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
3841	2025-05-01	ComNet: A Multiview Deep Learning Model for Predicting Drug Combination Side Effects 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01737 PMID:39749659	research paper	提出了一种名为ComNet的多视图深度学习模型，用于预测药物组合的副作用	通过整合药物的多视图特征，提高了副作用预测的准确性，包括分子指纹、SMILES语义信息和3D构象空间信息	未提及具体的数据集规模限制或模型在特定类型药物上的表现限制	提高药物组合副作用的预测准确性	药物组合及其副作用	machine learning	NA	深度学习	ComNet（多视图深度学习模型）	分子指纹、SMILES语义信息、3D构象空间信息	多个公开数据集及自收集数据集
3842	2025-05-01	Graph-Based Deep Learning Models for Thermodynamic Property Prediction: The Interplay between Target Definition, Data Distribution, Featurization, and Model Architecture 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02014 PMID:39780656	research paper	探讨了基于图的深度学习模型在热力学性质预测中目标定义、数据分布、特征化方法和模型架构之间的相互作用	发现目标定义（使用形成能而非原子化能/焓）和特征化方法的选择对模型准确性具有决定性影响，且分子级别预测优于原子级别增量预测	直接修改模型架构带来的准确性提升较为有限	开发具有更广泛适用性的基于图的稳健热力学模型架构	五个经过筛选的数据集，涵盖元素组成、多重性、电荷状态和尺寸的多样性	machine learning	NA	graph-based deep learning	graph-based deep learning models	thermodynamic property data	five curated data sets
3843	2025-05-01	Prediction of Proteolysis-Targeting Chimeras Retention Time Using XGBoost Model Incorporated with Chromatographic Conditions 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01732 PMID:39786356	研究论文	本文提出了一种结合色谱条件的XGBoost模型，用于预测蛋白水解靶向嵌合体（PROTACs）的保留时间	开发了一个优化的XGBoost模型，结合分子指纹、描述符和色谱条件描述符，显著提高了PROTACs保留时间的预测准确度	模型在新型色谱分离条件下的泛化能力有待进一步验证，且样本量可能有限	提高PROTACs保留时间的预测精度，以促进其结构鉴定和药物设计	蛋白水解靶向嵌合体（PROTACs）	机器学习	NA	液相色谱（LC）与质谱（MS）联用技术	XGBoost, RF, KNN, SVM, FCNN	分子指纹和描述符数据	文献中的PROTAC-RT数据集及6种实验测定的化合物
3844	2025-05-01	PPI-CoAttNet: A Web Server for Protein-Protein Interaction Tasks Using a Coattention Model 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01365 PMID:39761551	research paper	介绍了一个基于共注意力机制的深度学习模型PPI-CoAttNet，用于蛋白质-蛋白质相互作用（PPI）预测，并提供了一个用户友好的多功能网络服务器	设计了一个基于共注意力机制的深度学习模型，能够同时进行PPI和位点预测，并开发了一个用户友好的网络服务器PPI-CoAttNet	未明确提及具体限制	开发一个用户友好的多功能网络服务器，用于蛋白质-蛋白质相互作用（PPI）预测，以加速药物发现	蛋白质-蛋白质相互作用（PPI）	machine learning	NA	deep learning, coattention mechanism	CoAttNet	protein interaction data	未明确提及具体样本量
3845	2025-05-01	Enhanced Sampling Simulations of RNA-Peptide Binding Using Deep Learning Collective Variables 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01438 PMID:39772512	研究论文	本文利用深度学习集体变量增强采样模拟RNA-肽结合过程	使用Deep-TDA方法设计集体变量，研究复杂生物分子识别过程	需要大量描述符来捕获宿主和客体的构象及结合过程	研究RNA-肽结合的机制和自由能景观	L22环肽与HIV TAR RNA的结合	计算生物学	HIV感染	Deep-TDA, OPES模拟	Deep-TDA	分子模拟数据	NA
3846	2025-05-01	High-Accuracy Identification and Structure-Activity Analysis of Antioxidant Peptides via Deep Learning and Quantum Chemistry 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01713 PMID:39772654	研究论文	开发了一种结合机器学习和量子化学的创新框架，用于加速抗氧化肽的识别和分析其结构-活性关系	提出了结合Bi-LSTM模型和量子化学的创新框架，显著提高了抗氧化肽的识别准确性和结构-活性分析效率	NA	加速抗氧化肽的发现并分析其结构-活性关系	抗氧化肽（AOPs）	机器学习	氧化应激相关疾病	量子化学计算	Bi-LSTM	NA	两个数据集，实验验证了十种肽
3847	2025-05-01	Hybrid exons evolved by coupling transcription initiation and splicing at the nucleotide level 2025-Jan-24, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1251 PMID:39739742	研究论文	本研究利用可解释的深度学习流程解析了混合外显子中转录起始和剪接共调控的序列特征	揭示了混合外显子的广泛存在及其在转录起始和剪接共调控中的新机制	研究主要基于人类组织ENCODE数据，可能不适用于其他物种或组织类型	探究混合外显子的调控机制及其进化特征	人类组织中的80000个混合第一-内部外显子	自然语言处理	NA	深度学习	NA	基因组序列数据	80000个混合第一-内部外显子
3848	2025-05-01	Real-time CBCT imaging and motion tracking via a single arbitrarily-angled x-ray projection by a joint dynamic reconstruction and motion estimation (DREME) framework 2025-Jan-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ada519 PMID:39746309	研究论文	开发了一种名为DREME的框架，用于实时CBCT成像和运动估计，无需依赖患者特定的先验知识	DREME框架结合了深度学习实时CBCT成像和运动估计方法，能够从单一任意角度X射线投影中实时重建CBCT和估计运动	未提及具体局限性	提高放疗中实时CBCT成像和运动跟踪的准确性和效率	CBCT成像和呼吸引起的解剖运动	医学影像处理	肺癌	深度学习、CBCT成像	CNN	X射线投影图像	数字体模模拟和真实患者研究
3849	2025-05-01	Using artificial intelligence and statistics for managing peritoneal metastases from gastrointestinal cancers 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae049 PMID:39736152	research paper	探讨人工智能和统计方法在分析和处理胃肠道癌症引起的腹膜转移中的应用	系统比较了AI方法（包括传统机器学习和深度学习）与传统统计方法在腹膜转移管理中的表现，发现AI方法尤其是深度学习表现更优	样本量是影响模型预测准确性的关键因素，但研究未涉及具体样本量的量化分析	研究人工智能和统计方法在腹膜转移管理中的应用效果	胃肠道癌症引起的腹膜转移	machine learning	gastrointestinal cancers	conventional ML, DL, biostatistics, logistic models	ML, DL	NA	近30篇符合预定义标准的文章
3850	2025-05-01	Novel approach for quality control testing of medical displays using deep learning technology 2025-Jan-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ada6bd PMID:39773861	研究论文	本研究开发了一种基于深度学习的医疗显示器质量控制模型，用于对比度响应和最大亮度的测量	采用多任务策略和预训练模型微调，构建了能同时进行分类和回归的多输出模型	模型在最大亮度值上存在低估现象，且回归任务的相关系数在0.6-0.7之间	开发高效的医疗显示器质量控制系统	医疗显示器	计算机视觉	NA	深度学习	多输出模型（基于预训练模型）	图像	NA
3851	2025-05-01	NMRformer: A Transformer-Based Deep Learning Framework for Peak Assignment in 1D 1H NMR Spectroscopy 2025-Jan-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05632 PMID:39745381	研究论文	本文介绍了一种基于Transformer的深度学习框架NMRformer，用于1D 1H NMR光谱中的峰分配和代谢物识别	NMRformer将光谱解释为谱峰序列，并集成了自注意力机制和峰高比到Transformer编码器层，能够识别和解释峰之间的长程依赖关系	NA	提高NMR代谢组学研究中峰分配和代谢物识别的准确性和效率	1D 1H NMR光谱数据	机器学习	NA	1D 1H NMR光谱	Transformer	光谱数据	多种细胞和生物流体样本
3852	2025-05-01	Differential Diagnosis of Urinary Cancers by Surface-Enhanced Raman Spectroscopy and Machine Learning 2025-Jan-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05287 PMID:39757799	研究论文	本研究开发了一种基于表面增强拉曼光谱（SERS）和机器学习的方法，用于区分膀胱癌、肾癌和前列腺癌	首次尝试利用SERS-机器学习策略结合临床血清样本区分多种泌尿系统癌症	NA	开发高效的非侵入性泌尿系统癌症早期诊断方法	膀胱癌、肾癌和前列腺癌患者的血清样本	机器学习	泌尿系统癌症	表面增强拉曼光谱（SERS）	LSTM	血清光谱数据	临床血清样本（具体数量未提及）
3853	2025-05-01	The abiologically and biologically driving effects on organic matter in marginal seas revealed by deep learning-assisted model analysis 2025-Jan-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.178251 PMID:39754949	研究论文	本研究通过深度学习辅助模型分析，揭示了边缘海中有机物的非生物和生物驱动效应	引入先进的深度学习网络推断工具，研究边缘海中有机物的非生物和生物驱动效应，并识别了影响有机质异质性的关键因素	研究仅针对中国黄海和渤海，可能无法完全代表其他边缘海的情况	探究边缘海中有机物的非生物和生物驱动效应及其异质性分布	黄海和渤海中的颗粒有机物(POM)和溶解有机物(DOM)	机器学习	NA	3D激发-发射矩阵光谱(3D-EEM)结合平行因子分析(PARAFAC)	人工神经网络(ANN)	光谱数据	中国黄海和渤海的海水样本
3854	2025-05-01	DPFunc: accurately predicting protein function via deep learning with domain-guided structure information 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54816-8 PMID:39746897	研究论文	提出了一种名为DPFunc的深度学习方法，利用域引导的结构信息准确预测蛋白质功能	DPFunc通过域信息引导，能够检测蛋白质结构中的重要区域并准确预测相应功能，显著优于现有基于结构的方法	未明确提及具体局限性	开发一种准确预测蛋白质功能的计算方法	蛋白质结构和功能	机器学习	NA	深度学习	DPFunc	蛋白质结构数据	未明确提及样本数量
3855	2025-05-01	Automated segmentation and deep learning classification of ductopenic parotid salivary glands in sialo cone-beam CT images 2025-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03240-w PMID:39085681	研究论文	本研究开发了一种自动算法，用于通过sialo锥束CT图像检测和分类腮腺导管减少症的严重程度	结合了经典图像处理和深度学习技术，开发了一个端到端的自动管道，提高了诊断准确性和效率	样本量较小（126例），可能影响模型的泛化能力	提高腮腺导管减少症的自动检测和分类准确性	腮腺sialo-CBCT扫描图像	数字病理学	唾液腺功能障碍	sialo锥束CT（sialo-CBCT）	残差神经网络（RNN）	图像	126例腮腺sialo-CBCT扫描（正常、中度和重度导管减少症病例）
3856	2024-09-04	Correction: Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities 2025-Jan, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03539-z PMID:39223254	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3857	2025-05-01	Deep Learning Predicts Subtype Heterogeneity and Outcomes in Luminal A Breast Cancer Using Routinely Stained Whole-Slide Images 2025-Jan-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0397 PMID:39740059	research paper	该研究利用深度学习模型通过转录组数据训练，经济高效地量化和精细定位LumA型乳腺癌常规图像中的亚型混合导致的肿瘤内异质性	提出了一种新方法，能够通过常规图像分析LumA型乳腺癌的亚型异质性及其对个体化治疗选择的影响	NA	探索LumA型乳腺癌亚型异质性机制及其对治疗选择的影响	LumA型乳腺癌的常规染色全切片图像	digital pathology	breast cancer	deep learning	NA	image	NA
3858	2025-05-01	Predicting sinonasal inverted papilloma attachment using machine learning: Current lessons and future directions 2025 Jan-Feb, American journal of otolaryngology IF:1.8Q2 DOI:10.1016/j.amjoto.2024.104549 PMID:39740533	research paper	使用机器学习预测鼻窦内翻性乳头状瘤的附着部位	开发了一种基于nnU-Net的深度学习模型，用于分析CT图像并识别内翻性乳头状瘤的附着部位	样本量较小（58例），且需要更多样化的数据集以提高临床应用的可靠性	通过机器学习提高鼻窦内翻性乳头状瘤附着部位的识别准确性	鼻窦内翻性乳头状瘤患者的CT图像	digital pathology	鼻窦内翻性乳头状瘤	CT扫描	nnU-Net	image	58例患者
3859	2025-05-01	NeuTox 2.0: A hybrid deep learning architecture for screening potential neurotoxicity of chemicals based on multimodal feature fusion 2025-Jan, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.109244 PMID:39742830	research paper	本研究开发了一种混合深度学习架构NeuTox 2.0，用于基于多模态特征融合的化学物质神经毒性筛查	结合了基于自监督学习的迁移学习、图神经网络和分子指纹/描述符，提高了预测准确性和泛化能力	在BBB数据集上表现未超过PaDEL描述符模型	开发高效的化学物质神经毒性筛查工具	化学物质的神经毒性	machine learning	NA	transfer learning, self-supervised learning, graph neural networks	hybrid deep learning architecture	molecular data	四个数据集（BBB渗透性、神经元细胞毒性、微电极阵列神经活动、哺乳动物神经毒性）和REACH数据库中的315,790种化合物
3860	2025-05-01	Human intention recognition for trauma resuscitation: An interpretable deep learning approach for medical process data 2025-Jan, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104767 PMID:39746431	research paper	提出了一种可解释的深度学习方法，用于自动识别创伤复苏过程中的目标追求	使用双GRU结构的神经网络模型，结合时间和活动类型特征，增强模型的可解释性	仅针对两种复苏目标（气道稳定和循环支持）进行验证，样本量有限	提高创伤复苏过程中目标追求的识别准确性，优化医疗决策支持	儿科创伤复苏事件日志	machine learning	trauma	deep learning	dual-GRU	event logs	381例儿科创伤复苏事件