	研究论文	提出一种基于双向门控循环单元的轻量级深度学习模型MJnet，用于microRNA靶位点预测	结合简单C2编码、多尺度一维卷积网络和自注意力机制，在保持低计算成本的同时捕获局部序列特征和全局上下文依赖	NA	开发轻量高效且可解释的microRNA靶位点预测方法	microRNA靶位点	自然语言处理	NA	深度学习	RNN, BiGRU, CNN	序列数据	实验验证数据集	NA	BiGRU, TextCNN, 自注意力机制	准确率, F1分数, 鲁棒性	NA
3392	2025-10-06	A multi-task deep sequential neural network for IgA nephropathy Oxford classification and prognosis prediction 2025-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106052 PMID:40743805	研究论文	开发了一个用于IgA肾病牛津分类和预后预测的多任务深度序列神经网络	首次提出集成病变分割、肾小球分类、牛津MEST-C评分和预后预测的多任务模型	样本量相对有限，仅在中国两家医院进行验证	开发集成多任务的深度学习模型以改善IgA肾病的病理分析和预后预测	IgA肾病患者的肾脏病理数据	数字病理学	IgA肾病	深度学习	深度序列神经网络	病理图像	PLAG医院数据集245例，中日友好医院数据集32例	NA	深度序列神经网络	Dice系数, Kappa值, AUC	NA
3393	2025-10-06	From droplets to diagnosis: AI-driven imaging and system integration in digital nucleic acid amplification testing 2025-Nov-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117741 PMID:40664140	综述	系统综述人工智能驱动的荧光图像分析在数字核酸扩增检测中的应用与发展	首次系统整合AI在dNAAT荧光图像分析中的应用，提出将dNAAT重新定义为五个阶段的结构化框架，并探索AI原生平台的转化机遇	数据稀缺性和模型泛化能力等关键限制	推动数字核酸扩增检测在即时检测中的广泛应用	数字核酸扩增检测技术及其在精准诊断中的应用	数字病理	NA	数字PCR、等温扩增技术、荧光成像	深度学习、基础模型	荧光图像	NA	NA	SAM, ViT, GPT-4o	NA	NA
3394	2025-10-06	Deep learning estimations of the production cross sections of 77Br medical radionuclide 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112003 PMID:40517722	研究论文	本研究利用深度学习算法改进溴-77医用放射性核素生产截面的预测	首次将深度学习算法应用于溴-77放射性核素生产截面的预测，相比传统TALYS代码计算能更准确地符合实验值	仅针对特定核反应类型进行研究，未验证其他可能的核反应途径	提高医用放射性核素溴-77生产截面的预测精度	溴-77放射性核素	机器学习	NA	核反应截面测量	人工神经网络	核反应实验数据	来自EXFOR核反应数据库的实验截面数据	Python	NA	与实验值符合度	NA
3395	2025-10-06	Combining deep learning algorithm and a-star algorithm to increase the accuracy of tracking lost gamma source 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112001 PMID:40532512	研究论文	提出一种结合深度学习算法和A-star算法的自动搜索算法ACR，用于提高丢失伽马源的追踪精度	首次将CNN和RNN两种深度学习算法与A-star路径规划算法相结合，用于伽马源追踪任务	研究基于MCNP模拟数据，未提及在真实环境中的验证结果	开发高精度的自动搜索算法来定位丢失的伽马源	丢失的伽马辐射源	机器学习	NA	蒙特卡洛N粒子(MCNP)模拟	CNN, RNN	辐射剂量率数据	81个网格的模拟辐射数据	NA	CNN-RNN混合架构	平均步数, 失败率	NA
3396	2025-10-06	DeepNSI: Element identification in experimental photoneutron spectra for illicit material detection 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112014 PMID:40580656	研究论文	提出DeepNSI深度学习框架，用于在光子诱导中子谱中识别元素组成以检测非法材料	开发了基于元素特定卷积神经网络集成的新型框架，结合蒙特卡洛Dropout提供预测不确定性，并采用非负最小二乘后处理重构实验谱	NNLS系数受核截面影响，不能直接解释为浓度值	开发用于非法材料检测的元素组成识别方法	光子诱导中子谱中的元素组成，特别是氮和氧等轻元素	机器学习	NA	光中子谱法	CNN	中子谱数据	模拟和实验光中子谱混合数据集	NA	卷积神经网络集成	预测不确定性估计	NA
3397	2025-10-06	DHR-Net: Dynamic Harmonized registration network for multimodal medical images 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112031 PMID:40633305	研究论文	提出一种基于动态协调注册框架的端到端多模态医学图像配准方法DHR-Net	提出动态协调注册框架和基于噪声对比估计的损失函数，采用动态温度调整机制优化特征对比约束	NA	解决多模态医学图像配准中解剖结构一致性不足和形变场优化不稳定的问题	心脏医学图像	医学图像处理	心血管疾病	深度学习	CNN	医学图像	M&M心脏数据集	NA	级联两阶段架构（包含翻译网络和配准网络）	配准精度, 形变场平滑度, 跨模态鲁棒性	NA
3398	2025-10-06	Exploring Biginelli hybrids in the AI-driven development of ruthenium complexes: Anticancer activity, DNA/HSA binding study, impacts on apoptosis and BCL-2/BCL-XL suppression 2025-Nov, Journal of inorganic biochemistry IF:3.8Q1 DOI:10.1016/j.jinorgbio.2025.112988 PMID:40644785	研究论文	本研究利用深度学习模型设计具有抗癌潜力的四氢嘧啶及其钌对伞花烃配合物，并通过实验验证其抗癌活性和作用机制	首次将深度学习模型应用于钌配合物的结合亲和力预测，并系统研究其对癌细胞凋亡和BCL-2/BCL-XL抑制的影响	仅针对特定类型的钌配合物进行研究，样本量有限，需要进一步扩大化合物库验证	开发新型钌基抗癌药物并研究其作用机制	四氢嘧啶类化合物及其钌对伞花烃配合物	药物发现	癌症	深度学习，分子对接，结合亲和力预测	深度学习模型	化学结构数据，结合能数据	10个结合能低于-31.3 kJ/mol的化合物	NA	NA	结合能，结合常数，细胞毒性活性	NA
3399	2025-10-06	Deep neural network predictions for excitation functions of 165Ho(α,xn) reactions 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112075 PMID:40749638	研究论文	本研究使用深度神经网络预测165Ho(α,xn)反应的激发函数，并与传统核反应模型进行比较	首次将多种激活函数(ReLU、ELU、LeakyReLU、SiLU、Mish、PReLU)的深度神经网络应用于核反应截面预测	仅针对特定核反应体系进行研究，未验证在其他核反应中的普适性	提高核反应截面预测的准确性	165Ho(α,n)Tm、Ho(α,2n)Tm、Ho(α,3n)Tm和Ho(α,4n)Tm反应的激发函数	机器学习	NA	核反应实验数据采集、深度神经网络	DNN	核反应截面数据	来自EXFOR数据库的实验数据	PyTorch	深度神经网络	与实验数据的一致性	NA
3400	2025-10-06	CCLDA: prediction of lncRNA-disease associations based on Convolutional Block Attention Module and Capsule Network 2025-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103238 PMID:40819606	研究论文	提出一种基于卷积注意力模块和胶囊网络的lncRNA-疾病关联预测新方法CCLDA	首次将卷积注意力模块(CBAM)与胶囊网络结合用于lncRNA-疾病关联预测，通过通道和空间维度特征加权提升模型性能	未明确说明模型在独立验证集上的泛化能力及计算复杂度分析	预测潜在的lncRNA-疾病关联以促进疾病诊断和治疗研究	长链非编码RNA(lncRNA)与疾病的关联关系	生物信息学	多种疾病	深度学习	胶囊网络,自编码器	相似性矩阵(功能相似性、高斯相似性、序列相似性、语义相似性)	两个数据集上的lncRNA-疾病对	NA	卷积注意力模块(CBAM),胶囊网络,多层自编码器	预测得分	NA