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
3421	2025-04-20	Inter-organ correlation based multi-task deep learning model for dynamically predicting functional deterioration in multiple organ systems of ICU patients 2025-Apr-16, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00445-w PMID:40241105	research paper	本研究提出了一种基于器官间相关性的多任务深度学习模型（IOC-MT），用于动态预测ICU患者六个器官系统的功能恶化	使用图注意力网络（GAT）模块捕捉器官间相关性，并采用自适应调整机制（AAM）调整预测	研究仅基于三个公共ICU数据库，可能无法涵盖所有ICU患者的情况	开发一个有效的多任务模型，以同时预测多个器官系统的功能恶化	ICU患者	machine learning	geriatric disease	deep learning, GAT, LSTM, GRU, Transformer	IOC-MT, LSTM, GRU, Transformer, RF	clinical data	三个公共ICU数据库的数据
3422	2025-04-20	AI-assisted SERS imaging method for label-free and rapid discrimination of clinical lymphoma 2025-Apr-16, Journal of nanobiotechnology IF:10.6Q1 DOI:10.1186/s12951-025-03339-5 PMID:40241186	研究论文	开发了一种基于AI辅助的SERS成像方法，用于无标记和快速鉴别临床淋巴瘤	提出了一种分子成像策略，用于微创淋巴瘤诊断，通过SERS芯片和深度学习模型实现快速识别	当前方法仍依赖于分析宽视野病理图像，限制了其在微创病变中的适用性	开发一种快速、无标记的淋巴瘤诊断方法	正常淋巴组织和非霍奇金淋巴瘤（NHL）组织的临床样本	数字病理	淋巴瘤	表面增强拉曼散射（SERS）	深度卷积神经网络（CNN）	拉曼图像	临床样本（具体数量未提及）
3423	2025-04-20	3D Hyperspectral Data Analysis with Spatially Aware Deep Learning for Diagnostic Applications 2025-Apr-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05549 PMID:40179245	研究论文	本研究探讨了在拉曼高光谱扫描数据中保留空间信息用于分析的可行性，并应用空间感知深度学习算法对结直肠组织数据集进行了分析	提出了利用3D拉曼高光谱扫描的空间邻近信息来提高深度学习模型性能的方法，相较于传统的1D光谱数据分类方法具有创新性	可能会增加网络训练的复杂性	研究保留拉曼光谱空间信息用于数据分析的可行性	结直肠组织数据集和胆管癌数据集	计算机视觉	结直肠癌	拉曼光谱	3D U-Net, CNN	3D高光谱图像	包含正常、增生、腺瘤、癌变组织以及伪影的拉曼光谱数据
3424	2025-04-20	BERT-AmPEP60: A BERT-Based Transfer Learning Approach to Predict the Minimum Inhibitory Concentrations of Antimicrobial Peptides for Escherichia coli and Staphylococcus aureus 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01749 PMID:40086449	研究论文	提出了一种基于BERT架构的深度学习模型BERT-AmPEP60，用于预测抗菌肽对大肠杆菌和金黄色葡萄球菌的最小抑菌浓度	首次将BERT架构与迁移学习策略结合，用于抗菌肽活性的定量预测，相比现有方法在准确性和相关性上均有显著提升	研究仅针对两种特定细菌（大肠杆菌和金黄色葡萄球菌），未验证在其他病原体上的泛化能力	开发能够定量预测抗菌肽活性的计算方法，以解决现有二元分类方法的局限性	抗菌肽（AMPs）及其对大肠杆菌（EC）和金黄色葡萄球菌（SA）的最小抑菌浓度（MIC）	自然语言处理	NA	BERT架构、迁移学习	BERT	蛋白质序列	未明确说明样本总量，采用10%留出法作为测试集进行五次独立实验
3425	2025-04-20	Integrative Computational Analysis of Common EXO5 Haplotypes: Impact on Protein Dynamics, Genome Stability, and Cancer Progression 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00067 PMID:40115981	研究论文	本研究通过整合基因组和临床数据分析、深度学习变异效应预测及分子动力学模拟，探讨了常见EXO5单倍型对蛋白质结构、动力学及癌症结果的影响	采用综合方法分析常见EXO5单倍型对蛋白质结构和功能的影响，并揭示其与癌症进展的关联	研究结果主要基于计算模拟和数据库分析，缺乏实验验证	探究常见遗传变异对蛋白质功能及疾病结果的影响	EXO5基因及其编码的蛋白质	计算生物学	癌症（前列腺癌和胰腺癌）	基因组数据分析、深度学习、分子动力学（MD）模拟	深度学习模型	基因组数据、临床数据	来自不同人群的EXO5单倍型数据及The Cancer Genome Atlas数据库中的癌症患者数据
3426	2025-04-20	A Deep Retrieval-Enhanced Meta-Learning Framework for Enzyme Optimum pH Prediction 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02291 PMID:40127128	研究论文	本文提出了一种基于深度检索增强元学习框架的酶最适pH预测模型Venus-DREAM	Venus-DREAM将酶pH预测视为少样本学习任务，利用NN算法和Reptile算法实现最先进的预测精度	未提及具体的数据集规模或模型在极端pH值下的表现	开发高效的计算方法来预测酶的最适pH值，以支持酶的设计和应用	酶的最适pH值预测	机器学习	NA	少样本学习、NN回归算法、蛋白质语言模型(PLMs)	Venus-DREAM（基于NN算法和Reptile算法）	蛋白质序列数据	未明确提及具体样本量
3427	2025-04-20	Can Deep Learning Blind Docking Methods be Used to Predict Allosteric Compounds? 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00331 PMID:40167386	research paper	本文探讨了深度学习盲对接方法在预测变构化合物中的应用，并评估了其在虚拟筛选中的潜力	提出了一种基于数据驱动的最小距离矩阵表示（MDMR）方法，用于预测变构抑制剂与CDK2的复合物，并识别了其他启发式方法未能区分的中间蛋白质构象	研究仅针对CDK2进行了验证，未在其他蛋白质或系统中进行广泛测试	评估深度学习盲对接方法在预测变构化合物结合模式中的效用	变构化合物与Cyclin-Dependent Kinase (CDK) 2的复合物	machine learning	NA	DiffDock, Lin_F9 Local Re-Docking	深度学习模型	蛋白质-配体复合物数据	NA
3428	2025-04-20	Application of Deep Learning to Predict the Persistence, Bioaccumulation, and Toxicity of Pharmaceuticals 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02293 PMID:40178174	research paper	本研究探讨了深度学习模型（特别是通过Chemprop实现的消息传递神经网络MPNN）在预测药物化合物的持久性、生物累积性和毒性（PBT）特性中的应用	采用聚类策略公平评估模型性能，并识别潜在的PBT化学物质及其相关亚结构，为药物设计早期阶段提供环境风险预警	未明确提及模型在跨类别化合物或复杂环境中的泛化能力	开发环境友好的药物候选分子并保持其治疗功效	药物化合物及其PBT特性	machine learning	NA	deep learning (DL), message-passing neural network (MPNN)	MPNN	chemical compound data	未明确提及具体样本量（聚焦于药物相关分子集）
3429	2025-04-20	Rapid pathologic grading-based diagnosis of esophageal squamous cell carcinoma via Raman spectroscopy and a deep learning algorithm 2025-Apr-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i14.104280 PMID:40248385	research paper	该研究利用拉曼光谱和深度学习算法快速诊断食管鳞状细胞癌的病理分级	提出了一种1D-transformer网络模型用于分类食管鳞状细胞癌的光谱数据，并结合深度学习模型可视化拉曼光谱数据并解释其分子特征	样本量相对较小（360组拉曼光谱数据），可能需要更大样本量验证模型的泛化能力	检测食管肿瘤不同阶段的拉曼光谱信息变化，提高分类准确性	不同分级的食管病变组织	digital pathology	esophageal squamous cell carcinoma	Raman spectroscopy	1D-transformer network	spectral data	360组拉曼光谱数据
3430	2025-04-20	Uncertainty-aware segmentation quality prediction via deep learning Bayesian Modeling: Comprehensive evaluation and interpretation on skin cancer and liver segmentation 2025-Apr-13, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102547 PMID:40250215	research paper	提出了一种无需真实标注即可预测分割质量的新框架，通过贝叶斯建模和不确定性估计来评估分割质量	引入了两种互补框架，结合不确定性图和预测分割图，以及原始输入图像，提出贝叶斯适应的分割模型，并提出了聚合策略将多个不确定性估计合并为一个分数	未提及具体局限性	解决临床环境中无手动标注时分割质量评估的挑战	2D皮肤病变和3D肝脏分割数据集	digital pathology	skin cancer, liver disease	Monte Carlo Dropout, Ensemble, Test Time Augmentation	SwinUNet, Feature Pyramid Network with ResNet50	image	HAM10000数据集和3D肝脏分割数据集
3431	2025-04-20	Automatic Generation of Liver Virtual Models with Artificial Intelligence: Application to Liver Resection Complexity Prediction 2025-Apr-11, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006722 PMID:40211963	研究论文	本研究开发了一种基于人工智能的自动工具，用于从术前CT扫描预测肝切除手术的复杂性	提出了一种新的解剖参考框架（HCZ）和全自动管道来量化肿瘤位置，并通过AI模型预测手术复杂性	研究仅针对145名HCC患者，样本量有限	预测肝切除手术的复杂性以改善手术规划	肝切除手术患者	数字病理	肝癌	Deep Learning	NA	CT扫描图像	145名HCC患者
3432	2025-04-20	CASCADE-FSL: Few-shot learning for collateral evaluation in ischemic stroke 2025-Apr-11, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102550 PMID:40250214	研究论文	提出了一种名为CASCADE-FSL的新方法，用于在缺血性卒中中评估侧支循环，通过小样本学习有效区分不良侧支循环	采用小样本学习方法处理不平衡数据集，将良好和中等级别的侧支循环作为正常类别，将不良侧支循环作为异常进行识别	数据集规模小且不平衡，可能影响模型的泛化能力	减少放射科医师评估中的变异性并节省时间，准确识别不良侧支循环病例	缺血性卒中患者的侧支循环评估	数字病理学	缺血性卒中	小样本学习	2D ResNet-50	图像	小规模且不平衡的数据集
3433	2025-04-20	PursuitNet: A deep learning model for predicting competitive pursuit-like behavior in mice 2025-Apr-08, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149634 PMID:40210144	研究论文	本文介绍了PursuitNet，一种深度学习框架，专门用于模拟捕食-逃跑场景中的竞争性实时动态	PursuitNet采用轻量级架构，通过Graph Convolutional Networks和Temporal Convolutional Networks显式建模动态交互和空间关系，融合速度和加速度数据预测变化	该框架专门针对快速变化的轨迹，可能不适用于其他类型的运动模式	研究捕食-逃跑行为的动态交互，以加深对捕食者-猎物动力学的理解，并为交互式机器人和自主系统的设计提供信息	实验室小鼠与磁控机器人诱饵的追逐行为	机器学习	NA	深度学习	Graph Convolutional Networks, Temporal Convolutional Networks	轨迹数据	Pursuit-Escape Confrontation (PEC)数据集
3434	2025-04-20	Explainable Deep Learning to Predict Kelp Geographical Origin from Volatile Organic Compound Analysis 2025-Apr-04, Foods (Basel, Switzerland) DOI:10.3390/foods14071269 PMID:40238501	research paper	该研究通过分析海藻中的挥发性有机化合物（VOCs）并结合可解释的深度学习技术，预测海藻的地理来源	首次将可解释的深度学习技术应用于海藻地理来源的预测，通过SHAP分析揭示了关键VOCs对模型输出的影响	研究样本中仅识别出68种可区分的VOCs，可能限制了模型的泛化能力	开发一种可解释的深度学习模型，用于通过VOCs分析预测海藻的地理来源	海藻样本中的挥发性有机化合物（VOCs）	machine learning	NA	气相色谱-离子迁移谱（GC-IMS）	1D-CNN	化学分析数据	包含115种不同VOCs的海藻样本，其中68种可区分
3435	2025-04-20	The STRIPED Dietary Supplement Label Explorer: A Tool to Identify Supplements Sold with Weight-Loss, Muscle-Building, and Cleanse/Detox Claims 2025-Apr, The Journal of nutrition IF:3.7Q2 DOI:10.1016/j.tjnut.2025.02.007 PMID:39954739	research paper	开发了一个名为STRIPED Dietary Supplement Label Explorer的工具，用于识别和分类具有减肥、增肌和排毒/清洁声称的膳食补充剂标签	利用公开的膳食补充剂标签数据库(DSLD) API，开发了一个易于使用的工具，结合系统启发式方法和多模态深度学习模型来分类补充剂标签	系统启发式方法在效率上不如深度学习模型，需要更多的人力劳动时间	创建一个全面的数据库，便于搜索具有减肥、增肌和排毒/清洁声称的膳食补充剂	美国销售的膳食补充剂标签	自然语言处理	NA	API调用、系统启发式方法、多模态深度学习	多模态深度学习模型	文本	4745个DSLD标签
3436	2025-04-20	Multiscale Dissection of Spatial Heterogeneity by Integrating Multi-Slice Spatial and Single-Cell Transcriptomics 2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202413124 PMID:39999288	research paper	提出了一种名为SMILE的新型深度学习方法，用于整合多切片空间和单细胞转录组数据，以多尺度解析空间异质性	SMILE结合了图对比自编码器和多层感知器，具有局部约束，能够学习多尺度且信息丰富的点表示，同时在空间对齐、域识别和细胞类型解卷积方面表现出色	未明确提及具体局限性，但可能依赖于先验域注释信息以进一步提升性能	开发一种能够同时解析不同尺度空间变异和揭示疾病条件下细胞微环境变化的方法	空间分辨转录组学(SRT)数据	生物信息学	NA	空间分辨转录组学(SRT)，单细胞转录组学	图对比自编码器，多层感知器(MLP)	空间转录组数据，单细胞转录组数据	模拟和真实数据集（具体数量未提及）
3437	2025-04-20	Psychedelic Drugs in Mental Disorders: Current Clinical Scope and Deep Learning-Based Advanced Perspectives 2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202413786 PMID:40112231	review	本文综述了迷幻药物在精神障碍治疗中的当前临床范围及基于深度学习的先进视角	探讨了迷幻药物的多样化药理作用，并提出了基于深度学习的药物开发新方法	迷幻药物的精确处方机制尚不明确，需要进一步研究优化药物开发	优化迷幻药物的开发，以提升精神障碍的治疗效果	精神障碍（如焦虑、重度抑郁症、自闭症谱系障碍）及迷幻药物（如裸盖菇素和LSD）	machine learning	mental disorders	deep learning	NA	big data	NA
3438	2025-04-20	Emerging frontiers in protein structure prediction following the AlphaFold revolution 2025-Apr, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0886 PMID:40233800	综述	本文探讨了深度学习驱动的蛋白质结构预测工具AlphaFold带来的革命性进展及其在高级应用中的应用	聚焦于AlphaFold革命后蛋白质结构预测的前沿应用，并提出了报告AlphaFold预测的指南	未提及具体实验验证或实际应用案例的局限性	探讨蛋白质结构预测工具在生物学、化学和计算机科学交叉领域的应用	蛋白质结构及其与其他生物分子的相互作用	生物信息学	NA	深度学习	AlphaFold	蛋白质结构数据	数百万个蛋白质结构模型
3439	2025-04-20	Deep mutational learning for the selection of therapeutic antibodies resistant to the evolution of Omicron variants of SARS-CoV-2 2025-Apr, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01353-4 PMID:40044817	研究论文	通过深度突变学习筛选对SARS-CoV-2 Omicron变体进化具有抵抗力的治疗性抗体	利用深度学习和突变库筛选技术，预测和优化抗体对SARS-CoV-2变体的抵抗能力	研究主要针对Omicron BA.1变体，对其他变体的适用性未明确验证	开发对SARS-CoV-2变体具有广谱抵抗力的治疗性抗体	SARS-CoV-2的受体结合域（RBD）及其突变体	机器学习	COVID-19	深度突变学习、深度测序、深度学习模型	ensemble deep-learning models	基因序列数据	Omicron BA.1变体的全长度RBD突变库
3440	2025-04-20	The Application of Artificial Intelligence in Spine Surgery: A Scoping Review 2025-Apr-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews DOI:e24.00405 PMID:40239218	综述	本文对人工智能在脊柱外科手术中的应用进行了范围性综述	提供了关于人工智能在脊柱外科手术中应用的全面综述，填补了该领域的空白	仅纳入了2020年至2024年的研究，且排除了缺乏临床重点的文章	探讨人工智能在脊柱外科手术中的应用现状和潜力	脊柱外科手术中的人工智能应用研究	医疗人工智能	脊柱疾病	监督学习和深度学习	常规机器学习和深度学习	医学图像和临床数据	105项研究，其中27项涉及超过1000名患者的数据