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
361	2026-06-15	A hybrid blockchain based deep learning model for multivector attack detection in internet of things enabled healthcare systems 2026-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40765-3 PMID:41721001	研究论文	提出一种结合区块链和深度学习的混合模型，用于物联网医疗系统中的多向量攻击检测	首次将深度稀疏自编码器、双向长短期记忆网络与区块链技术结合，通过贝叶斯专家乘积方法进行仿真结果验证，实现高精度、低延迟的实时攻击检测	跨数据集测试的平均得分在11.52%至13.55%之间，表明泛化能力中等；实验环境为受控设置，实际部署中可能面临更多挑战	提升物联网医疗系统中的网络安全，抵御多向量攻击并保护患者数据	医疗物联网设备生成的网络流量数据及攻击检测模型	机器学习, 网络安全	NA	NA	深度稀疏自编码器, 双向长短期记忆网络	网络流量数据	IoT-Flock和CICIoT2023两个数据集	NA	深度稀疏自编码器, 双向长短期记忆网络, 贝叶斯专家乘积	准确率, 检测延迟, 网络吞吐量, 共识延迟, 验证成功率	NA
362	2026-06-15	SCMO: a deep learning model integrating the single-cell resolution TME ecosystem and multi-omics for survival prediction in CRC patients 2026-Feb-19, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07417-y PMID:41715092	研究论文	提出了一个整合单细胞分辨率的TME生态和多组学数据的深度学习模型SCMO，用于结直肠癌患者的生存预测	首次将单细胞RNA测序解析的肿瘤微环境特征与多组学数据通过自归一化神经网络整合，并利用集成梯度算法和空间转录组数据增强模型的可解释性	未提及模型的泛化能力验证和外部数据集的独立测试	提升结直肠癌患者生存预测的精确性和生物可解释性	213个CRC单细胞RNA测序样本和TCGA-CRC队列的批量RNA-seq、临床、基因组、转录组及微生物组数据	机器学习	结直肠癌	单细胞RNA测序（scRNA-seq）、批量RNA测序、空间转录组学	深度学习模型	基因表达数据、临床数据、微生物数据	213个scRNA-seq样本（339060个细胞）和TCGA-CRC队列（具体样本数未提及）	NA	自归一化神经网络	一致性指数（C-index）、曲线下面积（AUC）	NA
363	2026-06-15	Artificial intelligence-driven nano-enhanced stem cell therapy for neurodegenerative diseases: from rational design to clinical translation 2026-Feb-19, Journal of nanobiotechnology IF:10.6Q1 DOI:10.1186/s12951-026-04154-2 PMID:41709202	综述	探讨人工智能驱动纳米增强干细胞疗法治疗神经退行性疾病的理性设计到临床转化	提出一个集成患者特异性数据、AI驱动设计和实时监测的闭环系统，以推动神经退行性疾病的真正个性化医疗	NA	探索机器学习和深度学习如何解决当前干细胞疗法和纳米增强干细胞疗法的挑战，并提供将AI整合到整个纳米增强干细胞疗法中的系统性框架	神经退行性疾病及其干细胞疗法	机器学习	神经退行性疾病	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA
364	2026-06-15	A Flexible Hybrid Quantum-classical Training Framework of Organ-at-Risk and Tumor Segmentation Models for Radiation Therapy Planning 2026-Feb-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40127-z PMID:41699007	research paper	提出一种混合量子-经典训练框架，用于放射治疗计划中的危及器官和肿瘤分割模型的参数高效训练	基于量子参数生成技术，在保持模型结构完整性和通道独立性的前提下自适应确定参数矩阵秩，显著减少可训练参数数量同时保持表示灵活性	NA	解决深度学习分割模型在医学小样本场景下的过参数化问题，实现参数高效训练	放射治疗计划中的危及器官和肿瘤分割模型	machine learning	NA	量子参数生成	混合量子-经典神经网络	医学图像	NA	NA	UNetPP	IoU, DSC	NA
365	2026-06-15	EEG-Based Emotion Estimation Model Integrating Structural and Time-Series Information Based on Deep Learning Architecture Optimization 2026-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s26041210 PMID:41755151	研究论文	提出一种基于深度学习的脑电图情绪估计模型，融合结构信息和时间序列信息，通过自动架构搜索优化性能	首次将图卷积网络、LSTM、通道注意力和可微分架构搜索集成于脑电图情绪识别，自动发现针对个体脑电图模式的最优架构，降低搜索成本	未明确说明模型的局限性，但可能包括计算资源需求或对不同情绪类别的性能差异	开发一种能够自动优化架构并融合频率域和时间域特征的脑电图情绪识别模型，以提高准确性和适应性	脑电图信号中的情绪识别	自然语言处理、机器学习	不适用	脑电图	图卷积网络、长短期记忆网络	时间序列	未明确说明	不适用	GCN、LSTM、通道注意力、可微分架构搜索	准确率、适应性	未明确说明
366	2026-06-15	Assessing Low Back Movement with Motion Tape Sensor Data Through Deep Learning 2026-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s26041127 PMID:41755069	研究论文	提出一种基于深度学习的方法，利用低成本可穿戴传感器Motion Tape数据评估下背部运动	采用条件生成模型合成运动数据，并结合关节运动学特征增强，以解决小样本和噪声问题	Motion Tape传感器数据集规模小且存在固有噪声，可能影响模型泛化能力	开发一种能准确分类下背部运动的深度学习模型，辅助临床远程监控和物理治疗	下背部运动分类	机器学习	背痛	可穿戴传感器（Motion Tape）	生成模型、深度学习分类模型	传感器时间序列数据	小规模Motion Tape数据集	NA	条件生成模型、运动带增强推理模型	准确率	NA
367	2026-06-15	The Micro-Mobility Sensing Gap: A Systematic Review of Physiological Safety Monitoring from Cycling to E-Scooters 2026-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s26041110 PMID:41755051	综述	系统综述了从自行车到电动滑板车等微出行方式中用于监测驾驶员生理状态的可穿戴传感器，识别现有差距以推动主动安全系统发展	首次系统对比自行车与电动滑板车在生理安全监测中的传感器适用性差异，指出CNN-LSTM模型存在过拟合和缺乏独立验证的问题，并呼吁向无监督域适应和抗噪边缘AI架构转型	仅纳入11篇文献，样本量小（数据集中仅27人），缺乏独立验证；电动滑板车自动安全分类证据极度稀缺	评估可穿戴传感器在微出行方式中检测应激、疲劳和体力消耗的现状，并识别阻碍主动安全系统开发的差距	自行车和电动滑板车骑行者，以及微出行场景	机器学习和可穿戴计算	NA	可穿戴传感器，心率变异性分析，CNN-LSTM深度学习	CNN-LSTM（用于预测体力消耗），无监督域适应（UDA）（建议的未来方向）	生理信号数据（如心率变异性、加速度计数据）	27名实验者（来自单个冗余数据集），4项实验室研究和7项现场研究	NA	CNN-LSTM	F1分数（86.3%-91.7%）	NA
368	2026-06-15	Design prokaryotic cis-regulatory elements using language model 2026-Feb-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag122 PMID:41693567	研究论文	本文介绍了一个名为PromoGen2的原核生物顺式调控元件语言模型，用于设计功能性启动子	首次提出一个可广泛适用于数千种原核生物的无先验实验数据启动子设计平台，实现了跨物种零样本预测相关性的大幅提升	未详细探讨模型在极端或稀有原核生物基因组上的适用性及长期进化稳定性	为原核生物提供通用的顺式调控元件设计工具，支持合成生物学和微生物学研究	原核生物顺式调控元件（启动子）	机器学习	NA	语言模型	语言模型（PromoGen2）	基因组序列	17000个原核生物基因组	PyTorch（推测）	Transformer（基于语言模型）	Spearman相关系数（平均0.50），成功率（100%）	NA
369	2026-06-15	Carba-NAD binding activates SIR2 by reshaping conformational plasticity and rewiring long-range allosteric networks 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013966 PMID:41719283	研究论文	以酵母SIR2为模型，通过分子动力学模拟和图深度学习模型，阐明共因子结合如何重塑构象动力学和远距离变构网络	首次揭示SIR2中β1-α2环的刚性化与远端柔性增加构成的“核心锁定伴周边释放”动态模式，并识别出关键的“中继型”残基Pro214和Thr224，同时发现与共因子结合的远距离药物口袋	NA	解析SIR2变构调控的分子机制	酵母SIR2蛋白	机器学习	老年性疾病	分子动力学模拟	图神经网络	分子动力学模拟轨迹	多次3微秒独立重复模拟	NA	神经关系推理	NA	NA
370	2026-06-15	AI-powered hierarchical classification of ampullary neoplasms: a deep learning approach using white-light and narrow-band imaging 2026-Jan-14, Surgical endoscopy DOI:10.1007/s00464-025-12534-2 PMID:41532990	research paper	利用人工智能进行法特壶腹肿瘤的分层分类：基于白光和窄带成像的深度学习方法	提出了一种结合白光和窄带成像的分层深度学习框架，用于法特壶腹病变的逐步分类；使用StyleGAN2-ADA生成合成图像解决数据稀缺和类别不平衡问题；基于置信度的双模态投票集成方法显著优于单模态方法	未提及明确局限性	开发一种用于法特壶腹病变分层分类的深度学习框架，利用白光和窄带内镜图像实现从正常到异常、腺瘤到癌症、高级别异型增生到低级别异型增生的逐步诊断	法特壶腹病变的内镜图像，包括正常、腺瘤、癌症、高级别异型增生和低级别异型增生病变	digital pathology	ampullary neoplasms	white-light imaging, narrow-band imaging	EfficientNet-B4, StyleGAN2-ADA	image	从464例患者收集的4244张内镜图像（训练集2693张、验证集833张、测试集718张）	PyTorch	EfficientNet-B4, StyleGAN2-ADA	accuracy, sensitivity, specificity, AUROC	NA
371	2026-06-15	SSIF-Affinity: Multimodal Deep Learning of Sequence-Structure Features for Precise Protein-Protein Binding Affinity Prediction 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01734 PMID:41392472	研究论文	提出一种多模态深度学习框架，用于高精度预测蛋白质-蛋白质复合物的结合亲和力	创新性地定位结合界面并构建几何约束结合区域，通过结构引导交叉模态注意力模块融合结构特征和序列特征，并利用CNN和LSTM提取全长序列的局部和长程依赖特征，有效减少冗余计算和噪声干扰	未明确说明，可能包括依赖实验数据质量或计算资源需求较高	开发高精度预测蛋白质-蛋白质结合亲和力的深度学习方法，推动AI驱动的抗体药物发现	蛋白质-蛋白质复合物的结合亲和力，包括抗体-抗原复合物	机器学习	NA	深度学习	CNN, LSTM, MLP	蛋白质序列和结构数据	NA	NA	CNN, LSTM, MLP	NA	NA
372	2026-06-15	Discovery of Tetrahydroisoquinoline-Based SARS-CoV-2 Helicase Inhibitors with Iterative, Deep Learning-Enhanced Virtual Screening 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02059 PMID:41400222	研究论文	使用迭代深度学习增强虚拟筛选发现基于四氢异喹啉的SARS-CoV-2解旋酶抑制剂	结合深度神经网络进行虚拟筛选，提高了命中识别效率21%，并发现新的异构抑制机制	NA	发现针对SARS-CoV-2解旋酶的新型抑制剂	SARS-CoV-2解旋酶及其抑制剂	机器学习	新冠病毒病	虚拟筛选	深度神经网络	分子数据	六种命中化合物和18种3-苯基-1,2,3,4-四氢异喹啉衍生物	NA	深度神经网络	选择性指数	NA
373	2026-06-15	Toward Complete Molecular Structure Prediction from Infrared Spectroscopy Using Deep Learning 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01834 PMID:41403343	研究论文	提出一种基于深度学习的双损失架构，从红外光谱数据预测完整分子结构（SMILES字符串）	借鉴图像描述模型的双损失深度学习架构，首次实现从红外光谱直接预测完整分子结构（SMILES字符串），而非仅预测官能团	测试集上单次预测完整结构的准确率仅16.26%，且依赖高质量计算资源生成训练数据	提高红外光谱分析中分子结构预测的自动化与完整度	有机化合物的分子结构，以SMILES字符串表示	机器学习, 光谱分析	NA	红外光谱（IR），密度泛函理论（DFT）计算	深度学习	光谱数据（红外吸收光谱）	超过17,000个独特红外光谱（训练集）；测试集1,710个光谱	NA	双损失深度学习架构（受图像描述模型启发）	完整结构预测准确率（16.26%），官能团预测准确率（最高88%）	劳伦斯伯克利国家实验室Lawrencium集群的高性能计算资源
374	2026-06-15	MambaTransDTA: A Hybrid Mamba-Transformer Architecture for Accurate Drug-Target Binding Affinity Prediction 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02361 PMID:41406376	研究论文	提出一种混合Mamba-Transformer架构的模型MambaTransDTA，用于药物-靶标结合亲和力预测	首次将Mamba架构与Transformer架构混合用于药物-靶标亲和力预测，结合Mamba的长距离依赖捕获能力和Transformer的局部交互建模能力	未明确说明局限性	提升药物-靶标亲和力预测的准确性、鲁棒性和泛化能力	药物-靶标结合亲和力	机器学习	NA	NA	Mamba, Transformer	数值数据（药物-靶标亲和力）	四个基准数据集: Davis, KIBA, Metz, BindingDB	PyTorch	Mamba, Transformer	均方误差（MSE）	NA
375	2026-06-15	LGABAN: An Integrated Multi-Scale Approach Combining Graph and Sequence Features for Enhanced Prediction of Drug-Protein Interactions 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02364 PMID:41408656	研究论文	提出了一种名为LGABAN的新型深度学习框架，通过并行提取局部和全局特征并利用双线性注意力网络整合多尺度特征对，以增强药物-蛋白质相互作用预测的准确性和可解释性	首次将双分支结构并行提取药物和蛋白质的局部与全局特征，并通过双线性注意力网络融合四种特征对（局部-局部、局部-全局、全局-局部、全局-全局），同时引入多头图注意力网络增强药物图表示能力	未明确说明局限性（需结合全文），但可能涉及模型复杂度及多尺度交互关系处理的进一步优化空间	提高药物-蛋白质相互作用预测的准确性和模型可解释性，以缩短药物研发周期和降低成本	药物与蛋白质之间的相互作用关系	机器学习	NA	NA	双线性注意力网络 (BAN)、多头图注意力网络 (GAT)	分子结构数据、序列数据	四个公开数据集	NA	双线性注意力网络 (BAN)、多头图注意力网络 (GAT)	NA	NA
376	2026-06-15	BGC-MAC and BGC-MAP: Attention-Based Models for Biosynthetic Gene Cluster Classification and Product Matching 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02082 PMID:41412814	研究论文	提出两个基于注意力的深度学习模型（BGC-MAC和BGC-MAP），用于生物合成基因簇（BGC）分类和产物匹配，以增强BGC注释和天然产物发现	利用实验验证的BGC-天然产物对训练模型；引入交叉注意力机制实现可解释人工智能，无需先验注释即可识别关键蛋白质结构域和BGC-子结构关系；模型在分类和匹配任务上超越现有工具如antiSMASH和DeepBGC	标题和摘要中未明确说明局限性，可能包括对实验验证数据依赖性强及泛化能力需进一步验证	通过深度学习模型提升BGC注释的准确性和可解释性，加速天然产物发现	生物合成基因簇（BGC）及其对应的天然产物	机器学习	NA	深度学习	注意力机制模型	序列数据（BGC序列和天然产物结构数据）	NA（未明确说明样本数量）	PyTorch（根据软件仓库推断）	多头注意力机制	分类准确率、匹配性能（具体指标未在摘要中明确列出）	NA（未提及计算资源信息）
377	2026-06-15	A Comparative Study of Deep Learning and Classical Modeling Approaches for Protein-Ligand Binding Pose and Affinity Prediction in Coronavirus Main Proteases 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02481 PMID:41429653	研究论文	比较深度学习与传统建模方法在冠状病毒主蛋白酶中预测蛋白质-配体结合姿态与亲和力的性能	首次系统评估了多种姿态生成策略（分子对接、基于配体叠加和深度学习建模）在SARS-CoV-2和MERS-CoV主蛋白酶上的结合姿态预测性能，并提出了结合MM-GBSA能量分解与机器学习的配体-残基相互作用轮廓评分函数LRIP-SF，用于亲和力预测	基于配体叠加的方法FlexS在姿态预测上准确性较低深，且深度学习模型计算成本较高	评估不同方法在蛋白质-配体结合姿态和亲和力预测中的效果，特别是针对冠状病毒主蛋白酶	SARS-CoV-2和MERS-CoV的主蛋白酶与配体的相互作用	机器学习	冠状病毒疾病	分子对接、基于配体叠加、深度学习建模	AlphaFold3, Boltz-2, DiffDock, Gnina	蛋白质-配体复合物结构数据	ASAP抗病毒挑战2025数据集中的样本	NA	AlphaFold3, Boltz-2, DiffDock, Gnina	成功率, 平均配体均方根偏差, 平均绝对误差, 均方根误差	NA
378	2026-06-15	AttentionScore: A Target-Specific, Bias-Aware Scoring Function for Structure-Based Virtual Screening: A Case Study on METTL3 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02142 PMID:41435908	研究论文	介绍一种基于深度学习的METTL3靶标特异性打分函数AttentionScore，用于结构-based虚拟筛选，并验证其在减少偏倚方面的优势	通过多注意力编码器、联合自编码器潜在表示和多尺度融合模块，整合配体与蛋白-配体相互作用信息，并采用相似性约束分割实现偏倚感知评估	仅针对METTL3一个靶标进行了验证，未在其他靶标上评估泛化能力	开发一种靶标特异性、偏倚感知的打分函数，提升结构-based虚拟筛选的准确性	METTL3靶标及其配体分子	机器学习	NA	结构-based虚拟筛选，深度学习	深度学习模型（多注意力编码器、自编码器）	分子结构数据和蛋白-配体相互作用指纹	NA（未明确说明具体样本数量）	NA（未提及具体框架）	多注意力编码器、联合自编码器、多尺度融合模块，集成PLEC指纹和Avalon/ECFP4配体指纹	PR-AUC, Precision, Recall, F1, MCC，并通过配对Wilcoxon检验、Bootstrap置信区间和效应量评估	NA（未提及计算资源）
379	2026-06-15	Chemprop v2: An Efficient, Modular Machine Learning Package for Chemical Property Prediction 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02332 PMID:41453060	研究论文	介绍化学性质预测机器学习包Chemprop v2，强调其在模块化、速度和可用性上的提升	对原Chemprop进行底层重写，提升了约2倍执行速度和3倍内存效率，支持多GPU训练，并增加了Jupyter notebook教程和新文档	未明确讨论不足，可能包括对大型模型训练的扩展性或特定任务的适用性	开发一个高效、模块化且用户友好的机器学习包，用于化学性质预测	分子属性预测任务中的深度学习模型	机器学习	NA	消息传递神经网络 (D-MPNN)	有向消息传递神经网络 (D-MPNN)	分子图	NA	NA	D-MPNN	预测准确性、执行时间、内存使用	NA (支持多GPU)
380	2026-06-15	SHIFT-DRP: Dynamic Multi-Scale Active Learning for Drug Response Prediction 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02453 PMID:41392432	研究论文	提出SHIFT-DRP主动学习框架，通过动态多尺度采样策略智能选择药物-细胞系配对以高效提升药物反应预测性能	提出从多样性探索到不确定性驱动的动态采样策略，结合预训练分子表征和交叉注意力机制，实现有限资源下的最大模型改进	未提及具体局限性	解决药物反应预测中化学空间覆盖不足和均匀采样效率低下的问题，实现精准医疗中的高效实验筛选	药物-细胞系配对及其反应预测	机器学习	癌症	药物反应预测	深度学习主动学习框架	药物-细胞系反应数据	四个数据集	PyTorch	交叉注意力机制	预测性能、资源节约率	NA