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
341	2025-07-22	Cellular senescence predicts breast cancer risk from benign breast disease biopsy images 2025-Mar-11, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01993-z PMID:40069863	研究论文	本研究探讨了细胞衰老在良性乳腺疾病活检图像中对乳腺癌风险的预测作用	利用深度学习模型预测细胞衰老评分，评估其在乳腺癌风险预测中的价值	研究仅基于回顾性数据，且样本量有限	评估细胞衰老评分在预测乳腺癌风险中的潜在应用	15,395名接受乳腺活检的女性，其中512例后续发展为浸润性乳腺癌，491例为对照组	数字病理学	乳腺癌	H&E染色活检图像分析，深度学习模型	深度学习模型	图像	15,395名女性，其中512例病例和491例对照
342	2025-07-22	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	介绍了一种基于深度学习的自动化突触事件分析方法miniML	miniML方法在准确分类和自动检测自发突触事件方面优于现有方法，并适用于多种突触准备、记录技术和动物种类	未提及具体的研究局限性	开发一种可靠且标准化的突触事件自动化分析框架	自发突触事件	机器学习	NA	深度学习	监督学习	电生理记录数据	NA
343	2025-07-22	VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.17.599381 PMID:38948743	research paper	开发了一个名为VASCilia的Napari插件，用于基于深度学习的耳蜗毛细胞立体纤毛束的3D分析	VASCilia是首个专门用于耳蜗毛细胞立体纤毛束3D分析的深度学习工具，包含五个自动化分析模型，并提供了用户友好的界面	NA	开发一个自动化工具，用于耳蜗毛细胞立体纤毛束的3D形态学分析	耳蜗毛细胞的立体纤毛束	digital pathology	hearing disorder	confocal microscopy, deep learning	CNN (implied by deep learning-based models)	3D confocal microscopy images	55 3D stacks (502 inner and 1,703 outer hair cell bundles)
344	2025-07-22	Current Advancements in Digital Neuropathology and Machine Learning for the Study of Neurodegenerative Diseases 2025-Feb-13, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.018 PMID:39954963	综述	本文综述了数字神经病理学和机器学习在神经退行性疾病研究中的最新进展	强调了利用全切片图像(WSIs)和先进机器学习/人工智能(ML/AI)技术进行神经退行性疾病分析的变革性方法	面临专家标注有限、切片扫描不可及、机构间差异以及大型WSI数据集共享复杂等挑战	提升神经病理学评估、诊断和研究	神经退行性疾病	数字病理学	神经退行性疾病	ML/AI	深度学习模型	全切片图像(WSIs)	NA
345	2025-07-22	3D convolutional deep learning for nonlinear estimation of body composition from whole body morphology 2025-Feb-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01469-6 PMID:39894882	研究论文	本研究提出了一种使用3D卷积图网络和非线性高斯过程回归从3D光学图像中预测人体成分的新方法	首次将深度3D卷积图网络和非线性高斯过程回归应用于人体形状参数化和成分估计，相比线性算法显著提高了预测精度	深度形状特征仅对男性显示出更好的预测效果，性别差异的原因未深入探讨	开发更准确的人体成分预测方法	人体3D扫描图像和身体成分数据	计算机视觉	NA	3D卷积图网络，高斯过程回归(GPR)	3D CNN, GPR	3D图像	4286个扫描样本
346	2025-07-22	Whole-body low-dose computed tomography in patients with newly diagnosed multiple myeloma predicts cytogenetic risk: a deep learning radiogenomics study 2025-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04733-0 PMID:38937291	研究论文	本研究开发了一种基于全身低剂量CT的深度学习模型，用于预测多发性骨髓瘤患者的细胞遗传学异常	首次利用全身低剂量CT扫描结合深度学习技术预测多发性骨髓瘤的细胞遗传学风险	样本量相对较小（151例患者），且仅使用单一机构的患者数据	开发能够预测多发性骨髓瘤细胞遗传学异常的影像组学模型	新诊断的多发性骨髓瘤患者	数字病理学	多发性骨髓瘤	全身低剂量CT (WBLDCT), 荧光原位杂交 (FISH)	深度学习模型	医学影像	151例多发性骨髓瘤患者
347	2025-07-22	Spatial transcriptomic clocks reveal cell proximity effects in brain ageing 2025-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08334-8 PMID:39695234	研究论文	本研究通过空间转录组学技术构建了一个大脑衰老图谱，揭示了细胞邻近效应对脑衰老的影响	开发了空间衰老时钟模型，首次系统性地研究了衰老细胞对邻近细胞的影响及其在组织衰退中的作用	研究仅基于小鼠模型，人类大脑的类似效应尚需验证	探究脑衰老过程中细胞间相互作用的分子机制	420万个来自不同年龄阶段大脑的细胞	空间转录组学	神经退行性疾病	空间转录组学	机器学习模型（空间衰老时钟）、深度学习	单细胞转录组数据	420万个细胞，覆盖20个不同年龄阶段
348	2025-07-22	Mapping the topography of spatial gene expression with interpretable deep learning 2025-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02503-3 PMID:39849132	研究论文	该论文提出了一种名为GASTON的无监督深度学习算法，用于解析空间转录组数据中的基因表达模式	开发了GASTON算法，通过等深度概念构建组织切片的拓扑图，同时学习空间梯度和分段线性表达函数，以模拟基因表达的连续梯度和不连续变化	未提及具体的数据稀疏性处理方法的局限性或算法在其他类型组织中的适用性	解决空间转录组数据稀疏性问题，解析基因表达的空间模式	空间转录组数据	数字病理学	NA	空间转录组技术	深度学习	基因表达数据	多个组织样本（具体数量未提及）
349	2025-07-22	Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240473 PMID:39964263	研究论文	本研究通过分析国家肺癌筛查试验中的连续低剂量CT扫描数据，探讨了心外膜脂肪组织（EAT）变化与死亡率之间的关联	首次利用自动深度学习算法量化EAT体积和密度的变化，并发现这些非典型变化与全因死亡率、心血管死亡率和肺癌死亡率显著相关	研究为二次分析，可能存在选择偏倚，且未考虑其他潜在混杂因素	探究心外膜脂肪组织变化与接受肺癌筛查人群死亡率的关系	国家肺癌筛查试验中的20,661名参与者	数字病理学	肺癌	低剂量CT扫描	深度学习算法	医学影像	20,661名参与者（平均年龄61.4岁，59.2%为男性）
350	2025-07-22	Benchmarking protein language models for protein crystallization 2025-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86519-5 PMID:39827171	research paper	本文通过TRILL平台对开放蛋白质语言模型（PLMs）进行基准测试，用于预测蛋白质结晶倾向	比较了多种PLMs在预测蛋白质结晶倾向上的性能，并发现ESM2模型在多个评估指标上表现最佳，同时利用ProtGPT2模型生成了潜在可结晶的新型蛋白质	研究仅基于序列信息预测结晶倾向，未考虑其他可能影响结晶的因素	评估和比较蛋白质语言模型在预测蛋白质结晶倾向方面的性能	蛋白质序列及其结晶倾向	machine learning	NA	protein language models (PLMs), LightGBM, XGBoost	ESM2, Ankh, ProtT5-XL, ProstT5, xTrimoPGLM, SaProt, ProtGPT2	protein sequences	3000 generated proteins, 5 novel proteins identified as potentially crystallizable
351	2025-07-22	Direct Prediction of 48 Month Survival Status in Patients with Uveal Melanoma Using Deep Learning and Digital Cytopathology Images 2025-Jan-13, Cancers IF:4.5Q1 DOI:10.3390/cancers17020230 PMID:39858012	研究论文	本研究利用深度学习技术分析数字细胞病理学图像，直接预测葡萄膜黑色素瘤患者的48个月生存状态	首次使用深度学习直接从数字细胞病理学图像预测葡萄膜黑色素瘤患者的长期生存状态，且模型能正确预测临床意外案例	样本量较小（74例患者），需要前瞻性验证	开发基于深度学习的葡萄膜黑色素瘤患者生存预测工具	葡萄膜黑色素瘤患者	数字病理学	葡萄膜黑色素瘤	细针穿刺活检（FNAB）、H&E染色、全切片扫描	人工神经网络（ANN）	数字细胞病理学图像	74例患者（207,260个独特ROI）
352	2025-07-22	Multimodal deep learning improves recurrence risk prediction in pediatric low-grade gliomas 2025-Jan-12, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae173 PMID:39211987	研究论文	本研究探讨了深度学习在预测儿童低级别胶质瘤术后复发风险中的应用	结合临床特征和深度学习提取的MRI影像特征的多模态模型显著提高了术后无事件生存期的预测准确性	模型泛化能力有待提高，可能需要更大规模的多中心训练数据	改善儿童低级别胶质瘤术后复发风险预测	396名接受手术的儿童低级别胶质瘤患者	数字病理学	儿童低级别胶质瘤	深度学习	逻辑风险模型	MRI影像数据	396例患者（中位随访85个月）
353	2025-07-22	Unsupervised deep learning of electrocardiograms enables scalable human disease profiling 2025-Jan-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01418-9 PMID:39799251	研究论文	本研究开发了一种深度学习去噪自编码器，用于从12导联心电图中检测人类疾病	利用无监督深度学习模型从心电图中识别与多种疾病的关联，并生成疾病特异性心电图波形	研究结果需要在更多独立数据集中进行验证	探索心电图在人类疾病检测中的潜力	12导联心电图数据	机器学习	心血管疾病	深度学习去噪自编码器	自编码器	心电图信号	三个独立数据集中的约1,600种基于Phecode的疾病
354	2025-07-22	Transformer-based modeling of Clonal Selection and Expression Dynamics reveals resistance mechanisms in breast cancer 2025-Jan-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00485-8 PMID:39794360	研究论文	本文提出了一种基于Transformer的动态深度学习方法TraCSED，用于模拟克隆选择过程，揭示乳腺癌治疗中的耐药机制	提出TraCSED方法，能够识别与克隆选择相关的可解释基因程序及其时间点，揭示了传统差异分析方法未能发现的耐药机制	仅针对两种特定药物治疗的乳腺癌细胞进行研究，可能无法推广到其他癌症类型或治疗方式	研究乳腺癌细胞转录异质性及其对治疗反应的影响，揭示耐药机制	乳腺癌细胞	机器学习	乳腺癌	单细胞RNA测序(scRNA-seq)	Transformer	基因表达数据	未明确提及具体样本数量，但使用了单细胞基因表达数据和条形码克隆的适应性数据
355	2025-07-22	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2025-Jan-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01364-6 PMID:39755754	研究论文	本研究提出了一种名为N2GNet的新型深度学习回归模型，能够从帕金森病患者的丘脑底核局部场电位中实时追踪步态表现	N2GNet利用全面的频带（不仅限于β波段）从STN LFPs中追踪步态表现，相比现有算法具有更强的相关性和性能	研究样本量较小（18名帕金森病患者），且仅在原地踏步任务中验证了模型性能	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型，以改进自适应脑深部电刺激疗法	帕金森病患者的丘脑底核局部场电位和步态表现	机器学习	帕金森病	深度学习	回归模型（N2GNet）	神经信号（STN LFPs）和地面反作用力数据	18名帕金森病患者
356	2025-07-22	Drug molecular representations for drug response predictions: a comprehensive investigation via machine learning methods 2025-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84711-7 PMID:39748003	研究论文	本研究通过机器学习方法全面评估了药物分子表示在药物反应预测(DRP)中的效果	揭示了PubChem指纹或SMILES分子表示与深度学习模型结合可显著提升DRP性能，并指出最优药物分子表示选择取决于预测模型和具体DRP任务	未明确说明研究数据集的规模和多样性限制	评估不同药物分子表示在药物反应预测中的效果	药物分子表示和遗传特征	机器学习	NA	PubChem指纹、SMILES	深度学习模型	分子表示数据、遗传特征数据	NA
357	2025-07-22	Automated MRI-based segmentation of intracranial arterial calcification by restricting feature complexity 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30283 PMID:39221515	研究论文	开发了一种基于MRI的深度学习模型，用于颅内动脉钙化的自动分割和检测	提出了一种在变分自编码器框架下的新型深度学习模型，并引入了一种理论上有依据的差异损失函数，以限制网络特征的复杂性，提高分割准确性和鲁棒性	NA	提高MRI上颅内动脉钙化的自动分割和检测能力	颅内动脉钙化	医学影像分析	心血管疾病	MRI	变分自编码器	MRI图像	113名受试者
358	2025-01-15	Glomerular and Nephron Size and Kidney Disease Outcomes: A Comparison of Manual Versus Deep Learning Methods in Kidney Pathology 2025-Jan, Kidney medicine IF:3.2Q1 DOI:10.1016/j.xkme.2024.100939 PMID:39807248	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
359	2025-07-22	MMRT: MultiMut Recursive Tree for predicting functional effects of high-order protein variants from low-order variants 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.012 PMID:40070521	研究论文	本文介绍了一种名为MMRT的新型深度学习模型，用于预测高阶蛋白质变体的功能效应	MMRT模型结合深度学习与递归树框架，利用低阶变体信息预测高阶变体的功能效应	研究仍受限于高阶变体组合数量庞大带来的扫描困难	预测高阶蛋白质变体的功能效应，以促进复杂疾病发病机制的理解、蛋白质工程和精准医学的发展	蛋白质序列的高阶变体	机器学习	复杂疾病	深度学习	MMRT（MultiMut Recursive Tree）	蛋白质序列数据	685,593个高阶变体
360	2025-07-22	Graph-Based 3-Dimensional Spatial Gene Neighborhood Networks of Single Cells in Gels and Tissues 2025, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0110 PMID:40084126	研究论文	开发了一种基于图的三维空间基因邻域网络嵌入方法（3D-spaGNN-E），用于发现亚细胞基因邻近关系并识别细胞间通讯（CCC）中的关键亚细胞模式	结合3D成像空间转录组学和基于图的深度学习，首次在三维空间中解析亚细胞基因邻近关系	三维数据复杂度高，需要新的分析方法	研究细胞间通讯中的亚细胞基因邻近关系	间充质干细胞（MSCs）、外周血单个核细胞（PBMCs）、小鼠下丘脑和皮层中的星形胶质细胞-神经元	空间转录组学	NA	3D成像空间转录组学、MERFISH	图自编码器（graph autoencoder）	3D空间转录组数据	间充质干细胞培养物、MSC-PBMC共培养系统、小鼠下丘脑和皮层组织