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 36491 篇文献，本页显示第 4521 - 4540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4521 | 2025-11-05 |
Deep learning-driven TCRβ repertoire analysis enhances diagnosis and enables mining of immunological biomarkers in systemic lupus erythematosus
2025-Oct-31, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00490-5
PMID:41174657
|
研究论文 | 开发基于深度学习的TCRβ repertoire分析框架DeepTAPE，用于系统性红斑狼疮的诊断和免疫生物标志物挖掘 | 提出整合TCR分类器的诊断新方法，能生成与疾病活动度相关的自身免疫风险评分，并识别SLE特异性氨基酸基序 | 未明确说明研究样本量的具体限制和模型泛化能力验证 | 提高系统性红斑狼疮的诊断准确性并挖掘免疫机制相关生物标志物 | 系统性红斑狼疮患者的TCRβ链CDR3序列 | 生物信息学 | 系统性红斑狼疮 | TCR repertoire测序 | 深度学习 | 序列数据 | NA | NA | DeepTAPE | AUC | NA |
| 4522 | 2025-11-05 |
A robust deep learning framework for RNA 5-methyluridine modification prediction using integrated features
2025-Oct-31, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02433-2
PMID:41174762
|
研究论文 | 开发了一个名为5-meth-Uri的深度学习框架，用于预测RNA 5-甲基尿苷修饰 | 结合二核苷酸和三核苷酸的自交叉协方差与六种物理化学参数生成特征向量，并采用无监督主成分分析进行特征选择 | NA | 提高RNA 5-甲基尿苷修饰预测的准确性 | RNA 5-甲基尿苷修饰 | 计算生物学 | NA | RNA修饰预测 | DNN | 序列数据 | 两个基准数据集（成熟mRNA和完整转录本） | NA | 深度神经网络 | 准确率 | NA |
| 4523 | 2025-11-05 |
Path2Omics Enhances Transcriptomic and Methylation Prediction Accuracy from Tumor Histopathology
2025-Oct-30, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-4350
PMID:41166699
|
研究论文 | 开发了Path2Omics深度学习框架，可从肿瘤组织病理学图像预测基因表达和甲基化数据 | 首次开发能够从常规组织病理切片独立预测基因表达和甲基化的深度学习框架，并在30种TCGA癌症类型中验证 | 仅使用TCGA数据集进行训练，外部验证数据集数量有限 | 通过深度学习从组织病理学图像预测分子特征，推动精准肿瘤学发展 | 30种TCGA癌症类型的组织病理学图像和对应的分子数据 | 数字病理学 | 多种癌症 | 组织病理学成像，基因表达分析，甲基化分析 | 深度学习 | 组织病理学图像，基因表达数据，甲基化数据 | 30种TCGA癌症类型，7个外部验证数据集 | NA | Path2Omics框架（包含FFPE模型、FF模型和集成模型） | 预测准确率，患者生存预测，治疗反应预测 | NA |
| 4524 | 2025-11-05 |
Comparative Analysis of Deep Learning Models for Predicting Causative Regulatory Variants
2025-Oct-15, Genes
IF:2.8Q2
DOI:10.3390/genes16101223
PMID:41153440
|
研究论文 | 通过统一基准比较深度学习模型在预测调控变异和因果SNP优先排序任务中的性能 | 建立了首个在一致训练和评估条件下对领先深度学习模型进行标准化评估的基准 | 仅评估了54,859个SNP和四种人类细胞系的数据 | 评估深度学习模型在预测非编码区变异效应和因果SNP优先排序中的性能 | 54,859个单核苷酸多态性(SNP)在四种人类细胞系中的调控影响 | 机器学习 | NA | MPRA, raQTL, eQTL实验 | CNN, Transformer, 混合CNN-Transformer | 基因组变异数据 | 54,859个SNP | NA | TREDNet, SEI, Borzoi | NA | NA |
| 4525 | 2025-11-04 |
Hybrid attention-based deep learning for multi-label ophthalmic disease detection on fundus images
2025-Oct, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-06858-x
PMID:40439748
|
研究论文 | 提出一种基于混合注意力的深度学习模型HAM-DNet，用于眼底图像的多标签眼科疾病检测 | 结合EfficientNetV2和Vision Transformers的混合深度学习架构，集成SE注意力模块和U-Net病变定位模块，提升多标签分类性能和可解释性 | NA | 开发准确、可解释且高效的多标签眼科疾病自动检测方法 | 眼底图像中的多种眼科疾病 | 计算机视觉 | 眼科疾病 | NA | CNN, Transformer | 图像 | 多个眼底图像数据集（ODIR-5K, Messidor, G1020, Joint Shantou International Eye Centre） | NA | EfficientNetV2, Vision Transformers, SE blocks, U-Net | 准确率, 精确率, 召回率, AUC, F1分数 | 低计算成本（9.7 GFLOPS） |
| 4526 | 2025-11-05 |
Artificial Intelligence in Traditional Chinese Medicine: Multimodal Fusion and Machine Learning for Enhanced Diagnosis and Treatment Efficacy
2025-Oct, Current medical science
IF:2.0Q3
DOI:10.1007/s11596-025-00103-6
PMID:40773005
|
综述 | 本文综述了人工智能在中医诊疗中的应用现状与未来发展方向 | 提出基于证候要素构建大规模高质量中医数据集，并利用AI多模态融合和集成学习技术处理多样化原始特征 | NA | 提升中医诊疗的临床疗效 | 中医诊疗过程 | 自然语言处理,机器学习 | 中医相关疾病 | 深度学习,自然语言处理 | CNN,LSTM,Transformer,神经网络,支持向量机,随机森林 | 图像,文本,结构化数据 | NA | NA | 卷积神经网络,长短期记忆网络,Transformer | NA | NA |
| 4527 | 2025-11-05 |
Iterative improvement of deep learning models using synthetic regulatory genomics
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.04.636130
PMID:39974895
|
研究论文 | 本研究使用深度学习模型Enformer预测合成调控基因组学数据中的DNA可及性和RNA转录，并通过微调提升模型性能 | 首次将合成调控基因组学数据用于深度学习模型的迭代改进，显著提升了模型对基因组变异的预测泛化能力 | 模型对DHS顺序或方向重排的序列预测能力较差，训练数据主要基于参考基因组相似序列 | 评估和改进深度学习模型对基因组变异序列的表观遗传特征预测能力 | DNase I超敏感位点的删除、倒位和重排等工程化序列 | 计算生物学 | NA | 合成调控基因组学，表观遗传学分析 | 深度学习 | 基因组序列，表观遗传数据 | 数十个DHS工程化序列 | NA | Enformer | 预测误差，相关性 | NA |
| 4528 | 2025-11-05 |
Correction: A Systematic Review: Do the Use of Machine Learning, Deep Learning, and Artificial Intelligence Improve Patient Outcomes in Acute Myocardial Ischemia Compared to Clinician-Only Approaches?
2025-Sep, Cureus
DOI:10.7759/cureus.c307
PMID:41185712
|
correction | 本文是对先前发表的一篇系统综述文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4529 | 2025-11-05 |
Multimodal deep learning integration of cryo-EM and AlphaFold3 for high-accuracy protein structure determination
2025-Jul-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.03.663071
PMID:40631196
|
研究论文 | 提出一种融合冷冻电镜和AlphaFold3的多模态深度学习方法MICA，用于高精度蛋白质结构测定 | 在输入和输出层面同时整合冷冻电镜密度图和AlphaFold3预测结构，实现全自动多模态蛋白质结构建模 | NA | 提高从冷冻电镜密度图自动构建蛋白质结构的准确性和完整性 | 蛋白质结构，特别是大型蛋白质复合物 | 计算生物学 | NA | 冷冻电镜(cryo-EM)，深度学习 | 多任务编码器-解码器架构 | 冷冻电镜密度图，AlphaFold3预测结构 | NA | NA | 特征金字塔网络 | 模板建模得分(TM-score) | NA |
| 4530 | 2025-11-05 |
Comparative Analysis of Deep Learning Models for Predicting Causative Regulatory Variants
2025-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.19.654920
PMID:40568119
|
研究论文 | 比较分析深度学习模型在预测致病调控变异方面的性能 | 首次在标准化基准和一致训练条件下系统评估多种深度学习模型对遗传变异调控效应的预测能力 | 仅评估了有限数量的模型架构，且训练数据可能未覆盖所有相关细胞类型 | 评估深度学习模型预测遗传变异对增强子活性的影响 | 人类基因组中的非编码变异和增强子调控元件 | 机器学习 | 复杂人类疾病 | MPRA, raQTL, eQTL | CNN, Transformer, 混合模型 | 基因组数据, 表观基因组数据 | 54,859个SNP，来自四个人类细胞系，九个数据集 | NA | TREDNet, SEI, Borzoi | NA | NA |
| 4531 | 2025-11-05 |
ProtFun: A Protein Function Prediction Model Using Graph Attention Networks with a Protein Large Language Model
2025-May-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.13.653854
PMID:40463264
|
研究论文 | 提出一种名为ProtFun的多模态深度学习架构，用于预测蛋白质功能 | 将蛋白质大语言模型嵌入作为蛋白质家族网络中的节点特征，并应用图注意力网络学习蛋白质嵌入 | 未在摘要中明确说明 | 开发计算方法来自动预测蛋白质功能 | 蛋白质序列和蛋白质家族网络 | 生物信息学 | NA | 蛋白质大语言模型，图注意力网络 | GAT | 蛋白质序列，蛋白质家族网络，InterPro蛋白质特征表示 | 三个基准数据集 | NA | 图注意力网络(GAT) | NA | NA |
| 4532 | 2025-11-05 |
Artificial Intelligence in Outpatient Primary Care: A Scoping Review on Applications, Challenges, and Future Directions
2025-May-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.12.25327223
PMID:40463551
|
综述 | 本文通过范围综述探讨人工智能在门诊初级保健中的应用、挑战和未来发展方向 | 系统梳理了2019-2024年间AI在初级保健领域的研究现状，揭示了从模型开发到临床实施的差距 | 仅纳入英文文献，可能遗漏其他语言的重要研究；真实世界实施数据有限 | 探索人工智能在非紧急门诊初级保健环境中的功能、试验和整合情况 | 初级保健环境中的AI应用研究 | 医疗人工智能 | 初级保健相关疾病 | 机器学习、深度学习、Transformer | NA | 文献数据 | 61篇符合条件的研究文献（从3,203篇中筛选） | NA | NA | NA | Covidence在线系统综述工具 |
| 4533 | 2025-11-05 |
The epigenomic landscape of single vascular cells reflects developmental origin and identifies disease risk loci
2025-May-06, bioRxiv : the preprint server for biology
DOI:10.1101/2022.05.18.492517
PMID:40655014
|
研究论文 | 通过单细胞表观基因组和转录组分析揭示血管细胞发育起源与疾病风险位点的关联 | 首次在单细胞分辨率上系统分析不同血管部位的表观基因组景观，发现血管部位特异性的增强子调控网络 | 研究仅限于健康成年小鼠血管组织，人类样本验证不足 | 探究血管部位特异性疾病风险的生物学基础 | 健康成年小鼠三个血管部位（主动脉根和升主动脉、头臂动脉和颈动脉、降胸主动脉）的血管组织 | 生物信息学 | 心血管疾病 | scATACseq, scRNAseq, GWAS, 深度学习 | 深度学习模型 | 表观基因组数据, 转录组数据, 基因组关联数据 | 三个血管部位的血管组织单细胞数据 | ChromBPNet | base resolution深度学习模型 | 染色质可及性预测准确性 | NA |
| 4534 | 2025-11-05 |
Path2Omics: Enhanced transcriptomic and methylation prediction accuracy from tumor histopathology
2025-Mar-16, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.26.640189
PMID:40568160
|
研究论文 | 开发Path2Omics深度学习模型，从肿瘤组织病理学图像预测基因表达和甲基化数据 | 集成FFPE和FF样本训练的模型在临床最常用的FFPE切片上表现最佳，预测基因数量比之前模型DeepPT提高约5倍 | NA | 通过组织病理学图像预测分子特征，推进精准肿瘤学发展 | 23种癌症类型的肿瘤组织样本 | 数字病理学 | 癌症 | 组织病理学，基因表达分析，甲基化分析 | 深度学习 | 组织病理学图像 | 23个癌症基因组图谱队列中的8,007名患者的20,497张切片（9,456张FFPE和11,041张FF） | NA | NA | 预测基因数量，生存预测准确性，治疗反应预测准确性 | NA |
| 4535 | 2025-11-05 |
Deep learning approach to parameter optimization for physiological models
2025-Feb-28, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.25.639944
PMID:40060611
|
研究论文 | 提出一种使用神经网络同时解决生物建模、参数化和参数推断的新方法 | 使用卷积神经网络从模拟数据中推断生理模型参数，实现准确的参数推断和轨迹重建 | 方法依赖于模拟数据的质量，且需要临床数据验证 | 开发生理模型参数优化的深度学习方法 | 葡萄糖、胰岛素和游离脂肪酸的动态生理模型 | 机器学习 | 代谢疾病 | 频繁采样静脉葡萄糖耐量测试 | CNN | 时间序列数据 | 从生理范围内采样参数生成的大量模拟数据 | NA | 卷积神经网络 | R²值, p值, 准确率 | NA |
| 4536 | 2025-11-05 |
Blockchain-integrated IoT device for advanced inspection of casting defects
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86777-3
PMID:39939622
|
研究论文 | 提出一种集成区块链的物联网系统，用于铸件缺陷的先进检测 | 将基于ResNet的深度学习模型与区块链技术结合，实现缺陷检测与数据可追溯性的创新整合 | 可扩展性和能源效率仍有改进空间 | 解决熔模铸造质量控制中的缺陷检测、实时处理和数据可追溯性效率低下问题 | 铸件缺陷检测与尺寸测量 | 智能制造 | NA | 物联网, 区块链 | CNN | 图像 | NA | NA | ResNet | F1-score, 数据完整性, 可追溯性指标 | NA |
| 4537 | 2025-11-05 |
PhysioFormer: Integrating multimodal physiological signals and symbolic regression for explainable affective state prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335221
PMID:41171897
|
研究论文 | 提出一种名为PhysioFormer的新型模型，通过整合多模态生理信号和符号回归实现可解释的情感状态预测 | 结合个体属性和多模态生理数据解决个体间变异性，集成符号回归增强模型可解释性，首次在情感计算中同时处理动态时间序列和多模态特征 | 仅在WESAD数据集上进行验证，尚未在更大数据集和实时应用中测试，对复杂环境的适应性有待进一步验证 | 开发高可靠性和准确性的情感计算模型用于心理健康监测和心理干预 | 基于手腕和胸部采集的多模态生理信号数据 | 机器学习 | 心理健康 | 多模态生理信号处理 | Transformer | 时间序列生理信号数据 | WESAD数据集的手腕和胸部子集 | NA | PhysioFormer（包含特征嵌入和情感表示模块） | 准确率, 敏感性 | NA |
| 4538 | 2025-11-05 |
A novel channel reduction concept to enhance the classification of motor imagery tasks in brain-computer interface systems
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335511
PMID:41171945
|
研究论文 | 提出一种结合统计检验和深度学习的混合方法，用于增强脑机接口系统中运动想象任务的分类性能 | 提出新型通道选择方法，结合t检验与Bonferroni校正的通道缩减技术，并开发DLRCSPNN深度学习框架 | NA | 开发新型通道选择方法以提升基于EEG的运动想象任务在BCI应用中的性能 | 脑电信号中的运动想象任务 | 脑机接口 | 运动障碍 | 脑电图 | 神经网络 | 脑电信号 | 三个实时EEG-based BCI数据集 | DLRCSPNN | DLRCSP特征提取结合神经网络分类 | 准确率 | NA |
| 4539 | 2025-11-05 |
Dynamic Mechanism for Subtype Selectivity of Endocannabinoids
2024-Oct-29, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.25.620304
PMID:39554065
|
研究论文 | 本研究通过分子动力学模拟和机器学习方法揭示内源性大麻素对CB1受体亚型选择性的动态机制 | 首次提出N-末端运动调控结合口袋体积和残基组成的动态机制，结合深度学习和马尔可夫状态模型定量解析结合路径 | 模拟时间尺度仍有限，未考虑其他内源性大麻素的选择性机制 | 阐明内源性大麻素对CB1受体亚型选择性的生物物理机制 | 大麻素受体CB1和CB2，内源性大麻素anandamide及其类似物 | 计算生物物理学 | NA | 分子动力学模拟，马尔可夫状态建模，深度学习VAMP-nets，相对自由能计算 | VAMP-nets | 分子动力学轨迹数据 | 约0.9毫秒的分子动力学模拟数据 | NA | VAMP-nets | 结合自由能，构象熵，焓变 | NA |
| 4540 | 2025-11-05 |
A Systematic Review: Do the Use of Machine Learning, Deep Learning, and Artificial Intelligence Improve Patient Outcomes in Acute Myocardial Ischemia Compared to Clinician-Only Approaches?
2023-Aug, Cureus
DOI:10.7759/cureus.43003
PMID:37674942
|
系统性综述 | 通过系统性文献回顾评估机器学习、深度学习和人工智能在急性心肌缺血中相比纯临床方法对患者结局的改善效果 | 首次系统性比较AI算法结合临床医生与纯临床方法在急性心肌缺血诊疗中的效果差异 | 仅纳入8篇文献进行深入分析，算法透明度不足和伦理问题尚未解决 | 评估AI/ML/DL在急性冠脉综合征早期检测和干预中的应用效果 | 急性心肌缺血患者的心电图数据和临床信息 | 机器学习 | 心血管疾病 | 心电图分析 | 机器学习,深度学习,人工智能算法 | 心电图数据,患者临床信息 | 181篇文献（2013-2023年），其中8篇深入分析 | NA | NA | 灵敏度,特异性,准确度 | NA |