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
401	2025-12-12	Predicting Genetic Markers for Brain Tumors Using a Composite Loss 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3593318 PMID:40811171	研究论文	本文提出了一种基于深度学习的复合损失函数方法，用于从全切片图像中同时预测脑胶质瘤的五个重要遗传标记	提出了一种新颖的复合损失函数，结合了单个、成对和分组生物标记的特征，包括多标签加权交叉熵损失、条件概率损失和谱图损失	NA	预测脑胶质瘤的遗传标记以支持全面预后和治疗计划	脑胶质瘤（最常见的恶性脑肿瘤）	数字病理学	脑肿瘤（胶质瘤）	深度学习	深度学习模型	图像（全切片图像）	NA	NA	NA	NA	NA
402	2025-12-12	A Novel Kernel-Based Hilbert Space Framework for Predictive Modeling of lncRNA-miRNA-Disease Interaction Networks 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3598013 PMID:40811169	研究论文	本文提出了一种基于核的希尔伯特空间框架KHSF-LMDNet，用于预测建模lncRNA-miRNA-疾病相互作用网络	该模型结合了基于图的生物网络、相似性特征和带有注意力机制的深度学习，将复杂相互作用映射到希尔伯特子空间，实现了更鲁棒和可解释的学习	未在摘要中明确说明	克服现有计算方法的局限性，如可解释性有限、依赖人工整理数据集、可扩展性差以及对噪声和缺失数据高度敏感，以更稳健地建模lncRNA-miRNA-疾病网络	长链非编码RNA（lncRNA）、微小RNA（miRNA）及其与疾病的相互作用网络（LMDNets）	机器学习	癌症, 阿尔茨海默病	基因表达谱、序列信息、疾病关联数据整合	深度学习	图网络数据、相似性特征	基准数据集	未在摘要中明确说明	带有注意力机制的深度学习架构	准确率, 精确率, ROC曲线下面积（AUC）	未在摘要中明确说明
403	2025-12-12	DMMAFS: Protein Function Prediction Based on Multi-Modal Multi-Attention Fusion Features 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3594648 PMID:40811175	研究论文	本文提出了一种基于深度学习的多模态多注意力融合特征方法（DMMAFS），用于智能预测蛋白质功能	通过引入S-C跨模态交叉注意力融合网络模块，不仅优化了序列语义信息的权重，还高效融合了序列特征与结构信息，避免了简单拼接不同模态特征	未明确提及	提高蛋白质功能预测的准确性和效率	蛋白质	机器学习	NA	深度学习	注意力机制	序列数据, 3D结构数据	未明确提及	NA	S-C跨模态交叉注意力融合网络	NA	NA
404	2025-12-12	A Deep Learning Framework for Protein-to-Metal Binding Prediction Using Protein Language Models 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3595446 PMID:40811181	研究论文	本研究提出了一种用于蛋白质-金属离子结合预测的端到端深度学习框架	利用蛋白质语言模型捕获残基的长期依赖性，并强调结合位点的位置编码影响	NA	预测未注释蛋白质的金属离子结合，以理解蛋白质功能、结构稳定性和金属转运机制	蛋白质序列中的金属结合位点	自然语言处理	NA	NA	蛋白质语言模型	蛋白质序列	NA	NA	NA	马修斯相关系数, 精确率, 召回率, F1分数	NA
405	2025-12-12	PGDTA: Predicting Drug-Target Affinity Using Three-Dimensional Structure of Protein Pocket and Graph Neural Network 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3563504 PMID:40811258	研究论文	本文提出了一种名为PGDTA的新方法，通过结合蛋白质口袋的三维结构和图神经网络来预测药物-靶点亲和力	利用预训练模型分别表示蛋白质和药物的序列特征，并构建一个能够并行处理多样化空间结构信息的几何图神经网络模块	NA	提高药物-靶点亲和力预测的准确性，以降低药物开发成本	药物-靶点亲和力	机器学习	NA	图神经网络	图神经网络	蛋白质三维结构、药物序列	三个公共数据集	NA	几何图神经网络	NA	NA
406	2025-12-12	LLMDTA: Improving Cold-Start Prediction in Drug-Target Affinity With Biological LLM 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3541634 PMID:40811267	研究论文	提出了一种名为LLMDTA的新方法，利用生物大语言模型解决药物-靶点亲和力预测中的冷启动问题	首次将分子预训练模型Mol2Vec和蛋白质语言模型ESM2结合，并设计双线性注意力模块捕获药物与蛋白质间的交互特征，以提升冷启动场景下的预测性能	未明确讨论模型在更大规模或更复杂生物场景下的泛化能力，也未提及计算资源消耗的具体分析	提高药物-靶点亲和力预测的准确性，特别是在冷启动场景下	药物分子和蛋白质靶点	机器学习	NA	分子预训练模型, 蛋白质语言模型	CNN, 注意力机制	分子表示, 蛋白质序列	三个基准数据集	NA	1D-CNN, 双线性注意力模块	NA	NA
407	2025-12-12	Enhancing Antimicrobial Peptide Function Prediction via Knowledge Transfer on Protein Language Models 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3577565 PMID:40811264	研究论文	提出了一种基于预训练蛋白质语言模型的知识迁移方法KT-AMPpred，用于预测抗菌肽及其特定抗菌特性	首次将知识迁移和微调技术应用于预训练蛋白质语言模型，以提升抗菌肽功能预测性能，并通过可视化分析验证了其强大的特征提取能力	未明确说明模型在跨物种或新型抗菌肽预测中的泛化能力，也未讨论计算资源消耗的具体情况	开发高效的机器学习方法以替代耗时耗资源的湿实验方法，实现抗菌肽及其功能的准确预测	抗菌肽及其特定抗菌特性	机器学习	NA	蛋白质语言模型	深度学习模型	生物序列数据	NA	NA	预训练蛋白质语言模型	NA	NA
408	2025-12-12	A Deep Learning Framework for Chromatin Loop De Novo Prediction With Enhanced Feature Extraction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3563354 PMID:40811287	研究论文	本文介绍了一个名为CHASOS2的深度学习框架，用于增强特征提取以进行染色质环的从头预测	提出CHASOS2工具包，利用多感受野卷积模块处理不同特征数据的异质性，并采用梯度提升树模型进行预测，在异质特征数据场景下优于现有方法	NA	开发一个用户友好的工具包，用于染色质环的从头预测和评估	染色质环	机器学习	NA	ChIA-PET	梯度提升树	特征数据	K562细胞系	NA	卷积模块	一致性	NA
409	2025-12-12	TransDNA: A Deep Transfer Learning Network for Sequence Reconstruction in DNA-Based Data Storage 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3602912 PMID:40857190	研究论文	本文提出了一种名为TransDNA的深度迁移学习网络，用于解决DNA数据存储中的序列重建问题	首次将迁移学习应用于DNA序列重建任务，通过从更大的源数据集迁移知识，显著提高了目标数据集上的重建成功率	未明确提及	提高DNA数据存储系统中序列重建的准确性和效率	DNA存储系统中的序列重建任务	机器学习	NA	DNA合成、扩增和测序	深度学习网络	DNA序列数据	两个来自真实DNA存储实验的目标数据集，训练样本有限	NA	编码器、领域特定解码器、领域不变特征提取器	重建成功率、训练效率	NA
410	2025-12-12	Q-BAFNet: A Hybrid Quantum Classical Approach for Drug-Target Binding Affinity Prediction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3603103 PMID:40857188	研究论文	本文提出了一种名为Q-BAFNet的混合量子-经典深度学习架构，用于预测药物-靶点结合亲和力，以加速药物发现过程	提出了一种结合语义、结构和序列分子表示的混合量子-经典深度学习架构，并引入了跨模态注意力融合机制和变分量子电路，以捕获配体与蛋白质之间复杂的、上下文依赖的关系以及超越经典模型的非线性纠缠依赖	未在摘要中明确提及	加速药物发现，特别是在高通量筛选阶段，实现准确且可泛化的药物-靶点结合亲和力预测	药物（配体）与靶点（蛋白质）	机器学习	NA	深度学习，量子计算	混合量子-经典深度学习模型	分子表示数据（SMILES序列，蛋白质序列，分子拓扑特征）	三个基准数据集（Davis, KIBA, Metz）	NA	ChemBERTa, ProtT5, 图卷积网络, 跨模态注意力融合机制, 变分量子电路	均方误差, 皮尔逊相关系数, 一致性指数, R²	NA
411	2025-12-12	Toward an Embedded SoC for Mobile DNA Sequencing Applications 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3602886 PMID:40857189	研究论文	本文提出了一种面向移动DNA测序应用的嵌入式SoC架构，集成了生物信息学加速器，旨在实现便携式基因组学的集成计算解决方案	首次提出基于RISC-V的异构SoC架构，集成深度学习基础识别和序列比对专用加速器，显著提升能效和性能	研究处于初步原型阶段，ASIC原型频率和功耗指标仍需在实际应用中进一步验证	开发用于移动DNA测序的嵌入式生物信息学硬件，解决现有系统依赖外部计算的问题	DNA测序数据与嵌入式SoC硬件架构	生物信息学硬件	NA	DNA测序	深度学习	DNA序列数据	NA	NA	NA	准确率, 能效比, 性能功耗比	FPGA, ASIC原型, RISC-V架构, x86 CPU, 高端GPU
412	2025-12-12	DeepHDAC3i: Leveraging an Interpretable Deep Learning-Based Framework for the Accelerated Discovery of HDAC3 Inhibitors 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3602433 PMID:40880325	研究论文	本文提出了一种名为DeepHDAC3i的可解释深度学习框架，用于加速发现HDAC3抑制剂	开发了一个新颖且可解释的深度学习框架，仅使用SMILES符号就能准确识别HDAC3抑制剂，并整合了多种分子编码方法和特征选择策略	未提及	加速发现高选择性的HDAC3抑制剂，以解决现有HDAC抑制剂缺乏特异性的问题	HDAC3抑制剂	机器学习	NA	SMILES符号表示	1D-CNN	SMILES符号	未提及	未提及	1D-CNN	准确率, MCC, AUC, F1	未提及
413	2025-12-12	M2BA-MDA: A Multi-Modal Multi-View Bidirectional Attention Network for Microbe-Disease Association Prediction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3620892 PMID:41082432	研究论文	本文提出了一种基于多模态多视图双向注意力机制的深度学习框架M2BA-MDA，用于预测潜在的微生物-疾病关联	提出了一种结合多模态、多视图和双向注意力机制的深度学习框架，通过稳定的增强图注意力网络模块和交互模块，有效解决了梯度消失、过平滑问题，并增强了微生物与疾病之间的相互依赖关系	未明确说明模型在处理大规模数据集时的计算效率或可扩展性限制	预测潜在的微生物-疾病关联，以辅助疾病诊断、治疗和预防	微生物与疾病之间的关联	机器学习	NA	多模态数据融合、图注意力网络、双向注意力机制	深度学习框架	多模态数据（包括相似性度量）	基于HMDAD和DisBiome数据集进行实验，但未明确具体样本数量	NA	增强图注意力网络（EGAT）、深度神经网络（DNN）	通过比较实验评估性能，但未明确具体指标如准确率、召回率等	NA
414	2025-12-12	Implications of computed tomography reconstruction algorithms on coronary atheroma composition: A head-to-head comparison with multimodality near-infrared spectroscopy intravascular ultrasound imaging 2025 Nov-Dec, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.10.009 PMID:41125464	研究论文	本研究比较了不同CTA重建算法在评估冠状动脉斑块成分方面的性能，以NIRS-IVUS为参考标准	首次系统比较了多种CTA重建参数（包括迭代重建强度、切片厚度和HU阈值）对斑块成分分析的影响，并确定了最优组合	样本量较小（仅15名患者），且仅针对慢性冠状动脉综合征患者，可能限制了结果的普适性	评估CTA重建方法在冠状动脉斑块成分分析中的准确性	慢性冠状动脉综合征患者的冠状动脉斑块	医学影像分析	心血管疾病	计算机断层扫描血管造影（CTA）、近红外光谱-血管内超声（NIRS-IVUS）	深度学习	医学影像（CT和IVUS图像）	15名患者，50条血管	NA	NA	组内相关系数（ICC）、累积排名曲线下面积（SUCRA）	NA
415	2025-12-12	Artificial intelligence guided Raman spectroscopy in biomedicine: Applications and prospects 2025-Nov, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101271 PMID:41377140	综述	本文综述了人工智能（特别是深度学习）在拉曼光谱生物医学应用中的集成，包括药物分析、疾病诊断和治疗优化	通过AI增强数据处理、特征提取和模型优化，显著提升了拉曼光谱的准确性和效率，并扩展了其在生物医学中的应用范围	存在计算需求高、数据要求严格以及伦理考虑等挑战	探讨AI如何推动拉曼光谱在生物制药研究和临床诊断中的进步	拉曼光谱数据及其在生物医学中的应用，如药物结构、剂型、质量控制、成分鉴定和药物-生物分子相互作用	机器学习	NA	拉曼光谱	深度学习	光谱数据	NA	NA	NA	准确性, 效率	NA
416	2025-12-12	PLiCat: decoding protein-lipid interactions by large language model 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf665 PMID:41378883	研究论文	本文介绍了一种基于序列的蛋白质-脂质相互作用分类工具PLiCat，它利用混合深度学习架构预测与蛋白质相互作用的脂质类别	首次开发了仅从蛋白质序列预测脂质类别的计算工具，结合ESMC与BERT的混合架构实现了准确且可解释的分类，并能揭示序列编码的脂质结合特征	仅覆盖八个主要脂质类别，可能无法涵盖所有脂质亚型；完全基于序列信息，未考虑蛋白质三维结构的影响	开发能够从蛋白质序列预测脂质结合类别的计算工具，以理解脂质结合特异性机制	蛋白质序列及其与脂质分子的相互作用	自然语言处理	NA	蛋白质语言模型	深度学习	蛋白质序列数据	NA	NA	ESMC, BERT	NA	NA
417	2025-12-12	Impact of intrinsically disordered regions and functional disorder hotspots in the human kinome 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf662 PMID:41378882	研究论文	本研究提出了一种基于长短期记忆深度学习框架的标准化、以激酶为中心的方法，用于预测人类激酶组中的内在无序区域，并对其功能进行综合表征	开发了一种新的激酶特异性内在无序区域预测方法，使用LSTM深度学习框架实现了高预测性能（AUC=0.97），并首次在人类激酶组中系统识别了1039个功能无序区域热点	尽管预测性能很高，但准确描绘内在无序区域仍然是一个持续挑战；研究主要基于计算预测，需要更多实验验证	研究人类激酶组中内在无序区域的功能特征及其在激酶调控中的作用	人类激酶组中的内在无序区域	计算生物学	NA	深度学习预测方法	LSTM	蛋白质序列数据	涵盖所有137个人类激酶家族	NA	LSTM	AUC	NA
418	2025-12-12	A deep learning framework for understanding cochlear implants 2025-Oct-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.16.665227 PMID:40777303	研究论文	本文提出了一种深度学习框架，用于通过模拟人工耳蜗输入评估感官假体的性能限制	开发了一种基于任务优化解码器的深度学习框架，首次用于模拟人工耳蜗输入以评估最佳性能结果	研究基于模拟听觉神经输入，可能未完全反映真实生理条件下的复杂性	评估人工耳蜗等感官假体的性能限制及潜在改进方向	人工耳蜗（用于治疗耳聋的标准设备）	机器学习	耳聋	深度学习模拟	人工神经网络	模拟听觉神经输入数据	NA	NA	NA	语音识别准确率，声音定位精度	NA
419	2025-12-12	Qimai: a multi-agent framework for zero-shot DNA-protein interaction prediction 2025-Oct-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.30.679628 PMID:41256652	研究论文	本文提出了一个名为Qimai的多智能体框架，用于零样本DNA-蛋白质相互作用预测，通过整合深度学习预测与生物证据来提高模型对未见蛋白质的泛化能力	提出了一个模块化的AI智能体框架，首次将基于Transformer的DPI模型预测与来自查询蛋白的直接基序证据、来自其相互作用蛋白的间接基序证据相结合，并利用大型语言模型作为推理引擎进行动态权重分配，实现了可解释的预测	未明确说明框架的计算效率或对大规模基因组数据集的可扩展性，也未讨论LLM推理可能引入的偏差或错误	解决现有DNA-蛋白质相互作用预测模型对训练中未见的新蛋白质泛化能力差的问题	DNA-蛋白质相互作用	机器学习	NA	深度学习, 大型语言模型	Transformer	基因组序列数据, 蛋白质相互作用数据	78个未见过的蛋白质作为基准测试集	未明确指定，但提及了基于Transformer的模型和LLM	Transformer	AUC-PR, AUC-ROC, MCC	NA
420	2025-12-12	A 2025 perspective on the role of machine learning for biomarker discovery in clinical proteomics 2025-Oct, Expert review of proteomics IF:3.8Q1 DOI:10.1080/14789450.2025.2545828 PMID:40772544	观点文章	本文批判性地审视了机器学习在临床蛋白质组学生物标志物发现中的应用，强调算法新颖性无法弥补小样本量、批次效应、过拟合、数据泄露和模型泛化差等问题	提出在临床蛋白质组学中应现实且负责任地使用机器学习，强调严谨的研究设计、适当的验证策略以及透明、可重复的建模实践，而非追求炒作驱动的复杂性	本文为观点性文章，未进行具体实验或模型开发，因此未提供实证数据或性能比较	探讨机器学习在临床蛋白质组学生物标志物发现中的角色、挑战及未来方向	临床蛋白质组学数据及相关的机器学习应用	机器学习	NA	临床蛋白质组学	深度学习架构	蛋白质组学数据	NA	NA	NA	NA	NA