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,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!
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10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。
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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
361 | 2025-10-01 |
Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning
2024-Nov-19, ArXiv
PMID:39606716
|
研究论文 | 提出一种基于AlphaFold 3辅助的多任务拓扑拉普拉斯策略,用于快速预测病毒突变对蛋白质相互作用和结合自由能的影响 | 首次将AlphaFold 3与拓扑深度学习相结合,开发了AF3辅助的MT-TopLap策略,能够在缺乏实验结构数据时保持稳健的预测性能 | 仅针对SARS-CoV-2刺突蛋白RBD结构域进行了验证,尚未扩展到其他病毒或蛋白质系统 | 开发快速响应病毒快速进化的计算方法,用于病毒追踪、诊断和抗体疫苗设计 | SARS-CoV-2刺突蛋白受体结合域与人类ACE2受体的蛋白质复合物 | 计算生物学 | COVID-19 | 拓扑深度学习、AlphaFold 3、深度突变扫描、拓扑数据分析 | 多任务拓扑拉普拉斯模型 | 蛋白质三维结构数据、深度突变扫描数据 | 4个实验性DMS数据集,包括SARS-CoV-2 HK.3变体数据集 |
362 | 2025-10-01 |
High-resolution in vivo 4D-OCT fish-eye imaging using 3D-UNet with multi-level residue decoder
2024-Sep-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.532258
PMID:39296392
|
研究论文 | 本研究开发了一种基于深度学习的实时4D-OCT系统,用于重建无畸变的高分辨率体积图像 | 采用多级残差解码器的3D-UNet架构,结合16位浮点精度优化,实现了超过10Hz的实时4D-OCT成像 | NA | 解决3D-OCT成像中因慢帧率和组织运动导致的运动伪影问题 | 生物组织的体积成像 | 计算机视觉 | NA | 光学相干断层扫描(OCT) | 3D-UNet, CNN | 3D体积图像 | NA |
363 | 2025-10-01 |
FUSION: A web-based application for in-depth exploration of multi-omics data with brightfield histology
2024-Aug-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.09.602778
PMID:39026885
|
研究论文 | 开发了一个基于Web的多组学数据与明场组织学深度探索工具FUSION | 首次将分子数据与组织病理学特征整合到单一工作平台,提供基于深度学习的空间组学数据分析工具 | NA | 开发一个能够连接分子特征与组织病理学特征的综合分析平台 | 健康与疾病组织样本的空间转录组数据 | 数字病理学 | NA | 空间转录组测序 | 深度学习 | 全切片图像、空间转录组数据 | 包含福尔马林固定石蜡包埋和冷冻制备的数据集 |
364 | 2025-10-01 |
MRI Deep Learning-Based Automatic Segmentation of Interventricular Septum for Black-Blood Myocardial T2* Measurement in Thalassemia
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29113
PMID:37941460
|
研究论文 | 开发基于深度学习的自动分割方法,用于地中海贫血患者黑血MR图像中心室间隔的分割和心肌T2*测量 | 提出改进的注意力U-Net模型实现心室间隔自动分割,减少人工操作时间和观察者间差异 | 研究为回顾性设计,样本量有限(146例),外部验证集规模较小 | 开发自动分割方法以缩短分析时间并减少观察者间变异性 | 146例输血依赖性地中海贫血患者的心脏MR检查数据 | 医学影像分析 | 地中海贫血 | 多回波梯度回波序列MR成像 | 改进的注意力U-Net | MR图像 | 146例患者(训练集100例,内部测试20例,外部测试26例) |
365 | 2025-10-01 |
Accelerated Cine Cardiac MRI Using Deep Learning-Based Reconstruction: A Systematic Evaluation
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29081
PMID:37855257
|
研究论文 | 系统评估深度学习重建技术在加速心脏电影MRI中的应用效果 | 首次系统评估深度学习重建技术在不同加速因子下对心脏电影bSSFP图像的重建效果 | 仅纳入15例漏斗胸患者,样本量较小;仅评估了特定患者群体 | 评估深度学习重建技术在不同加速因子下对心脏电影MRI图像质量和心室评估准确性的影响 | 15例漏斗胸患者(平均年龄16.8±5.4岁,20%女性),具有正常心脏解剖结构和功能 | 医学影像分析 | 心脏疾病 | 深度学习重建(DLR),压缩灵敏度编码(C-SENSE),平衡稳态自由进动(bSSFP) | 深度学习 | MRI图像 | 15例患者 |
366 | 2025-10-01 |
Fetal MRI-Based Body and Adiposity Quantification for Small for Gestational Age Perinatal Risk Stratification
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29141
PMID:37982367
|
研究论文 | 本研究通过胎儿MRI量化身体和脂肪参数,用于小于胎龄儿的围产期风险分层 | 首次使用深度学习自动分割胎儿身体和皮下脂肪,并建立脂肪体积比与围产期不良结局的关联 | 样本量较小(40例),单中心研究 | 探索胎儿MRI身体成分量化参数对小于胎龄儿围产期风险的预测价值 | 40例小于胎龄胎儿 | 数字病理 | 胎儿发育异常 | MRI TruFISP和T1W Dixon序列 | 深度学习 | 医学影像 | 40例SGA胎儿(26例女性,61.9%),孕周30+2至37+2 |
367 | 2025-10-01 |
Prostate Age Gap: An MRI Surrogate Marker of Aging for Prostate Cancer Detection
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29090
PMID:37855699
|
研究论文 | 本研究开发了一种基于前列腺MRI的衰老生物标志物——前列腺年龄差,用于评估临床显著前列腺癌的发病风险 | 首次利用深度学习模型从前列腺MRI中提取衰老生物标志物,并证明其与临床显著前列腺癌风险的关联 | 回顾性研究设计,样本量相对有限(468名患者) | 开发前列腺MRI衰老生物标志物并评估其与临床显著前列腺癌风险的关系 | 468名接受前列腺活检的男性患者(65.97±6.91岁) | 数字病理 | 前列腺癌 | 深度学习 | 深度学习模型 | MRI图像 | 468名患者,共7243张前列腺MRI切片(训练集:212名非临床显著前列腺癌患者,3223张切片;测试集:256名患者) |
368 | 2025-10-01 |
Deep Learning-Driven Transformation: A Novel Approach for Mitigating Batch Effects in Diffusion MRI Beyond Traditional Harmonization
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29088
PMID:37877463
|
研究论文 | 提出一种基于深度学习的扩散MRI图像批次效应消除方法 | 使用对比度调整和超分辨率技术超越传统标准化方法,首次通过深度学习减少不同磁场强度和成像参数下的DWI图像差异 | 模型基于单个个体的开放数据集构建,样本来源相对有限 | 开发深度学习模型以减少扩散加权图像在不同磁场强度和成像参数下的多样性 | 扩散MRI图像中的批次效应 | 医学影像分析 | 脑卒中、脑肿瘤 | 扩散加权成像、T2-SPACE序列 | ResNet-50、自编码器 | 医学影像 | 1134名成人(54%女性,46%男性),包含21000张图像,其中3500张用于测试 |
369 | 2025-10-01 |
Development of an MRI-Based Comprehensive Model Fusing Clinical, Radiomics and Deep Learning Models for Preoperative Histological Stratification in Intracranial Solitary Fibrous Tumor
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29098
PMID:37897302
|
研究论文 | 开发基于MRI融合临床、影像组学和深度学习特征的综合模型用于颅内孤立性纤维瘤术前组织学分层 | 首次提出融合临床、影像组学和深度学习特征的CRDL综合模型用于ISFT术前组织学分层 | 回顾性研究设计,样本量相对有限,需要进一步多中心验证 | 研究基于MRI的CRDL模型在颅内孤立性纤维瘤术前组织学分层的可行性 | 398例来自北京天坛医院和49例来自兰州大学第二医院的颅内孤立性纤维瘤患者 | 医学影像分析 | 颅内孤立性纤维瘤 | 磁共振成像(MRI)包括T1加权、T2加权和T1增强成像 | 深度学习与传统模型融合的CRDL模型 | 医学影像数据 | 447例患者(398例训练队列,49例外部验证队列) |
370 | 2025-10-01 |
Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26542
PMID:37357816
|
研究论文 | 开发了一种结合成对结构相似性和深度学习界面接触预测的混合方法,用于评估蛋白质复合物模型准确性 | 首次将成对结构相似性方法与深度学习界面接触预测相结合,解决了传统方法在低质量模型相似时的失效问题 | NA | 开发准确评估蛋白质复合物四级结构模型质量的方法 | 蛋白质复合物和组装体的四级结构模型 | 计算生物学 | NA | 深度学习界面接触预测 | 混合方法(MULTICOM_qa) | 蛋白质结构模型 | CASP15组装靶标的模型 |
371 | 2025-10-01 |
Integrating deep learning, threading alignments, and a multi-MSA strategy for high-quality protein monomer and complex structure prediction in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26585
PMID:37650367
|
研究论文 | 介绍在CASP15蛋白质结构预测竞赛中使用的D-I-TASSER和DMFold-Multimer方法及其性能表现 | 结合深度学习、线程比对和多MSA策略,传统蒙特卡洛折叠模拟与深度学习算法相结合可产生比纯端到端深度学习方法更准确的模型 | 病毒蛋白质建模和复合物模型排序方面仍有改进空间 | 开发高质量的蛋白质单体和复合物结构预测方法 | 蛋白质单体和蛋白质复合物 | 计算生物学 | NA | 深度学习、多序列比对(MSA)、蒙特卡洛模拟、线程比对 | D-I-TASSER、DMFold-Multimer、AlphaFold2 | 蛋白质序列和结构数据 | 47个自由建模靶标(单体)和38个复合物靶标 |
372 | 2025-10-01 |
Assessment of three-dimensional RNA structure prediction in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26602
PMID:37876231
|
研究论文 | 评估CASP15中RNA三维结构预测方法的性能 | 首次在CASP竞赛中系统评估RNA结构预测方法,开发了适用于RNA的评估指标和排名方法 | 在非标准碱基对建模、模型排名以及多结构预测方面仍存在挑战 | 评估RNA三维结构预测方法的准确性和实用性 | 12个含RNA的目标结构及其预测模型 | 计算生物学 | NA | 冷冻电镜(cryo-EM)、X射线衍射 | 深度学习方法和传统计算方法 | 三维结构数据、冷冻电镜图谱、衍射数据 | 42个预测组对12个RNA目标结构提交的预测模型 |
373 | 2025-10-01 |
Impact of AlphaFold on structure prediction of protein complexes: The CASP15-CAPRI experiment
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26609
PMID:37905971
|
研究论文 | 本文介绍了CASP15-CAPRI蛋白质复合物结构预测挑战赛的结果,评估了AlphaFold对蛋白质复合物结构预测的影响 | 首次系统评估AlphaFold2和AlphaFold2-Multimer在蛋白质复合物结构预测中的表现,展示了深度学习技术带来的显著进步 | 对于抗体-抗原复合物和具有构象灵活性的复合物预测效果仍然较差 | 评估AlphaFold对蛋白质复合物结构预测的影响和进展 | 蛋白质复合物结构预测 | 计算生物学 | NA | AlphaFold2, AlphaFold2-Multimer, 深度学习推理引擎, 多重序列比对 | 深度学习模型 | 蛋白质结构数据 | 37个目标蛋白质复合物,包括14个同源二聚体、3个同源三聚体、13个异源二聚体和7个大分子组装体,共评估21,941个模型 |
374 | 2025-10-01 |
Estimation of model accuracy in CASP15 using the ModFOLDdock server
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26532
PMID:37314190
|
研究论文 | 本文介绍了在CASP15竞赛中使用的ModFOLDdock服务器及其变体在蛋白质多聚体模型准确性评估中的表现 | 开发了三种优化的ModFOLDdock变体,分别针对相关性、排序和单模型评分进行专门优化,在多聚体模型质量评估中表现优异 | NA | 评估蛋白质多聚体模型的准确性并优化质量评估方法 | 蛋白质多聚体结构模型 | 生物信息学 | NA | 深度学习、聚类分析、单模型方法 | 共识方法(结合多种评估方法) | 蛋白质结构模型 | CASP15竞赛中的41个组装结构(相比上一轮的22个几乎翻倍) |
375 | 2025-10-01 |
Estimating protein complex model accuracy based on ultrafast shape recognition and deep learning in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26564
PMID:37553848
|
研究论文 | 本文报告并分析了在CASP15中基于深度学习和超快形状识别的蛋白质复合物模型精度估计方法的研究成果 | 提出了基于三级特征集成与深度残差/图神经网络的多聚体复合物模型精度估计新方法,设计了整体和单体间的超快形状识别特征 | NA | 开发蛋白质复合物模型精度估计方法 | 蛋白质复合物模型 | 生物信息学 | NA | 深度学习、超快形状识别(USR)、图神经网络 | 深度残差网络、图神经网络 | 蛋白质结构数据 | 39个目标蛋白质复合物 |
376 | 2025-10-01 |
zPoseScore model for accurate and robust protein-ligand docking pose scoring in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26573
PMID:37606194
|
研究论文 | 本文介绍了一种名为zPoseScore的深度学习配体构象评分模型,用于预测蛋白质-配体复合物结构 | 重新设计了受AlphaFold2启发的zFormer模块,开发了先进的数据增强和采样方法,实现了原子级别的蛋白质-配体特征编码和融合 | NA | 开发准确的蛋白质-配体对接构象评分模型 | 蛋白质-配体复合物 | 计算生物学 | NA | 深度学习 | zFormer(基于Transformer的架构) | 蛋白质结构数据、配体构象数据 | 基于CASP-2016蛋白质-配体复合物和CASP15的AIchemy LIG2数据集 |
377 | 2025-10-01 |
Breaking the conformational ensemble barrier: Ensemble structure modeling challenges in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26584
PMID:37872703
|
研究论文 | 本文评估了CASP15实验中蛋白质和RNA结构多构象建模的挑战与成果 | 首次在CASP实验中引入多构象计算评估,展示了AlphaFold2增强采样方法在蛋白质构象预测中的有效性 | 处理稀疏或低分辨率实验数据存在困难,目前缺乏有效的RNA/蛋白质复合物建模方法 | 评估蛋白质和RNA结构多构象预测方法的性能与挑战 | 蛋白质和RNA的三维结构构象 | 计算生物学 | NA | AlphaFold2深度学习增强采样方法 | 深度学习 | 结构数据 | 9个靶标(4个成功再现构象集合) |
378 | 2025-10-01 |
Critical assessment of methods of protein structure prediction (CASP)-Round XV
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26617
PMID:37920879
|
研究论文 | 总结CASP15蛋白质结构预测社区实验的结果,重点分析深度学习方法的进展 | 首次在CASP实验中纳入RNA结构和蛋白质-配体复合物的计算评估 | 深度学习方法的性能尚未完全超越传统方法,特别是在RNA结构和蛋白质-配体复合物预测方面 | 评估蛋白质结构预测方法的最新进展 | 蛋白质结构、蛋白质复合物、RNA结构、蛋白质-配体复合物 | 计算结构生物学 | NA | 深度学习、传统计算方法 | AlphaFold2 | 氨基酸序列、蛋白质结构数据 | CASP15实验中的多个预测目标 |
379 | 2025-10-01 |
Assessment of three-dimensional RNA structure prediction in CASP15
2023-Oct-03, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.25.538330
PMID:37162955
|
研究论文 | 评估CASP15中RNA三维结构预测方法的性能 | 首次在CASP竞赛中系统评估RNA结构预测方法,并采用适应RNA的蛋白质评估指标 | 在非经典碱基对建模、模型排序和多结构预测方面仍存在挑战 | 评估RNA三维结构预测方法的准确性和实用性 | 12个含RNA的目标结构及其预测模型 | 计算生物学 | NA | 冷冻电镜(cryo-EM)、X射线衍射 | 深度学习方法和传统计算方法 | 三维结构数据、电子密度图 | 42个预测组对12个RNA目标提交的预测模型 |
380 | 2025-10-01 |
Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15
2023-Mar-12, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.08.531814
PMID:36945536
|
研究论文 | 开发了一种结合成对结构相似性和深度学习界面接触预测的混合方法MULTICOM_qa,用于评估蛋白质复合物模型精度 | 首次将成对结构相似性方法与深度学习界面接触预测相结合,解决了低质量模型相似时传统方法失效的问题 | 未明确说明方法在特定类型蛋白质复合物上的性能限制 | 开发准确评估蛋白质复合物四级结构模型精度的方法 | 蛋白质复合物和组装体的四级结构模型 | 生物信息学 | NA | 深度学习界面接触预测 | 混合方法(PSS + ICPS) | 蛋白质结构模型 | CASP15评估中的24个预测器参与比较 |