深度学习在生物医药领域的应用
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（使用关键词“['deep learning']”过滤），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19.9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 32371 篇文献，本页显示第 3721 - 3740 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3721 | 2025-08-12 |
AF3Score: A Score-Only Adaptation of AlphaFold3 for Biomolecular Structure Evaluation
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00653
PMID:40671257
|
研究论文 | 本文介绍了一种名为AF3Score的评分模型，该模型基于AlphaFold3改进，用于生物分子结构的评估 | AF3Score通过直接输入坐标到置信度头部，绕过了基于扩散的结构模块，避免了现有AlphaFold2实现中的输入结构迭代细化导致的评分偏差 | NA | 开发一种更准确的生物分子结构评分方法 | 单体蛋白质、蛋白质-蛋白质复合物、从头设计的结合物、折叠切换蛋白质和蛋白质-配体复合物 | 机器学习 | NA | 深度学习 | AlphaFold3 | 生物分子结构数据 | 在10个目标中的8个上进行了基准测试 | NA | NA | NA | NA |
| 3722 | 2025-08-12 |
Transfer Learning for Predicting ncRNA-Protein Interactions
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00914
PMID:40679953
|
research paper | 该论文提出了一种基于迁移学习的框架Transfer-RPI，用于预测非编码RNA与蛋白质的相互作用，以提高预测准确性 | 利用RiNALMo和ESM模型从RNA和蛋白质序列中提取全面特征，通过迁移学习增强小数据集上的预测性能 | 依赖于现有数据集的质量和规模，可能无法涵盖所有类型的ncRNA-蛋白质相互作用 | 开发一种高效准确的非编码RNA与蛋白质相互作用预测方法 | 非编码RNA与蛋白质的相互作用 | machine learning | NA | transfer learning, deep feature learning | RiNALMo, ESM | RNA and protein sequences | RPI369, RPI488, RPI1807, RPI2241, and NPInter v2.0 datasets | NA | NA | NA | NA |
| 3723 | 2025-08-12 |
m5U-HybridNet: Integrating an RNA Foundation Model with CNN Features for Accurate Prediction of 5-Methyluridine Modification Sites
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01237
PMID:40693567
|
research paper | 介绍了一种名为m5U-HybridNet的创新框架，用于准确预测RNA中的5-甲基尿苷修饰位点 | 结合了RNA基础模型（RNA-FM）和卷积神经网络（CNN）特征，实现了RNA m5U修饰位点的高精度识别 | 未提及具体局限性 | 提高RNA中5-甲基尿苷修饰位点的预测准确性 | RNA中的5-甲基尿苷（m5U）修饰位点 | computational biology | NA | RNA-FM, CNN | m5U-HybridNet（结合RNA-FM和CNN） | RNA序列数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 3724 | 2025-08-12 |
Prediction of Fraction Unbound in Human Plasma for Per- and Polyfluoroalkyl Substances: Evaluating Transfer Learning as an Algorithmic Solution to the Problem of Sparse Data
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01040
PMID:40693597
|
研究论文 | 本文提出了一种新的机器学习方法，用于改进特定化学类别（包括全氟和多氟烷基物质PFAS）的血浆未结合分数（fraction unbound in plasma）的定量结构-活性关系（QSAR）建模 | 提出了一种跨化学空间的迁移学习策略，使用在大规模化学库上训练的深度学习模型，并在PFAS小数据集上进行微调，以提高统计性能 | 由于数据的稀疏性和不平衡性，对于PFAS类化学物质，先前的全局模型仍然更具竞争力 | 改进血浆未结合分数的QSAR建模，特别是针对PFAS类化学物质 | 全氟和多氟烷基物质（PFAS）及其他小化学家族 | 机器学习 | NA | 定量结构-活性关系（QSAR）建模，迁移学习 | 深度学习模型，随机森林 | 化学结构数据 | 小数据集（具体数量未提及） | NA | NA | NA | NA |
| 3725 | 2025-08-12 |
Uncertainty-Informed Screening for Safer Solvents Used in the Synthesis of Perovskites via Language Models
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00612
PMID:40694668
|
研究论文 | 提出一种结合BERT/ELMo和GPT的集成方法，用于在钙钛矿合成中识别溶剂，以提高数据提取的准确性和可靠性 | 结合确定性模型（BERT/ELMo）和生成模型（GPT）的优点，通过集成方法提高数据提取的准确性和上下文深度 | 在提高精度的同时牺牲了召回率，且缺乏该领域的基准数据集 | 开发一种自动数据提取方法，用于钙钛矿合成中溶剂的高精度识别 | 钙钛矿及其相关溶剂 | 自然语言处理 | NA | BERT, ELMo, GPT | 集成模型（BERT/ELMo + GPT） | 文本 | 部分论文用于手动验证作为参考集 | NA | NA | NA | NA |
| 3726 | 2025-08-12 |
MMF-MCP: A Deep Transfer Learning Model Based on Multimodal Information Fusion for Molecular Feature Extraction and Carcinogenicity Prediction
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01362
PMID:40711460
|
research paper | 提出了一种基于多模态信息融合的深度迁移学习模型MMF-MCP，用于分子特征提取和致癌性预测 | 结合图注意力网络、卷积神经网络和深度残差网络SE-ResNet18提取分子特征，并采用迁移学习策略提升模型性能 | 数据质量和特征丰富度可能仍存在限制 | 提高分子致癌性预测的准确性、鲁棒性和可解释性 | 分子致癌性 | machine learning | cancer | deep transfer learning, multimodal information fusion | GAT, CNN, SE-ResNet18 | molecular graph features, fingerprint features, molecular images | benchmark datasets for molecular carcinogenicity | NA | NA | NA | NA |
| 3727 | 2025-08-12 |
Benchmarking 3D Structure-Based Molecule Generators
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01020
PMID:40711830
|
研究论文 | 本文创建了一个新的基准测试，用于评估3D组合和深度学习生成器在重现重要蛋白质-配体相互作用和3D配体构象方面的表现 | 提出了一个专注于蛋白质-配体相互作用和3D配体构象重现的新基准测试，评估了多种生成方法的优缺点 | 深度学习方法无法生成结构有效的分子和3D构象，而组合方法速度慢且生成的分子容易无法通过2D MOSES过滤器 | 评估和改进3D结构基础的分子生成方法 | 蛋白质-配体相互作用和3D配体构象 | 机器学习 | NA | 深度学习、组合遗传算法 | 序列图神经网络（Pocket2Mol、PocketFlow）、扩散模型（DiffSBDD、MolSnapper）、遗传算法（AutoGrow4、LigBuilderV3） | 3D结构数据 | BindingMOAD数据集（包含保留的盲测集） | NA | NA | NA | NA |
| 3728 | 2025-08-12 |
Representation of Molecules by Sequences of Instructions
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00354
PMID:40720985
|
research paper | 提出了一种基于指令序列的分子表示方法，以解决分子图结构复杂性带来的计算智能处理挑战 | 定义了一个精简指令集，确保所有字符串均有效且字符串的微小变化对应分子的小幅修改，适用于深度学习方法 | 未明确说明该方法在大规模分子数据集上的性能表现及与现有方法的对比结果 | 开发适用于计算智能系统的分子表示方法 | 分子图结构 | computational chemistry | NA | 指令序列编码 | deep learning | molecular graph | NA | NA | NA | NA | NA |
| 3729 | 2025-08-12 |
DGMM: A Deep Learning-Genetic Algorithm Framework for Efficient Lead Optimization in Drug Discovery
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01017
PMID:40736165
|
research paper | 介绍了一种名为DGMM的新型计算框架，结合深度学习和遗传算法，用于药物发现中的高效分子优化 | DGMM算法通过整合变分自编码器和遗传算法，引入支架约束和多目标优化策略，显著提高了分子优化的效率和效果 | 未明确提及研究的局限性 | 解决药物发现中先导化合物优化中的结构多样性与核心分子特征保持之间的平衡问题 | 药物分子，特别是针对CHK1、CDK2和HDAC8等靶点的化合物 | machine learning | NA | 深度学习、遗传算法、变分自编码器(VAE)、蒙特卡洛搜索、马尔可夫过程 | VAE | 分子结构数据 | 针对三个不同靶点(CHK1、CDK2和HDAC8)进行了广泛的回顾性验证，并在前瞻性研究中发现了新的ROCK2抑制剂 | NA | NA | NA | NA |
| 3730 | 2025-08-12 |
SMILES Token Additivity Model with Interpretability and Generalizability for Fuel Property Predictions
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00986
PMID:40719477
|
研究论文 | 提出了一种基于SMILES标记可加性模型（STA）用于准确预测燃料性质，该模型通过量化单个标记对目标性质的贡献，提供了结构-性质关系的深入理解 | STA模型无需手工制作的分子指纹，能够泛化到广泛的结构相关性质，同时通过堆叠多头自注意力编码器提取分子结构信息，实现了可解释性和泛化性 | NA | 开发一种具有可解释性和泛化性的深度学习模型，用于预测燃料的定量结构-性质关系（QSPR） | 燃料的七种关键性质：标准生成焓（Δ°）、熵（）、等压热容（）、十六烷值（CN）、沸点（BP）、熔点（MP）和闪点（FP） | 机器学习 | NA | SMILES标记可加性模型（STA） | 堆叠多头自注意力编码器 | 分子结构数据（SMILES） | NA | NA | NA | NA | NA |
| 3731 | 2025-08-12 |
A Novel Framework for Multimodal Brain Tumor Detection With Scarce Labels
2025-Aug, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3467343
PMID:39325615
|
研究论文 | 提出了一种名为Double-SimCLR的新型无监督学习框架，用于多模态脑肿瘤检测 | 基于对比学习的双分支结构，直接同时处理MRI和CT图像进行多模态特征融合，并引入自适应权重掩码技术和多模态注意力机制 | 未提及具体的数据集规模或实验细节 | 解决多模态数据融合和医学图像分析中标注数据稀缺的问题 | 脑肿瘤检测 | 数字病理学 | 脑肿瘤 | MRI和CT成像 | Double-SimCLR（基于对比学习的双分支结构） | 图像（MRI和CT） | NA | NA | NA | NA | NA |
| 3732 | 2025-08-12 |
A Deep Learning-Based Multimodal Fusion Model for Recurrence Prediction in Persistent Atrial Fibrillation Patients
2025-Aug, Journal of cardiovascular electrophysiology
IF:2.3Q2
DOI:10.1111/jce.16733
PMID:40406972
|
研究论文 | 本研究提出了一种基于深度学习的多模态融合模型，用于预测持续性心房颤动患者消融术后的复发风险 | 创新性地结合AF节律心电图信号与临床特征，构建深度学习模型以提高预测性能 | 样本量较小（77例患者），可能影响模型的泛化能力 | 提高持续性心房颤动患者消融术后复发风险的预测准确性，支持个性化临床决策 | 持续性心房颤动（PeAF）患者 | 数字病理学 | 心血管疾病 | 深度学习，多模态融合 | 基于残差块网络结构的深度学习模型 | 心电图信号（ECG），临床评分，基线特征 | 77例PeAF患者 | NA | NA | NA | NA |
| 3733 | 2025-08-12 |
Bedside Ultrasound Vector Doppler Imaging System With GPU Processing and Deep Learning
2025-08, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3582773
PMID:40553667
|
研究论文 | 介绍了一种新型的抗混叠矢量多普勒成像系统，结合GPU处理和深度学习技术，可在床边进行血管评估 | 开发了一种抗混叠的矢量多普勒成像系统，支持实时成像和高帧率回放模式，解决了现有技术中的混叠伪影问题 | 未提及具体临床应用中的广泛验证或系统在不同血管条件下的普适性 | 推动矢量血流成像技术在临床中的应用，提供更全面的血管评估 | 血管血流动态 | 医学影像处理 | NA | 平面波多角度矢量多普勒、GPU处理、深度学习 | 深度学习 | 超声图像 | 狭窄模型实验和人类分叉成像扫描 | NA | NA | NA | NA |
| 3734 | 2025-08-12 |
Predicting municipal solid waste generation using artificial intelligence: A hybrid approach of entropy analysis and SHAP for optimal feature selection
2025-Aug, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2025.115012
PMID:40639006
|
研究论文 | 本研究采用混合方法结合互信息(MI)和SHAP进行特征选择，以提高城市固体废物(MSW)生成的预测准确性 | 提出了一种结合MI和SHAP的混合方法进行特征选择，提高了MSW生成的预测准确性 | 在数据质量较差的地区(如Boralesgamuwa)模型表现不佳，突显了高质量一致数据的重要性 | 提高城市固体废物生成的预测准确性 | 城市固体废物(MSW)生成 | 机器学习 | NA | 互信息(MI), SHAP | FFNN, LSTM | 气象和社会经济数据 | 来自美国奥斯汀、澳大利亚巴拉瑞特和斯里兰卡Boralesgamuwa三个城市的数据 | NA | NA | NA | NA |
| 3735 | 2025-08-12 |
Predicting In-Hospital Mortality in Intensive Care Unit Patients Using Causal SurvivalNet With Serum Chloride and Other Causal Factors: Cross-Country Study
2025-Jul-24, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/70118
PMID:40706028
|
研究论文 | 本研究通过大规模跨国多队列研究，分析ICU患者入院时血清氯水平与院内死亡率的关系，并建立个性化生存曲线预测深度学习模型 | 首次将血清氯水平作为预后指标纳入ICU环境，开发了Causal SurvivalNet模型进行个性化生存预测 | 研究结果可能受到不同国家医疗体系和数据收集方式差异的影响 | 提高ICU患者风险分层和临床决策的准确性 | ICU患者 | 医疗数据分析 | 重症监护 | 因果图分析、限制性立方样条、Cox比例风险模型、深度学习 | Causal SurvivalNet | 临床数据 | 189,462名ICU患者（来自美国和中国四个队列） | NA | NA | NA | NA |
| 3736 | 2025-08-12 |
Association between the retinal age gap and systemic diseases in the Japanese population: the Nagahama study
2025-Jul, Japanese journal of ophthalmology
IF:2.1Q2
DOI:10.1007/s10384-025-01205-3
PMID:40304887
|
研究论文 | 探讨视网膜年龄差距（深度学习预测的视网膜年龄与实际年龄的差异）作为日本人群系统性健康潜在生物标志物的研究 | 使用深度学习模型预测视网膜年龄，并首次将其作为系统性健康的生物标志物进行研究 | 纵向分析未显示基线视网膜年龄差距与疾病发病之间的显著关联 | 研究视网膜年龄差距与系统性健康之间的关联 | 日本人群 | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 调优队列2,261人，分析队列6,070人 | NA | NA | NA | NA |
| 3737 | 2025-08-12 |
Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials
2025-May, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI-24-00284
PMID:40344545
|
research paper | 评估多模态人工智能模型在非洲和非非洲裔男性前列腺癌三期试验中的算法公平性 | 使用多模态AI深度学习系统结合数字组织病理学和临床数据，评估算法在不同种族亚组中的普适性和公平性 | 研究中包含少量未知或缺失种族状态的患者（0.5%） | 评估AI工具在前列腺癌预后预测中的公平性和普适性 | 非洲裔和非非洲裔前列腺癌患者 | digital pathology | prostate cancer | multimodal AI deep learning system | MMAI | digital histopathology and clinical data | 5,708名患者（包括948名非洲裔和4,731名非非洲裔患者） | NA | NA | NA | NA |
| 3738 | 2025-08-12 |
Hyperspectral imaging with deep learning for quantification of tissue hemoglobin, melanin, and scattering
2024-09, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.9.093507
PMID:39247058
|
research paper | 该研究利用深度学习分析高光谱图像，量化组织中的血红蛋白、黑色素和散射特性 | 使用人工神经网络(ANN)快速分析高光谱数据，相比传统最小二乘法速度提升4000倍以上 | 研究基于模拟数据训练，实际应用效果需进一步验证 | 开发快速量化组织光学特性的方法 | 人体活体组织 | computer vision | NA | hyperspectral imaging | ANN | image | 24,000组模拟数据 + 6000组测试数据 | NA | NA | NA | NA |
| 3739 | 2025-08-12 |
A survey of brain functional network extraction methods using fMRI data
2024-08, Trends in neurosciences
IF:14.6Q1
DOI:10.1016/j.tins.2024.05.011
PMID:38906797
|
综述 | 本文系统回顾了使用fMRI数据提取脑功能网络的经典和先进方法 | 涵盖了静态和动态功能网络提取方法，并讨论了各种方法的适用范围及未来改进方向 | 未提及具体方法的性能比较或实证研究结果 | 探索脑功能网络提取方法以揭示脑功能及脑部疾病的病理生理学机制 | 脑功能网络 | 神经影像学 | 脑部疾病 | fMRI | 矩阵分解、聚类、深度学习 | fMRI数据 | NA | NA | NA | NA | NA |
| 3740 | 2025-08-12 |
A Top-Down Design Approach for Generating a Peptide PROTAC Drug Targeting Androgen Receptor for Androgenetic Alopecia Therapy
2024-06-27, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c00828
PMID:38836467
|
研究论文 | 本研究结合前沿方法开发了一种新型肽基PROTAC药物开发范式，用于治疗雄激素性脱发 | 结合ProteinMPNN、RFdiffusion等AI工具设计肽基PROTAC药物，并整合透皮微针贴片技术进行给药 | 未提及临床试验结果或体内药效验证数据 | 开发针对雄激素受体(AR)的肽基PROTAC药物用于雄激素性脱发治疗 | 雄激素受体(AR)和Von Hippel-Lindau (VHL)蛋白 | 药物开发 | 雄激素性脱发 | ProteinMPNN、RFdiffusion、Alphafold2-multimer、ZDOCK | 深度学习模型 | 蛋白质结构数据 | NA | NA | NA | NA | NA |