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
3881	2026-06-23	Chemometrics, VIS-NIR-SWIR spectroscopy, and deep learning algorithms to classify and predict qualitative attributes of rice in grain processing and storage units 2026-Jun-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149275 PMID:42008893	研究论文	利用化学计量学与VIS-NIR-SWIR光谱结合深度学习算法，对大米加工和储存过程中的品质属性进行分类和预测	将高光谱光谱技术与多种机器学习模型（包括深度学习算法）结合，用于大米品质的无损检测，并探索了光谱与物理化学属性之间的关系	NA	研究基于谷物缺陷的物理质量分类与碾米理化属性之间的关系，利用无损技术结合机器学习算法确定加工和储存中的谷物质量	白米、黑米、红米和蒸谷米的样品	机器学习	NA	高光谱光谱（350-2500 nm）	线性回归、支持向量机、随机森林、梯度提升、卷积神经网络、循环神经网络	光谱数据	NA	NA	支持向量机、随机森林、梯度提升、卷积神经网络、循环神经网络	NA	NA
3882	2026-06-23	pHLA-Bi-Mamba: A pan-specific deep learning model for peptide-HLA-Ⅰ binding affinity and eluted ligand prediction 2026-Jun-25, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153729 PMID:42013547	研究论文	提出了一种基于双向Mamba架构的泛特异性深度学习模型pHLA-Bi-Mamba，用于预测肽-HLA-I结合亲和力与洗脱配体	首次将双向Mamba架构应用于肽-HLA-I结合预测，有效建模全局序列依赖性和肽结合沟槽内的空间约束，在基准数据集上达到最先进性能	NA	开发高效工具用于大规模免疫表位筛选，特别是识别高度不平衡数据集中的稀有结合物	肽-HLA-I对的结合亲和力和洗脱配体预测	机器学习	NA	蛋白质语言建模	双向Mamba	序列数据	NA	PyTorch	双向Mamba	R值, AUPRC	NA
3883	2026-06-23	Physics-Aware Representation Learning on Electronic Charge Density for Materials Property Prediction 2026-Jun-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00235 PMID:42212372	研究论文	提出一种物理启发的深度学习框架，直接从电子电荷密度预测材料力学和热力学性质	首次利用三维卷积自编码器对电子电荷密度进行无监督降维，将高分辨率电荷密度网格压缩为紧凑的潜在表示，并结合组合特征提升预测精度	仅使用了约6059种无机化合物数据，可能限制模型对更广泛材料体系的泛化能力	建立基于电子电荷密度的可迁移、物理基础的描述符，用于快速预测材料性质	无机晶体材料的电子电荷密度及力学/热力学性质	机器学习	NA	密度泛函理论	三维卷积自编码器、LightGBM、注意力机制三维卷积神经网络	电子电荷密度网格数据	约6059种无机化合物	PyTorch, LightGBM	3D卷积自编码器、Attention-based 3D CNN	相关系数R	NA
3884	2026-06-23	GraFSyn: An Interpretable Deep Learning Framework for Anticancer Drug Synergy via Graphlet Fingerprints 2026-Jun-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00458 PMID:42213476	研究论文	提出GraFSyn，一个基于图元指纹的可解释深度学习框架，用于预测抗癌药物协同作用	首次使用图元指纹将药物编码为显式连接子结构单元，保留预定义化学子结构及其拓扑身份，并引入动态多尺度卷积模块处理高维稀疏特征	NA	开发准确且结构可追溯的抗癌药物协同作用预测方法	抗癌药物组合的协同作用	机器学习	癌症	NA	深度学习框架	分子图结构数据、细胞系基因表达数据	Merck和AstraZeneca基准数据集	PyTorch	动态多尺度卷积模块	ROC-AUC, PR-AUC	NA
3885	2026-06-23	Unifying pKa and Protonation Prediction with Sequence-Based Deep Learning 2026-Jun-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00556 PMID:42214058	研究论文	提出基于序列深度学习模型T5pKa统一预测小分子pKa值和质子化状态	首次将序列到序列的T5Chem模型扩展到pKa预测，通过多任务学习同时枚举微观状态并预测微观pKa值，实现了质子化和去质子化的统一预测框架	依赖实验数据稀缺性，且仅适用于小分子，未验证对大分子或复杂体系的适用性	开发统一的基于序列的深度学习模型，提升pKa预测准确性并简化微观状态枚举流程	有机小分子的质子化/去质子化过程及其微观pKa值	自然语言处理	NA	深度学习序列模型	Transformer	文本	9000个实验获取的微观pKa条目	PyTorch	T5Chem, T5pKa	NA	NA
3886	2026-06-23	Autonomous Learning With High-Dimensional Computing Architecture Similar to Von Neumann's 2026-Jun-02, Neural computation IF:2.7Q3 DOI:10.1162/NECO.a.1523 PMID:42048393	研究论文	提出了一种类冯·诺依曼架构的高维向量计算模型，用于模拟人类和动物的学习过程	将高维向量计算与冯·诺依曼架构结合，提出类脑学习计算模型，兼具深度学习的自学习能力和生物相似性	缺乏大规模实验验证，且未提供具体应用案例，理论框架尚需完善	建立符合心理学、生物学且适用于纳米技术的高维向量计算理论，以理解大脑计算机制并推动机器人学习等应用	高维向量计算架构及其在学习和记忆模拟中的应用	机器学习	NA	高维向量计算	高维向量计算模型	向量数据	NA	NA	冯·诺依曼架构衍生向量处理器	NA	NA
3887	2026-06-23	Deep learning and cryogenic electron microscopy modeling for gene editing dynamics 2026-Jun, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103270 PMID:41996895	研究论文	利用深度学习与冷冻电镜建模研究基因编辑动态	将深度学习与冷冻电镜数据建模相集成，揭示基因编辑系统的动态构象景观，并利用图神经网络提取可解释的通信路径	NA	通过深度学习和冷冻电镜建模推动对基因编辑系统的动态、预测性和数据驱动理解	CRISPR-Cas系统的构象动态和分子机制	机器学习	NA	冷冻电镜，分子动力学模拟，量子力学方法	图神经网络	密度图，模拟数据	NA	NA	图神经网络	NA	NA
3888	2026-06-23	Three-Dimensional human motion analysis using LiDAR technology: A systematic review 2026-Jun, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2026.113292 PMID:42001760	综述	系统回顾基于LiDAR技术的人体三维运动分析方法	首次系统综述了深度学习在稀疏无序点云中提取人体运动信息的方法，并比较了不同模型性能	LiDAR在多人场景和遮挡情况下的鲁棒性仍是显著挑战	系统梳理3D LiDAR数据处理方法在人体运动分析中的应用现状	38篇关于LiDAR人体运动检测的研究文献	计算机视觉	NA	LiDAR	CNN, PointNet, YOLOv3, 联邦学习	3D点云	38篇研究文献	NA	CNN, PointNet, YOLOv3	精确率, 平均关节位置误差, 活动识别准确率	NA
3889	2026-06-23	iPalmT: a new paradigm for palmitoyltransferase discovery via end-to-end deep learning 2026-Jun, Oncogene IF:6.9Q1 DOI:10.1038/s41388-026-03802-z PMID:42000924	研究论文	提出了iPalmT，一种端到端深度学习框架，直接从氨基酸序列识别棕榈酰转移酶，无需手工特征或结构域注释	首次开发了不依赖手工特征和基序注释的端到端深度学习框架，能够从原序列直接发现棕榈酰转移酶，并通过集成梯度归因揭示了新的功能域	未明确提及，但可能依赖于训练数据的多样性和完整性，且预测的候选蛋白需进一步实验验证	系统性地发现棕榈酰转移酶，克服传统方法依赖劳动密集型和基序依赖检测的局限	棕榈酰转移酶及其序列特征	机器学习	癌症	深度学习	卷积神经网络（CNN）	氨基酸序列	独立测试集（具体数量未详述），以及来自33,285个物种级组的147,847,003个蛋白质中的10,365,644个序列	Python（基于PyTorch）	卷积层与挤压激励模块（Squeeze-and-Excitation）	准确率0.99，精确率0.98，召回率0.97，F1分数0.98	NA
3890	2026-06-23	Automated vertebral heart size estimation from thoracic radiographs in dogs with AI-assisted clinical decision support 2026-Jun, Veterinary journal (London, England : 1997) DOI:10.1016/j.tvjl.2026.106674 PMID:42002024	研究论文	提出了一种AI辅助的集成框架，用于自动从犬胸部放射线照片中估计椎体心脏尺寸，并生成结构化兽医总结	结合深度学习计算机视觉模型进行自动VHS测量与大型语言模型生成结构化兽医总结，形成多模态AI辅助决策支持系统	NA	支持兽医在放射学评估中自动估计心脏大小，辅助心脏肥大症的临床决策	犬类胸部放射线照片中的椎体心脏尺寸	计算机视觉，自然语言处理	心脏肥大症	胸部放射线摄影	深度学习模型，大型语言模型	DICOM放射线图像	NA	NA	NA	定量评估（准确性），定性评估（连贯性、上下文意识、一致性）	NA
3891	2026-06-23	Changes in computed tomography derived muscle and pulmonary tissue in patients hospitalized for COVID-19: A 12-month follow-up study 2026-Jun, Clinical nutrition ESPEN IF:2.9Q3 DOI:10.1016/j.clnesp.2026.103291 PMID:41999975	研究论文	探讨住院COVID-19患者在出院后一年内CT衍生的骨骼肌横截面积和肺实质组织变化模式及两者之间的关联	首次在前瞻性随访研究中评估COVID-19患者出院后一年内肌肉和肺组织变化的独立性，并利用深度学习算法量化肺实质受累百分比	单中心回顾性队列研究，样本量有限（211例基线，100例12个月随访），可能无法代表所有COVID-19患者	探究COVID-19住院患者出院后一年内CT测量的骨骼肌横截面积和受累肺实质组织百分比的变化模式及其关联	COVID-19住院患者	医学影像分析	COVID-19	CT成像	深度学习算法	CT图像	211例患者（基线至3个月随访），100例患者（12个月随访）	NA	NA	NA	NA
3892	2026-06-23	VMDiff: A novel hybrid CNN-Mamba generative framework for retinal phenotype image enhancement 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03582-4 PMID:42053739	研究论文	提出一种基于扩散模型的混合CNN-Mamba框架VMDiff，用于视网膜表型图像增强，在多个公开数据集上取得优异性能	首次将CNN和Mamba架构协同集成到扩散模型中，通过高频提取模块和高频一致性损失保留精细结构，并采用渐进式损失机制解耦优化目标，平衡像素级精度和感知质量	未明确提及	增强视网膜表型图像，同时捕捉局部细节和全局依赖关系，提升图像质量并辅助下游临床分析	视网膜图像（来自EyePACS、DRIVE和IDRiD等公开数据集）	计算机视觉	眼科疾病	图像增强	扩散模型（混合CNN和Mamba）	图像	多个公开数据集（未具体说明数量）	PyTorch	VMDiff（CNN-Mamba混合架构）	PSNR、SSIM、AUC、ACC、IoU	NA
3893	2026-06-23	Automated detection of superior mesenteric artery occlusion on post-contrast CT Using a 3D deep learning model 2026-Jun, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110810 PMID:42013611	研究论文	开发并评估用于检测增强CT中肠系膜上动脉闭塞的三维深度学习模型	首次将3D深度学习模型应用于增强CT肠系膜上动脉闭塞的自动检测，并在前瞻性环境中验证其临床效果和减少报告延迟的能力	数据集来自单中心，可能存在选择偏倚；模型对非CTA检查的敏感性较低	开发并评估一种3D深度学习模型，用于检测增强CT中的肠系膜上动脉闭塞，并评估其性能和临床影响	肠系膜上动脉闭塞（SMAO）	计算机视觉	肠系膜上动脉闭塞	增强CT	3D卷积神经网络（CNN）	图像	79,163份增强CT检查（前瞻性），测试数据集具体数量未明确	PyTorch	3D卷积神经网络（具体架构未明确）	敏感性、特异性、曲线下面积（AUC）、延迟时间、质量保证指标	NA
3894	2026-06-23	AI-based plastic waste classification for sorting purposes: A review on recent progresses and challenges 2026-May-30, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2026.115542 PMID:42008919	综述	系统综述了2015至2025年间基于AI（特别是机器学习和深度学习）的塑料废物分类与分拣方法	首次整合性能指标，绘制AI分类模型多样性图谱，并提出轻量化模型、多传感器融合和边缘AI部署等未来研究方向	真实世界数据集有限、可扩展性问题及环境变异性等关键挑战	为可持续和可扩展的AI驱动塑料废物分类提供技术资源和战略指导	塑料废物	计算机视觉	NA	近红外光谱、傅里叶变换红外光谱、拉曼光谱	卷积神经网络、YOLO架构、Transformer模型	图像	112篇论文（2015-2025年发表）	NA	CNN, YOLO, Transformer	分类准确率	NA
3895	2026-06-23	Artificial Intelligence-Supported Colorimetric Multibiomarker Sensor to Enable Critical Neonatal Monitoring 2026-May-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04171 PMID:42205010	研究论文	提出一种基于人工智能的非侵入式多生物标志物监测传感器，通过体液比色分析实现对危重新生儿的实时监测	将十二种不同比色墨水的丝质传感器集成到纸质微流控可穿戴贴片上，结合深度学习实现高精度定量分析，专为早产儿设计	NA	开发一种非侵入式、人工智能支持的多生物标志物监测传感器，用于危重新生儿的临床监测	危重早产新生儿及其体液（经皮液）中的生物标志物	计算机视觉	新生儿疾病	比色分析	深度学习模型	图像	NA	NA	NA	平均绝对误差, 平均精度	NA
3896	2026-06-23	Rapid customization of base editors via machine learning-powered combinatorial mutagenesis 2026-May-21, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2026.03.030 PMID:41997156	研究论文	结合组合突变与机器学习，快速定制碱基编辑器，实现高精度无旁观者编辑	首次使用组合突变结合机器学习分析超过160,000个碱基编辑蛋白变体，仅用0.004%的突变景观数据预测性能；预训练基于结构的深度学习模型无需实验数据即可预测功能性TadA变体，成功率达63%	未提及	通过机器学习驱动的组合突变，快速定制碱基编辑器，消除旁观者效应并提升编辑精度	碱基编辑蛋白（evoAPOBEC1和TadA变体）及其在人类细胞中的DNA基序偏好	机器学习	遗传性疾病（涉及800多种疾病相关突变）	组合突变，机器学习建模	深度学习模型	DNA序列数据	160,000个evoAPOBEC1变体，6,400万TadA变体	NA	基于结构的深度学习模型（具体架构未明确）	成功率（63%），旁观者编辑检测率（50%案例中不可检测）	未提及
3897	2026-06-23	A network-based deep learning model integrating subclonal architecture for therapy response prediction in cancer 2026-May-18, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101411 PMID:41999762	研究论文	提出一个基于网络的深度学习模型SubNetDL，整合亚克隆突变谱和蛋白-蛋白相互作用网络，用于预测癌症治疗效果	利用网络传播整合亚克隆突变谱与蛋白-蛋白相互作用网络，仅依赖体细胞突变即可适用于多种癌症类型和治疗方案，识别出非中心网络位置的候选生物标志物基因	对两个独立免疫治疗数据集的泛化能力需进一步验证，且可能受限于TCGA数据的异质性	开发稳健且可解释的深度学习框架，用于预测癌症治疗效果并识别预测性生物标志物	10个TCGA癌症-药物组合数据集及两个独立免疫治疗数据集	机器学习	癌症	NA	深度学习模型	基因突变数据	10个TCGA癌症-药物组合数据集（具体样本数量未详细说明）	NA	SubNetDL	AUROC	NA
3898	2026-06-23	A protein surface-aware multimodal framework for residue-level metal-binding site recognition 2026-May-18, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101414 PMID:42013856	研究论文	提出了MetalBind，一种蛋白质表面感知的多模态深度学习框架，用于残基级别的金属结合位点识别	集成了蛋白质序列嵌入、原子特定物理化学特征和几何感知的表面点学习模块，在多种金属上实现更高预测精度，且在稀疏训练数据下仍表现良好	NA	开发高精度金属结合位点识别方法以促进金属蛋白质组注释和工程金属蛋白设计	金属结合位点识别与金属蛋白质组注释	机器学习	NA	深度学习	多模态神经网络	蛋白质序列与结构数据	13个金属特异性数据集	NA	MetalBind（含序列嵌入、原子特征和几何表面模块）	准确率、AUC等多项指标	提供在线实现
3899	2026-06-23	ReaderAdaptNet: modeling reader variability in breast imaging with reader-specific embeddings 2026-May-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae6227 PMID:42009042	研究论文	提出ReaderAdaptNet，一种通过读者特定嵌入来建模乳腺影像判读中读者变异性的自适应网络	首次通过两阶段深度学习框架将读者变异性显式建模为低维嵌入，实现个性化分类并支持快速校准，无需重新训练完整模型	未明确说明，但可能包括对多读者数据集依赖性和校准所需的小样本标注数量敏感	解决乳腺影像判读中因主观差异导致的读者变异性问题，提高AI模型的可靠性和个人化适应能力	乳腺密度分类（全视野数字乳腺摄影）和背景实质增强（BPE）分类（对比增强乳腺摄影）的多读者数据集	计算机视觉	乳腺癌	深度学习	自适应网络	图像	NA	PyTorch	ReaderAdaptNet	平均分类准确率	NA
3900	2026-06-23	MechMemDyn: Coupling Frustration Analysis with Membrane Dynamics to Target the TREM2-DAP12 Complex Interface 2026-May-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03239 PMID:42007542	研究论文	提出MechMemDyn框架，整合蛋白质挫败分析与膜嵌入分子动力学模拟，靶向TREM2-DAP12复合物界面以稳定蛋白质-蛋白质相互作用	首次系统地将挫败分析应用于合理化蛋白质-蛋白质相互作用稳定活性并指导配体设计，提出基于热力学严谨度量的配体能力评估方法，优于传统静态对接和几何深度学习	未提及	开发一种物理驱动的预测框架，以解决TREM2-DAP12跨膜复合物界面的内在可塑性挑战，实现有效的蛋白质-蛋白质相互作用稳定剂设计	TREM2-DAP12跨膜复合物及其配体	机器学习	阿尔茨海默病	分子动力学模拟	集成挫败分析与分子动力学的预测框架	分子模拟数据	未提及	NA	NA	配体能力与实验效力的相关性	未提及