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
3521	2026-08-21	Bidirectional de novo peptide sequencing using a transformer model 2024-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011892 PMID:38416757	研究论文	提出了一种名为NovoB的Transformer模型，用于从串联质谱数据中双向预测肽序列，以提高de novo测序的准确性。	首次将Transformer模型应用于双向de novo肽测序，同时从肽序列的首尾氨基酸开始预测，利用b离子和y离子碎片共存的特点，显著提升预测性能。	未提供具体的局限性信息，可能包括模型复杂性和训练数据需求等。	开发一种改进的深度学习方法，用于从串联质谱数据中准确预测肽序列。	肽序列，特别是来自不同物种的质谱数据中的肽段。	蛋白质组学	NA	串联质谱（Tandem Mass Spectrometry）	Transformer	质谱数据	所有物种的样本，具体数量未提供。	NA	Transformer	肽级准确率（peptide-level accuracy）	NA
3522	2026-08-21	DeepD3, an open framework for automated quantification of dendritic spines 2024-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011774 PMID:38422112	研究论文	提出了一个开放框架DeepD3，利用深度学习全自动量化显微镜数据中的树突棘。	利用多专家注释和分割的训练数据训练神经网络，提供全自动且稳健的树突棘量化方法，并公开了完整框架、基准数据集和模型库，解决了树突棘数据公开可用性缺乏的问题。	未在摘要中明确提及局限性，但可能存在对不同实验条件的泛化限制和依赖高质量训练数据。	开发一个全自动、稳健且可复现的树突棘量化方法，以克服人工量化中的变异性和错误。	显微镜数据中的树突和树突棘。	计算机视觉	不适用	光显微镜成像	卷积神经网络	图像	未在摘要中明确提及样本数量	未明确提及，可能包括TensorFlow或PyTorch，但不适用	未在摘要中明确指定，可能为U-Net等分割架构，但不适用	可靠性指标（包括人与人之间的可靠性）	未在摘要中提及，不适用
3523	2026-08-21	Interpretable deep learning reveals the role of an E-box motif in suppressing somatic hypermutation of AGCT motifs within human immunoglobulin variable regions 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1407470 PMID:38863710	research paper	本研究利用可解释深度学习模型DeepSHM和集成梯度方法，揭示E-box基序在抑制人免疫球蛋白可变区AGCT基序体细胞高频突变中的作用	首次将可解释性深度学习方法应用于SHM研究，揭示了E-box转录因子结合基序CAGCTG对AGCT突变频率的抑制作用，提出新的SHM局部调控机制	仅在两个人类B细胞系中验证E2A与V区基因座的关联，且研究基于公开SHM数据集，可能受数据来源和样本多样性限制	系统研究AGCT基序位置偏倚的分子基础，探索局部序列特征对SHM的调控作用	人类免疫球蛋白可变区的AGCT基序、E-box基序及E2A转录因子	machine learning	NA	NA	DeepSHM（机器学习模型）	SHM数据集（序列数据）	人类SHM数据集及两个人类B细胞系	NA	DeepSHM	准确性	NA
3524	2026-08-21	Tantalum oxide nanoparticles as versatile and high-resolution X-ray contrast agent for intraductal image-guided ablative procedure in rodent models of breast cancer 2024, Npj imaging DOI:10.1038/s44303-024-00007-5 PMID:39301013	研究论文	本研究评估了钽氧化物纳米颗粒作为X射线造影剂在啮齿动物乳腺癌模型中用于导管内图像引导消融手术的性能和安全性。	首次系统比较了不同纳米颗粒造影剂，并展示了钽氧化物纳米颗粒在图像引导消融中的优越成像性能和高局部清除率。	未明确提及研究的局限性。	确定钽氧化物纳米颗粒作为造影剂在导管内图像引导消融手术中的适用性，并评估其安全性。	雌性FVB/JN小鼠和Sprague-Dawley大鼠的乳腺导管。	医学影像	乳腺癌	微CT成像	NA	图像	至少六个乳腺导管，涉及3只以上雌性FVB/JN小鼠和/或Sprague-Dawley大鼠（10-11周龄）	NA	NA	成像性能、局部保留、全身清除、安全性、细胞死亡百分比、附带损伤	NA
3525	2026-08-21	Detection method of organic light-emitting diodes based on small sample deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297642 PMID:38315697	研究论文	提出一种基于小样本深度学习的有机发光二极管检测模型SmartMuraDetection，以解决新型显示面板生产过程中表面缺陷检测精度低、自动化不足的问题	设计梯度边界增强算法模块自动识别和增强缺陷与背景灰度差，采用Poisson融合图像增强模块解决小样本数据不足，构建TinyDetection模型适配小尺度目标检测，并提出SEMUMaxMin量化模块作为后处理	未提及具体局限性	提高有机发光二极管表面缺陷检测的准确率、精度及自动化水平，满足量产检测需求	有机发光二极管显示面板的表面缺陷	计算机视觉	NA	深度学习	CNN	图像	334张样本图像	NA	TinyDetection	检测准确率	NA
3526	2026-08-21	The communication of artificial intelligence and deep learning in computer tomography image recognition of epidemic pulmonary infectious diseases 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297578 PMID:38319912	研究论文	本研究利用基于深度学习的AI辅助诊断软件，对200例肺部传染性疾病患者的CT图像进行病灶检测，以提高诊断效率和准确性	将深度学习模型AlexNet应用于肺部传染性疾病CT图像识别，并开发了“UAI肺部传染性疾病智能辅助分析系统”用于自动检测、批量标记和计算病灶体积	未提及具体局限性	提高流行性肺部传染性疾病的诊断效率和准确性，并研究AI在肺部传染性疾病诊断和公共卫生管理中的应用	200例肺部传染性疾病患者的CT图像	计算机视觉、数字病理学	肺部传染性疾病	CT成像	卷积神经网络（CNN）	图像	200例患者的CT图像	NA	AlexNet	检出率、误检率、漏诊率	NA
3527	2026-08-21	Artificial intelligence for natural product drug discovery 2023-11, Nature reviews. Drug discovery DOI:10.1038/s41573-023-00774-7 PMID:37697042	研究论文	本文探讨了计算组学技术与人工智能方法在天然产物药物发现中的协同作用，以及面临的挑战和未来方向。	提出将计算组学技术揭示的天然产物多样性与机器学习驱动的药物设计相结合，以高效识别药物候选分子。	未提供具体的实验验证或定量结果，主要基于综述性讨论。	探讨人工智能在天然产物药物发现中的当前和未来应用，并解决关键挑战如高质量数据集和算法验证。	天然产物及其药物发现过程	机器学习	NA	计算组学技术	机器学习模型	文本	NA	NA	深度学习	NA	NA
3528	2026-08-21	Hybrid-Supervised Deep Learning for Domain Transfer 3D Protoacoustic Image Reconstruction 2023-Aug-11, ArXiv PMID:37608936	研究论文	开发了一种混合监督深度学习方法，采用重建-增强两阶段策略，用于解决质子治疗中质子声学成像的有限视角问题，实现实时三维剂量验证。	提出了一种结合转换器网络与三维U-net的两阶段重建-增强策略，并首次采用混合监督训练（迭代重建监督与数据保真自监督）实现跨域转移的三维质子声学图像重建。	未明确提及局限性。	解决质子声学成像中有限采集角度导致的伪影问题，提高三维剂量验证的准确性和实时性。	前列腺癌患者的质子声学成像数据，用于三维剂量验证。	医学图像重建	前列腺癌	质子声学成像、深度学习重建、剂量验证	转换器网络、三维U-net	射频信号、质子声学图像、剂量图	126例前列腺癌患者	NA	转换器网络、三维U-net	均方根误差、结构相似性指数、伽马指数	NA
3529	2026-08-21	A new polygenic score for refractive error improves detection of children at risk of high myopia but not the prediction of those at risk of myopic macular degeneration 2023-May, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104551 PMID:37055258	研究论文	开发了一种新的屈光不正多基因评分，用于改善儿童高度近视风险的检测，但该评分在考虑等效球镜屈光度后不能预测近视性黄斑变性风险	从多个全基因组关联研究数据中推导出改进的多基因评分，并首次评估其在预测高度近视和近视性黄斑变性中的独立作用	多基因评分在不同祖先群体中的预测性能差异较大，且在考虑等效球镜屈光度后对近视性黄斑变性无预测能力	推导一种改进的多基因评分以预测儿童高度近视风险，并测试该评分在考虑等效球镜屈光度后是否预测近视性黄斑变性	来自欧洲、非洲、南亚和东亚祖先群体的独立样本	基因组学	高度近视、近视性黄斑变性	全基因组关联研究、深度学习算法	多基因评分模型、逻辑回归模型	基因组数据、眼底图像数据	未在标题和摘要中明确说明样本数量，涉及多个队列如英国生物银行、CREAM联盟等	NA	NA	受试者工作特征曲线下面积、比值比、决定系数、置信区间	NA
3530	2026-08-21	Riboformer: A Deep Learning Framework for Predicting Context-Dependent Translation Dynamics 2023-Apr-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.538053 PMID:37163112	研究论文	介绍了一个名为Riboformer的深度学习框架，用于预测依赖上下文的翻译动态，并纠正核糖体图谱数据中的实验伪影	利用Transformer架构，以密码子分辨率准确预测核糖体密度，并能纠正未见数据集中的实验伪影	未在摘要中提及明确的局限性	建模上下文依赖的翻译动态变化，识别翻译调控的序列决定因素	核糖体图谱数据，包括衰老和病毒感染等生物学情境中的核糖体停顿	深度学习	衰老相关疾病	核糖体图谱	Transformer	基因组规模测序数据	未在摘要中提及具体样本量	未在摘要中提及具体框架	Transformer	未在摘要中提及具体性能指标	未在摘要中提及计算资源
3531	2026-08-21	Imaging and analysis for simultaneous tracking of fluorescent biosensors in barcoded cells 2022-09-16, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2022.101611 PMID:36042884	研究论文	本文详细描述了使用条形码蛋白标记表达不同荧光生物传感器的活细胞，并通过并行成像和深度学习分析实现高度多重化的分子活动追踪的实验方案。	引入生物传感器条形码方法，结合并行成像和深度学习，实现高多重化的活细胞分子活动追踪。	文中未明确提及局限性。	提供一种实验方案，用于同时追踪多种荧光生物传感器在活细胞中的动态变化。	表达不同基因编码荧光生物传感器的活细胞。	计算生物学	NA	荧光成像	深度学习模型	图像	NA	NA	NA	NA	NA
3532	2026-08-21	Lung Cancer Recurrence Risk Prediction through Integrated Deep Learning Evaluation 2022-Aug-27, Cancers IF:4.5Q1 DOI:10.3390/cancers14174150 PMID:36077686	研究论文	本研究通过集成深度学习评估，结合术前低剂量CT图像和组织学特征，预测完全切除的IA期非小细胞肺癌患者的复发风险，并评估其对TNM分期和肿瘤分级的附加价值	首次将术前CT图像和切除肺标本的组织学发现通过深度学习整合，以增强对IA期NSCLC复发风险的预测能力，并展示跨平台标志物结合的协同效应	研究仅基于182例患者，样本量较小，且未在外部独立队列中验证模型性能	开发并评估集成深度学习评估（IDLE）在预测IA期非小细胞肺癌复发风险中的效能，以及与标准分期系统的比较	182例来自国家肺筛查试验的IA期非小细胞肺癌患者，包括术前低剂量CT图像和切除肿瘤标本的组织学切片	医学影像分析、数字病理学、机器学习	肺癌（非小细胞肺癌）	CT成像、组织学染色（H&E）	深度学习模型（具体架构未指定）	图像（CT图像和组织学切片）	182例（IA期NSCLC患者）	NA	NA	AUC（曲线下面积，值为0.817 ± 0.037）、风险分层关联显著性（p < 0.0001）	NA
3533	2026-08-21	Self-Supervised Adversarial Learning with a Limited Dataset for Electronic Cleansing in Computed Tomographic Colonography: A Preliminary Feasibility Study 2022-Aug-26, Cancers IF:4.5Q1 DOI:10.3390/cancers14174125 PMID:36077662	研究论文	本研究评估了一种基于自监督对抗学习的新型电子清洁方案，在有限数据集下实现亚体素精度的CT结肠成像电子清洁，并初步验证其技术可行性	提出了一种自监督对抗学习方案，用于在有限训练数据集下进行电子清洁，实现亚体素精度，无需图像标注	初步可行性研究，仅使用拟人模型和18例临床CT结肠成像数据，样本量有限	评估使用自监督对抗学习方案在有限训练数据集下进行电子清洁的技术可行性	CT结肠成像数据集，包括拟人模型和18例临床病例	计算机视觉	结肠癌	CT成像	生成对抗网络（GAN）	图像（CT结肠成像）	1个拟人模型和18例临床CT结肠成像案例	未提及	三维生成对抗网络（3D GAN）	视觉感知质量评估	未提及
3534	2026-08-21	Glaucoma Diagnosis Through the Integration of Optical Coherence Tomography/Angiography and Machine Learning Diagnostic Models 2022, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S367722 PMID:36003072	研究论文	本研究整合光学相干断层扫描及其血管成像参数与机器学习模型，用于青光眼诊断	首次为北德克萨斯人群建立OCT/A参数规范数据库，并通过超2500个机器学习模型优化，识别出关键诊断参数	未提供明确的局限性信息	建立健康眼和青光眼OCT/A参数范围，开发机器学习诊断工具并识别最准确的诊断参数	1371只眼（462只健康眼和909只青光眼）来自735名受试者	机器学习	青光眼	OCT/OCTA	XGBoost（也涉及深度学习和经典机器学习算法）	图像和临床数据	1371只眼，735名受试者	scikit-learn	XGBoost	准确率，F1分数	NA
3535	2026-08-21	Robust High-Throughput Phenotyping with Deep Segmentation Enabled by a Web-Based Annotator 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9893639 PMID:36059601	研究论文	提出一个基于Web注释器的高通量表型分析系统，结合语义引导的交互式对象分割算法，以减少注释工作量并加速植物遗传发现。	引入新颖的交互式分割算法SGIOS，结合语义先验图，减少用户输入，加快训练过程，并提供一个用户友好的图形界面，使无计算背景的研究人员也能使用深度分割。	尚未明确提及，但可能依赖大规模训练数据，仍需人工注释验证，初步GWAS结果未深入分析。	开发一个高效、用户友好的高通量植物表型分析系统，以支持大规模遗传研究如GWAS。	植物，特别是杨树的再生性状。	计算机视觉、数字病理学（如适用）	不适用（植物表型研究）	深度分割、交互式分割、基因组关联研究（GWAS）	交互式分割模型（SGIOS）	图像数据	来自杨树GWAS再生数据集的一个样本，具体规模未明确。	未指定	SGIOS（语义引导的交互式对象分割）	用户输入次数，可能包括准确性等，但未明确列出。	未指定
3536	2026-08-20	Evaluation of Computer-aided Detection for Identifying Missed Gastric Cancer After Endoscopic Submucosal Dissection 2027-Apr, DEN open IF:1.4Q4 DOI:10.1002/deo2.70357 PMID:42609944	研究论文	本研究评估了基于深度学习的计算机辅助检测系统在内镜黏膜下剥离术后识别漏诊胃癌的效果，并与内镜医师的检测性能进行了比较。	首次针对内镜黏膜下剥离术后监测期间发现的漏诊胃癌，评估计算机辅助检测系统的效能，并直接与内镜医师的检测性能进行对比。	样本量较小（60例漏诊胃癌图像），可能影响亚组分析的可靠性；检测图像来自单一中心，可能限制普适性。	评估计算机辅助检测系统在内镜黏膜下剥离术后监测中发现漏诊胃癌的效能，并探讨其作为双重复查工具的可行性。	内镜黏膜下剥离术后监测期间发现的漏诊胃癌图像，以及参与对比的10名内镜医师。	计算机视觉	胃癌	深度学习	卷积神经网络（推测）	内镜图像	2324张内镜图像，其中60张为漏诊胃癌图像；10名内镜医师参与对比。	未提及（推断为深度学习框架，如PyTorch或TensorFlow）	未明确指定（可能是用于早期胃癌检测的深度学习模型）	敏感性、特异性、阳性预测值、阴性预测值、诊断时间	未提及
3537	2026-08-20	DDI-MMAF: Multi-modal affine fusion of visual and semantic representations for anticancer drug synergy prediction 2026-Nov-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119134 PMID:42447831	研究论文	提出DDI-MMAF，一种轻量级跨模态框架，通过多模态仿射融合视觉与语义表征预测抗癌药物协同作用。	核心创新在于多模态仿射融合机制，动态调节基于生物学语义嵌入的分子视觉特征，避免使用高维组学数据作为直接输入。	未明确提及局限性。	利用简化的输入数据实现准确的抗癌药物协同作用预测，降低数据获取障碍，提高模型在资源受限或快速筛选场景下的适用性。	药物SMILES序列、细胞系名称及其组织来源、分子图像。	机器学习，数字病理学	癌症	NA	CNN	文本，图像	基准数据集和独立AstraZeneca盲测集	NA	ResNet	ROC AUC	NA
3538	2026-08-20	Physics-informed LSTM neural network for personalized pharmacokinetic modeling of polymyxin B in critically Ill patients 2026-Oct-01, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2026.107609 PMID:42463031	研究论文	开发了一种物理信息长短期记忆神经网络，用于重症患者多粘菌素B的个性化药代动力学建模	将机理药代动力学原理与深度学习相结合，通过物理约束（如清除率与分布容积的关系）增强模型可解释性，并采用双向LSTM和多头注意力机制	模型基于模拟数据训练和验证，未在真实临床数据上测试，且未与多种PopPK模型进行广泛比较	为重症患者提供个性化的多粘菌素B浓度预测方法，作为传统群体药代动力学模型的补充	1000名模拟脓毒症患者，具有时变肾功能和个体化给药方案	机器学习	重症感染	NA	LSTM	模拟临床数据	1000名模拟脓毒症患者	PyTorch	双向LSTM，多头注意力	R², MAE, RMSE, 预测区间覆盖率	NA
3539	2026-08-20	A Structure-Aware Multimodal Framework for Drug-Target Interaction Prediction via Heterogeneous Graph Learning 2026-Oct, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261469586 PMID:42478599	研究论文	提出PHGDTI，一种通过异构图学习整合序列与结构线索的多模态框架，用于药物-靶点相互作用预测	在序列嵌入基础上，显式建模原子-残基级关系，利用异构图（药物原子图、蛋白质残基图、原子-残基异构图）和自注意力机制提升结合预测性能	未提及	开发一种多模态深度学习框架，以提升药物-靶点相互作用预测的准确率	药物-靶点相互作用（含药物分子与蛋白质）	机器学习	NA	NGS	图注意力网络、自注意力模块	序列数据、结构数据	Davis激酶数据集和GalaxyDB数据集	NA	异构图编码器、SAGPooling、自注意力模块	准确率等（具体度量为提及）	NA
3540	2026-08-20	Deep learning-based prediction of drug bitterness using molecular structures 2026-Oct-01, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2026.107616 PMID:42472560	研究论文	开发了一种基于分子结构的多任务图神经网络，用于直接预测药物苦味，并以甜味作为辅助任务，提高预测性能。	采用多任务图神经网络结合甜味辅助任务进行苦味预测，并引入骨架交叉验证和外部验证，显著优于单任务模型。	未提及具体局限性，但可能受限于训练数据覆盖度和模型泛化能力。	提高药物苦味的预测性能，支持早期药物研发中的苦味化合物筛选和制剂设计。	药物分子结构，特别是儿科口服药物化合物。	机器学习	NA	SMILES分子表示、图神经网络	图神经网络（GNN）	分子结构数据（SMILES）	外部验证使用185个儿科药物化合物，其中157个为已知苦味药物。	NA	多任务图神经网络	ROC-AUC、F1分数、灵敏度、精确度、平均精度	NA