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 44199 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2026-05-19 |
Deep Learning-Assisted Nanomechanical Evaluation of Replicative Senescence in Human Umbilical Cord Mesenchymal Stem Cells
2026-May-13, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.6c00374
PMID:42127096
|
研究论文 | 利用深度学习辅助原子力显微镜技术评估人脐带间充质干细胞复制性衰老，并建立基于变分自编码器的预测模型 | 首次揭示hUC-MSCs特有的“衰老相关力学表型”，并结合VAE深度学习模型实现衰老的连续低维表示与早期精准预测 | NA | 实现人脐带间充质干细胞复制性衰老的非侵入性、实时定量评估 | 人脐带间充质干细胞（hUC-MSCs）的年轻与衰老细胞 | 机器学习 | NA | 原子力显微镜（AFM） | 变分自编码器（VAE） | 力学表型数据（纳米形貌、力学参数） | NA | NA | 变分自编码器（VAE） | 预测性能、泛化能力 | NA |
| 22 | 2026-05-19 |
Deep learning for detection and automatic visualization of radiation-induced temporal lobe injury in nasopharyngeal carcinoma across endemic and non-endemic areas in China
2026-May-13, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111596
PMID:42134661
|
研究论文 | 开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌放射诱导颞叶损伤的检测和自动可视化 | 首次提出基于2.5D ResNet的多任务学习网络，同时实现放射诱导颞叶损伤的分类和分割，并在中国大陆地域跨度大的流行区和非流行区进行验证 | 前瞻性验证中临床获益尚未得到确认；模型性能在外部测试集上略有下降 | 开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌放射诱导颞叶损伤的早期检测和自动可视化 | 鼻咽癌患者放射诱导的颞叶损伤 | 计算机视觉 | 鼻咽癌 | MRI | 多任务深度学习网络 | 图像 | 956名鼻咽癌患者 | PyTorch | 2.5D ResNet | AUC, 灵敏度, Dice相似系数 | NA |
| 23 | 2026-05-19 |
ULCYP: A Multitask Model for Predicting P450 Inducers Based on Positive-Unlabeled Learning
2026-May-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00305
PMID:42120957
|
研究论文 | 提出ULCYP，一种基于正-未标记学习的多任务深度学习框架，用于预测细胞色素P450诱导剂 | 利用正-未标记学习方法有效利用大规模未标记数据，弥补可信负样本的稀缺性，提升决策边界估计的准确性；结合集成梯度方法增强模型可解释性，并定义严格的应用域 | 研究未明确提及局限性，但可能受限于诱导剂数据稀缺和模型在更广化学空间中的泛化能力 | 开发用于预测CYP诱导剂的多任务深度学习模型，以降低药物相互作用和毒性风险 | 细胞色素P450（CYP）诱导剂及关键诱导介质（PXR、CAR、AhR）的非激动剂 | 机器学习 | NA | 深度学习 | 多任务深度学习模型 | 分子结构数据 | 包含诱导剂和未标记数据，具体数量未给出 | PyTorch | 基于深度神经网络的多任务框架 | 平均AUC高于0.81 | NA |
| 24 | 2026-05-19 |
A new method for accurate detection of counterfeit sesame oil using three-dimensional fluorescence spectroscopy
2026-May-12, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.128055
PMID:42143998
|
研究论文 | 提出一种利用三维荧光光谱结合差分光谱重构和TabTransformer-XGBoost模型，精确检测掺假芝麻油的新方法 | 创新性提出差分光谱重构方法以增强微小掺假引起的荧光变化，并构建TabTransformer-XGBoost深度学习模型同时实现芝麻油真伪分类和芝麻香精浓度的准确定量 | 未提及方法的局限性 | 实现芝麻油真伪的准确检测和芝麻香精浓度的定量预测，保障食品安全 | 掺假芝麻油中的芝麻香精浓度 | 机器学习 | NA | 三维荧光光谱 | TabTransformer-XGBoost集成深度学习模型 | 光谱数据 | 三个掺假样品 | XGBoost | TabTransformer, XGBoost | 准确率, 相关系数R, 均方根误差, 平均绝对百分比误差, 平均绝对误差 | NA |
| 25 | 2026-05-19 |
Molecular and Computational Basis of Taste Perception: A Review toward the "Digital Language of Taste"
2026-May-12, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c05861
PMID:42146156
|
综述 | 综述了味觉感知的分子与计算基础，聚焦于数字化味觉语言的构建 | 系统整合了分子对接、分子动力学模拟与机器学习在味觉研究中的应用，特别强调了人工智能模型（如深度学习与Transformer架构）在提高味觉预测准确性方面的进展 | 味觉受体结构数据不完整、受体激活长时间尺度建模困难、多感官整合模型不完善，以及计算预测与人类主观体验之间的鸿沟 | 探讨计算化学、分子建模与机器学习在味觉机制研究、味觉特征预测及新型味觉化合物设计中的应用，推动数字化味觉发展 | 味觉受体（G蛋白偶联受体和离子通道）及甜、苦、鲜、咸、酸五种基本味觉模式 | 机器学习 | NA | 分子对接、分子动力学模拟、机器学习 | 深度学习模型、Transformer架构 | 分子描述符数据 | NA | NA | 深度学习、Transformer | 准确率 | NA |
| 26 | 2026-05-19 |
Deep Computational Anatomy via Latent-Aligned Multiview Normalizing Flows
2026-May-11, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.723039
PMID:42146611
|
研究论文 | 提出一种名为潜在对齐多视图归一化流（LAMNr）的深度学习框架，用于学习异构多模态数据集的共享潜在子空间，同时拓扑展开数据流形 | 通过形式化的潜在对齐约束分离共享结构特征和视图特定变化，将归一化流与多模态数据协调结合，建立计算解剖概念（群体模板、潜在距离、测地线图像插值）的深度学习解释基础，支持精确的跨视图条件建模与潜在空间操作 | NA | 开发一种深度学习框架，用于多模态生物成像数据的共享潜在子空间学习与计算解剖学分析 | 成像衍生表型（IDPs）和多模态MRI数据 | 计算机视觉, 数字病理学 | NA | MRI | 归一化流（Normalizing Flows） | 图像 | NA | PyTorch, ANTsTorch | 潜在对齐多视图归一化流（LAMNr） | NA | NA |
| 27 | 2026-05-19 |
Cortical reconstruction and anatomical parcellation of high-resolution multi-modal postmortem ex vivo MRI of the human infant brain
2026-May-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.07.722301
PMID:42146518
|
研究论文 | 提出一个结合深度学习体积分割与表面皮质重建的高分辨率多模态死后婴儿脑MRI统一分析框架 | 首次为死后婴儿脑MRI构建多模态高分辨率数据集，并开发死后特定合成数据生成引擎PostSynth，以模拟固定引起的成像特征变化，解决死后MRI与活体MRI之间的域偏移问题 | 数据集可能受限于样本量及死后组织变化的个体差异，标准神经影像管线在完全未修正情况下完全失效 | 实现死后婴儿脑MRI的自动解剖分割与皮质表面重建，为微观结构测量与病理关联提供工具 | 死后婴儿脑（postmortem infant brain）的高分辨率多模态MRI数据 | 数字病理学 | 无特定疾病，针对发育中脑结构研究 | 多模态MRI（高分辨率结构成像）、深度学习体积分割、表面重建 | 深度学习（卷积神经网络为基础的分割与重建模型） | 图像（高分辨率MRI） | 未明确说明样本数量，但强调为多模态高分辨率死后婴儿脑数据集 | NA | NA | NA | NA |
| 28 | 2026-05-19 |
A Deep Learning Framework for Spatiotemporal Modeling of Visual Task fMRI
2026-May-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.722117
PMID:42146685
|
研究论文 | 提出STREAM深度学习框架，用于对任务态fMRI中的视觉皮层处理进行时空建模，揭示有效连接和全脑信息流 | 首次将深度学习用于学习任务fMRI中的神经转换函数，以表征有效连接和全脑信息流，并发现默认模式网络作为高级调节枢纽而非被动区域 | 未提供明确的局限性信息 | 通过深度学习框架表征任务态fMRI中的有效连接和全脑信息流，揭示大脑动态协调机制 | 1074名参与者的视觉类别处理任务fMRI数据 | 机器学习 | NA | 功能磁共振成像（fMRI） | 深度学习模型（STREAM） | fMRI时间序列图像 | 1074名参与者 | PyTorch | STREAM（时空表示有效连接分析模型） | 激活图重建精度 | NA |
| 29 | 2026-05-19 |
CT Attenuation Map-Derived Body Composition Is Associated with Cardiorespiratory Fitness in Multicenter External Validation
2026-May-08, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.07.26352573
PMID:42145618
|
研究论文 | 开发并外部验证基于CT衰减图的体成分“健康”评分，用于评估心肺适能 | 首次利用深度学习量化CT体成分数据，构建综合“健康”评分替代运动测试，并在多中心外部人群中验证其与运动能力和全因死亡率的关联 | NA | 评估基于CT体成分分析估计心肺适能的有效性，并开发可替代运动测试的评分工具 | 接受单光子发射计算机断层扫描（SPECT）和正电子发射断层扫描（PET）的患者 | 计算机视觉 | 心血管疾病 | CT衰减图 | 深度学习 | 图像 | 36471名患者（来自4个SPECT站点和12个PET站点） | NA | NA | AUC, 调整后风险比 | NA |
| 30 | 2026-05-19 |
AI-enabled virtual immunopeptidomics links quantitative neoantigen presentation to immunogenicity
2026-May-08, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.722287
PMID:42146452
|
研究论文 | 开发了深度学习框架epiVIP，利用广泛可用的(sc)RNA-seq数据预测单个HLA-I肽的丰度，从而连接新抗原的定量呈递与免疫原性 | 首次利用深度学习模型预测肽丰度，并将其与肿瘤反应性和患者生存独立关联，为TCR亲和力理论提供定量支持 | NA | 通过预测新抗原丰度来改进癌症免疫治疗中的新抗原优先排序 | HLA-I肽的丰度及其与免疫原性的关系 | 机器学习 | 癌症 | RNA-seq, scRNA-seq | 深度学习 | 基因表达数据, 免疫肽组学数据 | 170万个免疫肽与基因表达谱配对数据，以及来自临床数据集的33,711个新抗原 | PyTorch | epiVIP | 泛化能力, 肿瘤反应性预测, 患者生存预测 | NA |
| 31 | 2026-05-19 |
Weak supervision of H&E slides reveals systems-level biology and functional states that govern therapeutic resistance
2026-May-08, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.723013
PMID:42146619
|
研究论文 | 使用弱监督深度学习模型从常规H&E全切片图像中推断治疗相关的肿瘤微环境表型活性 | 无需资源密集的空间组学数据训练，仅利用常规H&E切片和已有的治疗结果或整体组学数据作为切片级标签，即可评估功能生物学状态 | NA | 开发可扩展工具，从患者层面评估驱动治疗抵抗的肿瘤微环境程序 | 3111例乳腺癌H&E全切片图像及其配对的整体转录组数据 | 数字病理学 | 乳腺癌 | RNA-seq | 深度学习 | 图像 | 3111例乳腺癌H&E全切片图像 | PyTorch | 弱监督深度学习模型 | AUROC, 皮尔逊相关系数 | NA |
| 32 | 2026-05-19 |
Mechanically Robust Hydrogel Strain Sensor Enabled by a Multicross-Linked Electrospun-Fiber Network for Human Motion Recognition and Interactive Control
2026-May-07, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.6c03309
PMID:42096647
|
研究论文 | 本研究通过多交联静电纺丝纤维网络与双网络交联结构的协同作用，开发了一种兼具高机械性能和优异导电性的水凝胶应变传感器，并应用于手势识别与交互控制 | 首次将双网络交联结构与嵌入静电纺丝纳米纤维协同增强，实现了水凝胶力学性能（弹性模量152 kPa、韧性1.84 MJ/m³）与电导率（2.1 S/m）的同时显著提升，并结合深度学习实现多手势高精度识别及机器人交互控制 | 未提及具体限制 | 开发高性能可穿戴应变传感器，同时具备强机械性能和优异导电性，用于人体运动识别与人机交互 | 多交联静电纺丝纤维增强水凝胶应变传感器 | 机器学习 | NA | 静电纺丝、双网络交联 | 深度学习模型 | 传感器信号 | 五传感器集成于智能手套 | 深度学习框架（未具体说明） | NA | 弹性模量、韧性、电导率、应变灵敏度系数 | NA |
| 33 | 2026-05-19 |
Generating synthetic tau-PET scans in Alzheimer's disease from MRI, blood biomarkers and demographics with deep learning
2026-May-07, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.06.26352540
PMID:42145644
|
研究论文 | 开发深度学习模型从结构磁共振成像、人口统计学数据和血液生物标志物合成阿尔茨海默病患者的tau-PET扫描 | 首次利用深度学习方法从更易获取的模态（MRI、血液生物标志物和人口统计学数据）生成临床可用的合成tau-PET图像，替代高成本的原位tau-PET成像 | 研究未明确提及局限性，可能包括合成扫描对罕见tau沉积模式的泛化能力不足或对真实数据中噪声的敏感性 | 验证从多模态数据（MRI、血液生物标志物、人口统计学）生成可替代的合成tau-PET扫描的可行性，提供经济高效的AD病理评估方法 | 13个队列的5191名参与者，涵盖阿尔茨海默病连续谱或神经系统疾病患者 | 机器学习, 数字病理 | 阿尔茨海默病 | PET成像, MRI成像, 血液生物标志物检测 | 3D U-Net | 图像（MRI、PET）、数值数据（生物标志物）、人口统计学数据 | 5191名参与者（多中心数据，13个队列） | NA | 3D U-Net（含残差和注意力单元） | 相关系数R（0.77-0.86）、空间相似性R=0.75、风险比（HR=12和45） | NA |
| 34 | 2026-05-19 |
Real-time AI integration for MR to detect artifacts and guide pulse sequence adaptations
2026-May-07, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.04.722724
PMID:42146385
|
研究论文 | 首次提出AI集成磁共振脉冲序列，实时检测并响应体素外伪影，通过更新梯度方案进行前瞻性校正 | 首次实现AI集成脉冲序列（PEREGRINE）在单次TR内实时检测体素外伪影并动态调整梯度方案，无需后处理 | AI开启扫描在梯度排列切换时可能引入更多伪影，存在“全条件”下与AI关闭无显著差异的局限性 | 开发并验证能够实时检测和校正MRI体素外伪影的AI集成脉冲序列技术 | 健康志愿者前额叶皮层的编辑MRS扫描数据 | 机器学习 | NA | MRI, MRS | 卷积自编码器 | 时域和频域信号 | 健康志愿者（具体数量未注明） | NA | 卷积自编码器（时域和频域双分支） | 体素外伪影评分, 拟合质量评分 | NA |
| 35 | 2026-05-19 |
Tumor cell specific total mRNA expression informed neural networks predicts cancer progression
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.01.722212
PMID:42146375
|
研究论文 | 提出TmSNet深度学习框架，利用多组学数据预测肿瘤细胞特异性总mRNA表达量，并评估其在癌症进展预测中的表现 | 首次将结构化特征选择（梯度提升、LASSO、弹性网络）与专门化的神经架构结合，用于预测连续型肿瘤细胞特异性总mRNA表达，无需匹配的DNA和RNA测序数据及计算密集的反卷积流程 | 外部验证集（SCAN-B和FUSCC）的相关性较低（分别为0.54和0.43），可能受限于队列异质性或数据分布差异 | 开发可扩展的多组学数据分析框架，通过预测肿瘤细胞特异性总mRNA表达来推断肿瘤分子表型并预测癌症进展 | 12种TCGA癌症类型（泛癌分析）及外部验证队列（SCAN-B和FUSCC）中的肿瘤样本 | 机器学习 | 多种癌症（如乳腺癌等TCGA涵盖的12种癌症类型） | 多组学数据整合（mRNA表达、DNA甲基化、miRNA、免疫细胞比例） | 深度学习神经网络 | 多组学数据（基因表达、甲基化、miRNA、免疫细胞比例） | 12种TCGA癌症类型（具体样本数未提供），外部验证包括SCAN-B和FUSCC队列 | NA | 结构化特征选择（梯度提升、LASSO、弹性网络）与神经架构结合 | 一致性相关系数（CCC）、相关系数R²、外部验证相关性 | NA |
| 36 | 2026-05-19 |
Deep Learning-Based Structure Modeling of the Treponema pallidum Proteome: Insights into Pathogenesis and Syphilis Vaccine Development
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.717303
PMID:42146597
|
研究论文 | 利用深度学习对梅毒螺旋体全蛋白质组进行结构建模，分析其功能并识别与致病性和疫苗开发相关的蛋白 | 首次采用AI驱动的结构到功能建模流程，对梅毒螺旋体99%的蛋白质组生成高置信度结构模型，并完成877种蛋白质的结构基础功能注释，包括240个未知功能蛋白 | 未明确描述 | 通过结构建模深入理解梅毒螺旋体的致病机制，并指导梅毒疫苗设计 | 梅毒螺旋体全蛋白质组，包含976种蛋白质 | 机器学习 | 梅毒 | 深度学习结构建模、蛋白质结构比较、B细胞表位预测 | 深度学习模型（未指定具体类型） | 蛋白质序列数据 | 976种梅毒螺旋体蛋白质 | NA | 未指定具体架构 | NA | NA |
| 37 | 2026-05-19 |
Reactivation of a TAL1 progenitor cell enhancer region by non-coding somatic variants in T-lineage acute lymphoblastic leukemia
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.03.722504
PMID:42146694
|
研究论文 | 本研究探讨T系急性淋巴细胞白血病中非编码体细胞变异如何通过重建MYB转录因子结合位点激活TAL1祖细胞增强子区域 | 首次发现位于TAL1转录起始位点下游29kb的基因间区体细胞变异（包括复杂插入缺失和内部串联重复）通过创建或包含MYB结合位点，导致增强子活性和短亚型表达，且该过程无法被深度学习AI模型AlphaGenome预测 | 仅关注6%的TAL1表达T-ALL病例，需更大样本验证；功能验证依赖于实验而非纯计算预测，可能限制高通量筛选 | 阐明T系急性淋巴细胞白血病中非编码体细胞变异介导的TAL1调控机制 | T系急性淋巴细胞白血病（T-ALL）患者肿瘤样本 | 机器学习 | T系急性淋巴细胞白血病 | ChIP-seq | 深度学习 | 基因组序列 | 6%的TAL1表达T-ALL病例（具体样本量未明确） | AlphaGenome | AlphaGenome | NA | NA |
| 38 | 2026-05-19 |
Whole-body 3D kinematics of freely behaving Drosophila
2026-May-04, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.03.722293
PMID:42146626
|
研究论文 | 提出了一套无标记、全身三维姿态估计管道，用于记录自由行为果蝇的全身体运动学 | 结合七台高速相机和混合2D/3D深度学习模型，在800帧/秒下追踪50个关键点，并通过逆运动学约束的生物力学模型生成解剖学上可行的运动轨迹 | 仅针对地面行为，未涵盖飞行行为；管道复杂性可能限制推广应用 | 理解神经系统如何生成协调运动，为果蝇运动控制提供机械模型基础 | 自由行为的果蝇（包括求偶中的雄性和雌性） | 计算机视觉 | NA | 高速摄像、深度学习姿态估计、逆运动学建模 | 混合2D/3D深度学习模型 | 图像（高速视频） | 多只果蝇，具体数量未提及 | PyTorch（基于深度学习框架） | 2D/3D混合关键点检测网络、生物力学模型（逆运动学约束） | 运动学轨迹精度、解剖学可行性（具体指标未在摘要中列出） | 七台同步高速相机（800帧/秒），GPU（类型未明确） |
| 39 | 2026-05-19 |
Evolution-guided protein design of IscB for persistent epigenome editing in vivo
2026-May, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02655-3
PMID:40335752
|
研究论文 | 通过自然多样性筛选、结构引导设计和深度学习结构预测，将紧凑型RNA引导核酸内切酶IscB转化为改进变体NovaIscB，实现体内持久表观基因组编辑 | 结合直系同源筛选、结构引导的蛋白质结构域和RNA工程以及基于深度学习的结构预测，对IscB进行设计优化，获得改进变体NovaIscB，其活性相比野生型提高约100倍，且特异性得到改善 | 未在文中提及 | 设计一种紧凑型且增强活性的RNA引导核酸内切酶，用于体内持久基因抑制 | OMEGA家族的RNA引导核酸内切酶IscB及其引导RNA（ωRNA） | 分子生物学, 机器学习 | NA | 蛋白质工程, RNA工程, 深度学习结构预测, 甲基转移酶融合 | 深度学习模型（用于结构预测） | 蛋白质序列和结构数据 | NA | NA | NA | indel活性, 特异性 | NA |
| 40 | 2026-05-19 |
Combining MEA-Net and LAP-Net for Pneumoconiosis Staging Framework
2026-May-01, Journal of occupational and environmental medicine
IF:2.3Q2
DOI:10.1097/JOM.0000000000003618
PMID:41247264
|
研究论文 | 提出结合MEA-Net和LAP-Net的深度学习框架用于尘肺病分期 | 首次将MEA-Net和LAP-Net结合用于尘肺病分期，提高了分级准确性 | 未提及具体局限性 | 改善尘肺病诊断的主观性，提高分期准确性 | 尘肺病患者的胸部X光片 | 计算机视觉，数字病理学 | 尘肺病 | 深度学习 | CNN | 图像 | NA | NA | MEA-Net, LAP-Net | 准确率，精确率，召回率，特异度，F1分数，AUC | NA |