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
381	2025-10-05	AdaSemb: an adaptive knowledge-driven deep learning framework integrating cancer protein assemblies for predicting PI3Kα inhibitor response and resistance 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf510 PMID:41020523	研究论文	提出一种自适应知识驱动的深度学习框架AdaSemb，通过整合癌症蛋白组装体预测PI3Kα抑制剂反应和耐药性	首次将多蛋白组装图谱与深度学习结合，采用生物结构神经网络和条件域对抗网络增强基因-药物分布泛化能力	研究主要聚焦乳腺癌，未验证其他癌症类型的适用性；样本量相对有限	开发能够预测PI3Kα抑制剂反应和耐药性的精准医疗方法	乳腺癌患者、癌细胞系和患者来源异种移植模型	机器学习	乳腺癌	基因组测序	生物结构神经网络,条件域对抗网络	基因组数据,药物分子结构数据	1244个癌细胞系和PDX模型，116名TCGA乳腺癌患者	NA	AdaSemb-PA,AdaSemb-DRP	生存分析预测精度	NA
382	2025-10-05	Advancing ADMET prediction through multiscale fragment-aware pretraining with MSformer-ADMET 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf506 PMID:41021261	研究论文	本文开发了MSformer-ADMET模型，通过多尺度片段感知预训练方法提升ADMET性质预测性能	将MSformer框架专门适配于ADMET性质预测，采用基于片段的分子表示学习方法，并提供事后可解释性分析	NA	开发更准确、可解释的ADMET性质预测方法以加速药物发现过程	药物候选分子的吸收、分布、代谢、排泄和毒性(ADMET)性质	机器学习	NA	深度学习	Transformer	分子结构数据	来自治疗数据共享库(TDC)的22个任务数据集	PyTorch	MSformer	准确率,精确率,召回率,F1分数,AUC	NA
383	2025-10-05	Histology-Based Virtual RNA Inference Identifies Pathways Associated With Metastasis Risk in Colorectal Cancer 2025-Aug-11, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100866 PMID:40803647	研究论文	本研究开发了一种基于组织学图像的虚拟RNA推断方法，用于识别结直肠癌转移风险相关的通路	首次实现直接从H&E染色组织图像推断空间转录组水平的分子信息，无需实际进行空间转录组测序	某些肿瘤相关通路仅靠组织学无法完全捕获	开发从标准H&E组织图像推断分子信息的方法，用于结直肠癌预后评估	结直肠癌患者组织样本	数字病理学	结直肠癌	空间转录组学，H&E染色	深度学习	组织图像，基因表达数据	45名患者，超过300,000个Visium spots	PyTorch	UNI, ResNet-50, Vision Transformer, Vision Mamba	Spearman相关系数	NA
384	2025-10-05	CPI-MIF: Compound-Protein Interaction Prediction with Multiview Information Fusion 2025-Jul-22, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c00113 PMID:40727722	研究论文	提出一种多视图信息融合模型CPI-MIF，用于预测化合物-蛋白质相互作用	同时从微观和宏观视角融合化合物与蛋白质信息，关注化合物原子与蛋白质氨基酸的相互作用机制以及序列间关系	未明确说明模型在更大规模数据集上的泛化能力	提高化合物-蛋白质相互作用预测的准确性	化合物和蛋白质	机器学习	NA	深度学习	多视图信息融合模型	化合物结构数据、蛋白质生物信息数据	三个真实世界数据集	NA	CPI-MIF	准确率, AUC, AUPR	NA
385	2025-10-05	Reinforcement Learning-Based Nonlinear Model Predictive Controller for a Jacketed Reactor: A Machine Learning Concept Validation Using Jetson Orin 2025-Jul-22, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c03219 PMID:40727728	研究论文	本研究通过实验验证了结合机器学习和非线性模型预测控制的框架，用于跟踪间歇式反应器的温度曲线	采用演员-评论家强化学习方法进行动态权重更新，将强化学习与非线性模型预测控制相结合，提升了控制器性能	研究在实验室规模的反应器上进行验证，尚未在工业规模系统中部署	开发一种能够精确调节间歇式反应器温度的控制框架，提高过程效率和操作安全性	间歇式反应器及其温度控制系统	机器学习	NA	强化学习，非线性模型预测控制	RNN, A2CRL	实验数据，时间序列数据	实验室规模间歇式反应器采集的开环数据	NA	循环神经网络	预测精度，实时计算效率，过程效率，能耗降低，操作安全性	Jetson Orin
386	2025-10-05	Stacking Ensemble Neural Network for Chemical Safety Assessment: A Case Study of Thyroid Peroxidase and Natural Product Screening 2025-Jul-22, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c02188 PMID:40727784	研究论文	开发了一种新型堆叠集成神经网络模型，用于预测甲状腺过氧化物酶抑制活性并进行天然产物毒性筛选	首次将卷积神经网络、双向长短期记忆网络和注意力机制与分子指纹结合，通过堆叠集成方法增强模型对分子结构与生物活性复杂关系的捕捉能力	模型在召回率方面仍有提升空间（0.55），且研究主要针对甲状腺过氧化物酶抑制活性	开发化学安全性评估模型，预测化合物对甲状腺过氧化物酶的抑制活性	化学化合物、天然产物、泰国本土蔬菜中的潜在毒性化合物	机器学习	甲状腺功能障碍	分子指纹技术	CNN, BiLSTM, 注意力机制, 堆叠集成	化学分子结构数据	NA	NA	卷积神经网络, 双向长短期记忆网络, 注意力机制	召回率, 特异性, Matthews相关系数, AUC, 平衡准确率, 精确率	NA
387	2025-10-05	MCST-AFN: A Multichannel Spatiotemporal Feature Adaptive Fusion Network Framework Based on a Low-Fidelity Molecular Dynamics Model 2025-Jul-22, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01443 PMID:40727795	研究论文	提出基于低精度分子动力学模型的多通道时空特征自适应融合网络框架，用于分子性质预测	结合深度学习与分子动力学模拟，通过低精度模型降低计算成本并输出多通道原子级嵌入，实现时空特征的自适应融合	NA	提高分子性质预测的准确性和效率	分子结构和动态构象	机器学习	NA	分子动力学模拟，深度学习	注意力网络，自监督学习	分子动力学模拟数据	13个基准数据集	NA	MCST-AFN	性能提升百分比	NA
388	2025-10-05	UM-CPP: A Universal Model for Efficient Classification of Protein Particles in cryo-EM Micrographs with Feature Engineering 2025-Jul-15, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01660 PMID:40686975	研究论文	提出一种结合特征工程与深度学习的通用模型UM-CPP，用于高效分类冷冻电镜显微图像中的蛋白质颗粒	提出混合方法，将经典机器学习特征与先进深度学习技术相融合，在保持高精度的同时实现跨蛋白质结构的鲁棒性能	NA	解决冷冻电镜数据处理中异质样本、IC污染和外来杂质导致的蛋白质识别难题	冷冻电镜显微图像中的蛋白质颗粒	计算机视觉	NA	冷冻电镜(cryo-EM)	深度学习	图像	NA	NA	NA	检测精度	NA
389	2025-10-05	Enhancing Accuracy and Feature Insights in Hydration Free Energy Predictions for Small Molecules with Machine Learning 2025-Jul-15, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c04249 PMID:40687018	研究论文	本研究采用机器学习技术提升小分子水合自由能预测精度并提取特征洞察	提出结合K近邻特征处理、集成建模和降维的改进机器学习方案，仅使用二维特征即可在FreeSolv数据集上达到0.53 kcal/mol的平均无符号误差	未在大型数据库上进行预训练，仅使用二维分子特征	提升小分子溶剂化自由能预测精度并理解其物理决定因素	小分子	机器学习	NA	机器学习	集成模型, K近邻	分子特征数据	FreeSolv数据集	NA	集成模型	平均无符号误差	轻量级计算资源
390	2025-10-05	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.31.657189 PMID:40501876	研究论文	本研究提出了一种基于功率-功率跨频耦合的新型颞叶癫痫发作检测方法，并分析了三种常见癫痫发作成分的耦合特征	首次将功率-功率跨频耦合方法应用于癫痫发作检测，并揭示了三种癫痫发作成分的独特耦合特征	样本量相对有限，仅包含26名患者的120次癫痫发作	评估功率-功率跨频耦合方法在癫痫发作检测中的有效性，并分析不同癫痫发作成分的耦合特征	颞叶癫痫患者的颅内脑电图数据	生物医学信号处理	癫痫	颅内脑电图记录	SSAE, LSTM	脑电图信号	26名患者的120次颞叶癫痫发作及背景活动片段	EEGLAB	堆叠稀疏自编码器, 长短期记忆网络	灵敏度, 特异度, 准确率	NA
391	2025-10-05	Geometric deep learning framework for de novo genome assembly 2025-Apr-14, Genome research IF:6.2Q1 DOI:10.1101/gr.279307.124 PMID:39472021	研究论文	提出基于几何深度学习的基因组组装框架GNNome，用于从组装图中识别路径重建基因组序列	首次将几何深度学习应用于从头基因组组装，不依赖现有组装策略，仅利用问题的对称性进行训练	目前主要适用于单倍体基因组的组装	解决基因组组装图中重复区域导致的复杂缠结问题，提高组装连续性和质量	多种物种的基因组组装	机器学习	NA	PacBio HiFi测序	几何深度学习	组装图数据	多种物种的基因组数据	NA	GNNome	组装连续性、质量	NA
392	2025-10-05	Childhood muscle growth: Reference curves for lower leg muscle volumes and their clinical application in cerebral palsy 2025-Apr-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2416660122 PMID:40163724	研究论文	构建5-15岁儿童下肢肌肉体积的参考曲线并应用于脑瘫患儿评估	首次建立儿童下肢10块特定肌肉的体积参考曲线，并应用深度学习自动分割MRI图像	置信带在最小和最大年龄处较宽，样本量有限	量化儿童肌肉生长模式并建立临床评估标准	208名正常发育儿童和78名能行走的脑瘫患儿	数字病理	脑瘫	磁共振成像	深度学习	医学图像	286名儿童（208名正常发育，78名脑瘫）	NA	NA	百分位数	NA
393	2025-10-05	Radiogenomic explainable AI with neural ordinary differential equation for identifying post-SRS brain metastasis radionecrosis 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17635 PMID:39878595	研究论文	开发基于神经常微分方程的可解释AI模型，用于区分脑转移瘤立体定向放射外科术后放射性坏死与肿瘤复发	首次将重球神经常微分方程应用于放射基因组学分析，通过特征空间轨迹可视化实现AI决策过程的可解释性	样本量相对较小（90个脑转移灶），仅针对非小细胞肺癌患者	开发可解释的AI模型以无创区分脑转移瘤SRS术后放射性坏死与肿瘤复发	62名非小细胞肺癌患者的90个脑转移灶	医学影像分析	脑转移瘤	MRI影像分析，基因组特征分析，临床参数分析	神经常微分方程，深度神经网络	医学影像，基因组数据，临床数据	90个脑转移灶（来自62名NSCLC患者）	NA	重球神经常微分方程	敏感度，特异度，准确度，ROC曲线下面积	NA
394	2025-10-05	Artificial Intelligence-Enhanced Perfusion Scoring Improves the Diagnostic Accuracy of Myocardial Perfusion Imaging 2025-Apr-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268079 PMID:39978815	研究论文	本研究开发了一种结合深度学习与传统定量方法的心肌灌注评分系统，用于提高阻塞性冠状动脉疾病的诊断准确性	通过深度学习预测结果调制极坐标图像素评分，生成增强型总灌注缺损和17节段总和评分，简化了AI方法的临床转化	研究样本量相对有限（555例测试患者），且仅基于单中心数据	提高心肌灌注成像对阻塞性冠状动脉疾病的诊断准确性	接受心肌灌注成像并在180天内进行侵入性冠状动脉造影的患者	医学影像分析	心血管疾病	心肌灌注SPECT成像	深度学习	医学影像数据	555例测试患者（中位年龄65岁，69%为男性），其中329例（59%）患有阻塞性CAD	NA	NA	AUC, 敏感性, 特异性	NA
395	2025-10-05	Reproducible image-based profiling with Pycytominer 2025-Apr, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02611-8 PMID:40032995	研究论文	介绍Pycytominer——一个用于图像特征处理的开源Python工具包	开发了专门针对基于图像的细胞特征分析的可重复生物信息学处理流程	NA	实现可重复的基于图像的细胞特征分析	高通量显微镜图像产生的单细胞特征	生物信息学	NA	高通量显微镜	NA	图像特征数据	NA	Python	NA	NA	NA
396	2025-10-05	Tracking the Preclinical Progression of Transthyretin Amyloid Cardiomyopathy Using Artificial Intelligence-Enabled Electrocardiography and Echocardiography 2025-Feb-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312556 PMID:39252891	研究论文	本研究利用人工智能技术分析经胸超声心动图和心电图数据，追踪转甲状腺素蛋白淀粉样心肌病的临床前进展	首次将深度学习模型应用于经胸超声心动图和心电图数据，实现对ATTR-CM临床前阶段的早期识别和风险分层	回顾性研究设计，样本主要来自两个医疗中心，可能存在选择偏倚	开发可扩展的ATTR-CM临床前监测策略	转诊进行心脏淀粉样变核素检测的患者	数字病理	心血管疾病	深度学习	深度学习模型	视频,图像	YNHHS队列984人（中位年龄74岁，44.3%女性），HMH队列806人（中位年龄69岁，34.5%女性），共分析7,352次TTE和32,205次ECG	NA	NA	敏感性,特异性	NA
397	2025-10-05	Robust Multimodal Fusion for Survival Prediction in Cancer Patients 2025, Cancer informatics IF:2.4Q3 DOI:10.1177/11769351251376192 PMID:41024938	研究论文	提出一种新型鲁棒多模态融合模型RMSurv，用于癌症患者的生存预测	利用合成数据生成计算时间依赖性权重的新型离散晚期融合方法，以及增强可解释性的统计特征归一化技术	仅使用TCGA数据集进行验证，未在其他独立数据集上测试	开发优于单模态模型的鲁棒多模态生存预测方法	癌症患者生存预测	机器学习	肺癌	多模态数据融合	深度学习	多模态数据	TCGA非小细胞肺癌和泛癌数据集	NA	RMSurv	C-index	NA
398	2025-10-05	Elucidating the neuropathological and molecular heterogeneity of amyloid-beta and tau in Alzheimer's disease through machine learning and transcriptomic integration 2024-Oct-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.16.618708 PMID:39463964	研究论文	本研究通过机器学习和转录组整合方法，揭示了阿尔茨海默病中淀粉样蛋白-β和磷酸化tau蛋白的神经病理学和分子异质性	开发了一种新颖的深度学习方法来区分阿尔茨海默病连续体特异性脑网络改变维度与正常衰老共享维度	样本量相对有限（n=289），且仅使用单一公共转录组图谱进行验证	理解阿尔茨海默病神经病理学聚集物与认知衰退的关联及其分子机制	阿尔茨海默病连续体患者（Aβ阳性，n=129）和正常老年人（Aβ阴性，n=160）	机器学习	阿尔茨海默病	功能磁共振成像，转录组分析，脑脊液生物标志物检测	深度学习	功能磁共振成像数据，基因表达数据，临床生物标志物数据	289名受试者（129名Aβ阳性，160名Aβ阴性）	NA	NA	预测准确性	NA
399	2025-10-05	Deep Learning Denoising Improves CT Perfusion Image Quality in the Setting of Lower Contrast Dosing: A Feasibility Study 2024-Oct-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8367 PMID:38844370	研究论文	本研究探讨深度学习去噪技术在低对比剂剂量CT灌注成像中改善图像质量的可行性	首次将残差编码器-解码器卷积神经网络应用于CT灌注图像去噪，并在动物和临床研究中验证其在低对比剂剂量条件下的有效性	样本量有限（12只动物和22例患者），且为回顾性研究设计	评估深度学习去噪技术能否在降低对比剂剂量的情况下维持CT灌注图像质量	动物模型（猪）和临床患者	医学影像处理	NA	CT灌注成像	CNN	医学影像	12只动物（每只接受9次CTP检查）和22例患者（11例低剂量组，11例标准剂量对照组）	NA	残差编码器-解码器卷积神经网络	信噪比, 定性图像评估	NA
400	2025-10-05	External Validation of a Digital Pathology-based Multimodal Artificial Intelligence Architecture in the NRG/RTOG 9902 Phase 3 Trial 2024-Oct, European urology oncology IF:8.3Q1 DOI:10.1016/j.euo.2024.01.004 PMID:38302323	研究论文	在NRG/RTOG 9902三期临床试验中对基于数字病理学的多模态人工智能架构进行外部验证	首次在随机对照试验队列中验证多模态AI模型对高危前列腺癌患者的预后预测能力	部分患者因图像质量差被排除（5.6%），样本量相对有限	验证多模态人工智能模型在前列腺癌预后预测中的外部有效性	318名局部高危前列腺癌患者	数字病理学	前列腺癌	数字病理学分析	多模态人工智能模型	数字病理图像,临床特征	318例局部高危前列腺癌患者（来自397例入组患者中的337例有可用切片，其中19例因图像质量差被排除）	深度学习框架	多模态人工智能架构	亚分布风险比,置信区间,p值,5年和10年远处转移率	NA