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
381	2025-07-29	Modelling the liver's regenerative capacity across different clinical conditions 2025-Aug, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2025.101465 PMID:40704068	研究论文	本研究通过系统生物学和机器学习方法，识别了不同临床条件下小鼠模型中肝脏再生的关键转录组、蛋白质组和血清生物标志物	开发了一种新颖的对比深度学习框架，结合三重损失函数，用于绘制再生轨迹并识别与再生效率相关的基因	研究仅基于小鼠模型，尚未在人体中进行验证	识别不同临床条件下肝脏再生的关键分子标志物，评估再生能力	小鼠肝脏再生过程	机器学习	肝脏疾病	转录组测序、蛋白质组分析、SPLiT-seq	对比深度学习框架	转录组数据、蛋白质组数据、血清数据	6种不同临床条件的小鼠模型，每种模型进行75%肝切除术
382	2025-07-29	Self-Supervised Optimization of RF Data Coherence for Improving Breast Reflection UCT Reconstruction 2025-Aug, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3581915 PMID:40549515	研究论文	本研究提出了一种自监督优化方法，用于改善乳腺反射超声计算机断层扫描（UCT）重建中射频（RF）数据的相干性	引入了三个精心设计的模块（BSegB、SSM-SRP和PARR策略），利用接收阵列的空间相关性提高RF数据的相干性，并有效抑制旁瓣噪声	研究未提及方法在临床环境中的实际应用效果或大规模验证结果	提升乳腺反射UCT成像质量，克服传统DAS算法中声速均匀假设导致的RF数据相干性问题	乳腺组织的超声反射数据	数字病理	乳腺癌	反射超声计算机断层扫描（UCT）	自监督优化模块（BSegB、SSM-SRP、PARR）	射频（RF）数据	未明确说明样本数量
383	2025-07-29	Graph with Residue-Based Cross-Modal Framework Enhances Cell Function-Related Protein Properties Prediction 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00856 PMID:40609014	研究论文	提出一种基于残基的跨模态框架，用于增强细胞功能相关蛋白质特性的预测	结合Layer-Aggregated Graph Convolutional Network (LA-GCN)和Geometric Vector Perceptron-Graph Neural Network (GVP-GNN)，在两个互补的残基图上进行表示学习，以捕捉蛋白质的语义特征和结构特性	未明确提及具体局限性	提高蛋白质特性预测的准确性，以支持药物设计、疾病研究和生物湿实验	蛋白质特性，包括亚细胞定位、溶解度、金属离子结合和热稳定性	机器学习	NA	Protein Language Models (PLMs), Layer-Aggregated Graph Convolutional Network (LA-GCN), Geometric Vector Perceptron-Graph Neural Network (GVP-GNN)	GCN, GNN	蛋白质序列和结构数据	NA
384	2025-07-29	Ultrahigh-Throughput Virtual Screening Strategies against PPI Targets: A Case Study of STAT Inhibitors 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00907 PMID:40611790	研究论文	本文评估了超高通量虚拟筛选（uHTVS）策略在蛋白质-蛋白质相互作用靶点（如STAT3和STAT5b）中的应用效果	首次将虚拟筛选应用于STAT5b的N端结构域，并展示了AI辅助的Deep Docking工作流程在较小化合物库中的高效性	深度学习步骤的性能高度依赖于基础对接模型的性能，且对于更复杂的蛋白质-蛋白质相互作用靶点，可靠性更难评估	评估AI辅助的超高通量虚拟筛选策略在药物发现中的应用效果	STAT3和STAT5b两种致癌转录因子	药物发现	癌症	虚拟筛选、深度学习	Deep Docking	化合物库数据	数百万至数十亿化合物（实际对接约12万化合物）
385	2025-07-29	Diff-SE: A Diffusion-Augmented Contrastive Learning Framework for Super-Enhancer Prediction 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01005 PMID:40613852	research paper	提出Diff-SE框架，结合扩散增强数据与对比学习，用于超增强子预测	整合扩散模型生成生物意义合成样本以平衡数据，并采用对比学习增强特征表示	未明确提及模型在更广泛物种或复杂疾病中的适用性	开发高效且泛化性强的超增强子预测方法	超增强子（SEs）及其在基因表达调控中的作用	machine learning	cancer, Alzheimer's	ChIP-seq, diffusion model, contrastive learning	Diff-SE (diffusion-augmented contrastive learning framework)	genomic sequence data	eight datasets, including human and mouse cell lines
386	2025-07-29	Integrating Protein Language Models and Geometric Deep Learning for Peptide Toxicity Prediction 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01073 PMID:40625100	研究论文	提出了一种结合蛋白质语言模型和几何深度学习的深度学习框架PeptiTox，用于增强肽毒性预测	整合了蛋白质语言模型（PLMs）和几何深度学习，利用ESM2提取序列嵌入和ESMFold预测三维肽结构，通过图神经网络（GNN）学习肽表示并进行毒性分类	未提及具体的数据集规模或多样性限制	提高肽毒性预测的准确性，以促进更安全、更有效的肽基治疗药物的开发	肽的序列和结构	生物医学研究	NA	蛋白质语言模型（PLMs）、几何深度学习、图神经网络（GNN）	ESM2、ESMFold、GNN	序列数据、三维结构数据	NA
387	2025-07-29	Deep Learning in Antimicrobial Peptide Prediction 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00530 PMID:40626654	综述	本文综述了深度学习在抗菌肽预测中的应用及其优势	深度学习在抗菌肽预测中展现出超越传统机器学习方法的独特优势，为解决抗生素耐药性问题提供了新途径	面临数据平衡、数据增强、环肽及可解释性等方面的挑战	探讨深度学习在抗菌肽预测领域的应用及未来研究方向	抗菌肽（AMPs）	机器学习	NA	深度学习	语言模型、图相关模型及其他混合和多模态模型	NA	NA
388	2025-07-29	Generative Deep Learning for de Novo Drug Design─A Chemical Space Odyssey 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00641 PMID:40632942	综述	本文探讨了生成式深度学习在药物设计中的应用，特别是小分子生成、评估和优先排序方面的挑战与机遇	提出了利用生成式深度学习探索化学空间并生成具有理想生物特性的新分子的创新方法	需要平衡化学多样性、可合成性和生物活性之间的冲突信息，评估协议尚需完善	探索生成式深度学习在药物设计中的应用潜力	小分子药物	机器学习	NA	生成式深度学习	GAN, VAE等生成模型	化学分子数据	NA
389	2025-07-29	Deep Learning-Based Multimodal Fusion Approach for Predicting Acute Dermal Toxicity 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01128 PMID:40679078	研究论文	本研究提出了一种基于深度学习的多模态融合方法TriModalToxNet，用于预测急性皮肤毒性	提出了一种新颖的TriModalToxNet架构，融合了三种不同的分子表示（2D分子图像、SMILES嵌入和分子指纹），相比传统单模态方法具有更好的预测性能	研究仅基于3845种化合物的数据集，可能需要更大规模的数据验证模型的泛化能力	开发一种可靠且准确的急性皮肤毒性预测模型，支持动物实验的3R原则（替代、减少和优化）	来自实验大鼠和兔子的急性皮肤毒性研究的3845种化合物	机器学习	NA	深度学习	TriModalToxNet（结合2D CNN、1D CNN和全连接神经网络）	分子数据（2D图像、SMILES字符串、分子指纹）	3845种化合物
390	2025-07-29	A review on computer-aided diagnostic system to classify the disorders of the gastrointestinal tract 2025-Jul-26, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-02718-w PMID:40713885	综述	本文综述了基于机器学习的计算机辅助诊断系统（CADx）在胃肠道疾病分类中的应用	探讨了CADx在胃肠道疾病早期诊断中的潜力及其对降低死亡率的影响	需要经验丰富的胃肠病学家协助，且现有文献对未来研究方向探讨有限	提高胃肠道疾病诊断的准确性和效率	胃肠道疾病，如结肠癌、胃癌、乳糜泻和出血	数字病理学	胃肠道疾病	机器学习，内窥镜和结肠镜检查	NA	视频内窥镜图像	NA
391	2025-07-29	A Wearable Electrochemical Biosensor for Salivary Detection of Periodontal Inflammation Biomarkers: Molecularly Imprinted Polymer Sensor with Deep Learning Integration 2025-Jul-26, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509658 PMID:40714834	研究论文	本文介绍了一种用于唾液检测基质金属蛋白酶-8（MMP-8）的电化学生物传感器，结合分子印迹聚合物和深度学习技术	结合分子印迹聚合物技术、电化学生物传感、可穿戴医疗设备和AI驱动诊断，开发了一种新型口腔健康监测平台	NA	开发一种高灵敏度、非侵入性的口腔炎症生物标志物检测方法	唾液中的基质金属蛋白酶-8（MMP-8）	生物传感器	牙周病	电化学生物传感、分子印迹聚合物、深度学习	深度学习	电化学阻抗数据	患者样本（具体数量未提及）
392	2025-07-29	Evidential deep learning-based drug-target interaction prediction 2025-Jul-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-62235-6 PMID:40715097	研究论文	提出了一种基于证据深度学习（EDL）的药物-靶点相互作用（DTI）预测新方法EviDTI，用于量化神经网络预测中的不确定性	利用EDL进行不确定性量化，整合药物2D拓扑图和3D空间结构及靶点序列特征，提供预测的不确定性估计	未提及具体的数据集局限性或模型泛化能力的详细分析	解决DTI预测中的不确定性量化问题，提高预测的可靠性和药物发现效率	药物-靶点相互作用	机器学习	NA	证据深度学习（EDL）	神经网络	药物2D拓扑图、3D空间结构、靶点序列特征	三个基准数据集，与11个基线模型对比
393	2025-07-29	Deep learning application to hyphae and spores identification in fungal fluorescence images 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11228-y PMID:40715216	research paper	本研究探索了深度学习在真菌疾病诊断中的应用，专注于临床样本中菌丝和孢子的自动检测系统	提出了结合YOLOX和MobileNet V2模型的双模型框架，用于分析真菌荧光图像，显著提高了诊断效率和准确性	未提及模型在不同类型真菌样本中的泛化能力，以及在实际临床应用中的稳定性	开发一种自动检测系统，用于真菌疾病诊断中的菌丝和孢子识别	真菌荧光图像中的菌丝和孢子	digital pathology	fungal infection	fluorescence imaging	YOLOX, MobileNet V2	image	NA
394	2025-07-29	A novel dual-student reverse knowledge distillation method for magnetic tile defect detection 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12339-2 PMID:40715252	研究论文	提出了一种新型的双学生反向知识蒸馏方法BSDRD，用于磁砖缺陷检测	引入了双学生反向知识蒸馏框架BSDRD，结合结构学生和细节学生网络，以及多维特征门控融合损失MD-GFLoss，提高了对复杂纹理和小缺陷的检测能力	未提及该方法在其他类型缺陷检测或不同工业场景中的泛化能力	解决磁砖表面缺陷检测中纹理相似、对比度低和缺陷形态多变的问题	磁砖表面缺陷	计算机视觉	NA	深度学习、小波变换	双学生反向知识蒸馏框架(BSDRD)	图像	磁砖缺陷检测数据集（未提及具体样本数量）
395	2025-07-29	A triple pronged approach for ulcerative colitis severity classification using multimodal, meta, and transformer based learning 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12827-5 PMID:40715318	研究论文	本研究采用多模态、元学习和基于Transformer的集成学习方法，对溃疡性结肠炎的严重程度进行分类	结合多模态推理管道、少样本元学习和Vision Transformer集成方法，提高了分类准确率并增强了模型的可解释性	研究依赖于有限标注数据，且仅在HyperKvasir数据集上进行评估	开发一种稳健的溃疡性结肠炎严重程度分类方法	溃疡性结肠炎患者的医学图像数据	医学图像分析	溃疡性结肠炎	多模态预训练框架（如CLIP、BLIP、FLAVA）和少样本元学习（如Matching Networks）	Vision Transformer (ViT)、Swin-Base模型、软投票集成	医学图像	HyperKvasir数据集
396	2025-07-29	Seasonal quantile forecasting of solar photovoltaic power using Q-CNN-GRU 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12797-8 PMID:40715333	研究论文	本文提出了一种结合CNN和GRU的混合Quantile-CNN-GRU模型，用于太阳能光伏发电的概率分位数预测	结合CNN和GRU的混合模型，生成日内概率分位数预测，并引入外生输入（如NWP数据）以提升预测性能	未提及具体的数据集规模限制或模型计算复杂度问题	提高太阳能光伏发电的概率预测准确性，以支持电网可靠性和可再生能源整合	太阳能光伏发电数据	机器学习	NA	Quantile-CNN-GRU, Quantile-GRU, Quantile-LSTM	CNN, GRU, LSTM	时间序列数据	来自荷兰（温带海洋性气候）、爱丽丝泉（干旱沙漠气候）和河北（湿润亚热带气候）的多样化数据集
397	2025-07-29	A novel hybrid deep learning approach combining deep feature attention and statistical validation for enhanced thyroid ultrasound segmentation 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12602-6 PMID:40715468	研究论文	本文提出了一种结合深度特征注意力和统计验证的新型混合深度学习方法TATHA，用于增强甲状腺超声图像分割的准确性	开发了TATHA这一创新的深度学习架构，结合了深度特征注意力和统计验证，显著提高了甲状腺超声图像分割的准确性和可靠性	研究仅使用了包含99个病例的甲状腺超声图像数据库，样本量相对较小	提高甲状腺超声图像分割的准确性，以支持有效的诊断系统和治疗计划	甲状腺结节	计算机视觉	甲状腺疾病	深度学习	TATHA（结合深度特征注意力和统计验证的混合深度学习架构）	超声图像	99个病例，包含134张标注图像用于训练、验证和测试
398	2025-07-29	Insurance claims estimation and fraud detection with optimized deep learning techniques 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12848-0 PMID:40715558	研究论文	本文探讨了使用优化的深度学习技术进行保险索赔估计和欺诈检测	结合增强河马优化算法(EHOA)与自定义12层CNN，优化超参数并提升模型性能，解决了局部最小值和收敛速度慢的问题	未提及具体的数据集规模或实际应用场景的局限性	提高保险索赔估计的准确性和欺诈检测的效率	保险索赔数据	机器学习	NA	深度学习	VGG 16 & 19, ResNet 50, 自定义12 & 15层CNN	结构化数据	NA
399	2025-07-29	Explainable AI-driven assessment of hydro climatic interactions shaping river discharge dynamics in a monsoonal basin 2025-Jul-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13221-x PMID:40715581	research paper	本研究提出了一种可解释的深度学习框架，用于在Subarnarekha河流域进行日河流流量预测，结合了Kolmogorov Arnold网络（KAN）和Shapley加性解释（SHAP）	创新点在于将KAN与SHAP结合，提供了一种可解释的深度学习框架，用于水文建模，特别是在季风影响和数据有限的区域	局限性包括GCM降水数据的空间固有不一致性，导致降水（pr）对预测的贡献有限	研究目的是开发一种准确且可解释的河流流量预测方法，以支持水资源管理	研究对象是Subarnarekha河流域的四个活跃测站（Muri、Adityapur、Jamshedpur和Ghatsila）的河流流量数据	机器学习	NA	Kolmogorov Arnold网络（KAN）、Shapley加性解释（SHAP）	KAN	水文气候数据	四个测站的数据，覆盖1980年至2022年，并预测至2100年
400	2025-07-29	Transforming label-efficient decoding of healthcare wearables with self-supervised learning and "embedded" medical domain expertise 2025-Jul-26, Communications engineering DOI:10.1038/s44172-025-00467-6 PMID:40715702	研究论文	本研究提出了一种结合自监督对比学习和医学领域知识的方法，以提高医疗可穿戴设备数据的解码效率	通过将临床有意义的特征（如心电图的心率变异性）整合到对比学习过程中，改进了传统自监督对比学习忽视生理相似性的问题	方法依赖于特定领域知识的可用性，可能限制了在其他领域的适用性	提高医疗可穿戴设备数据解码的标签效率	医疗可穿戴设备生成的数据	机器学习	NA	自监督对比学习（SSCL）	NA	时间序列数据（如心电图）	NA