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
4961	2026-08-02	Deep learning-guided ligand generation for the strigolactone receptor ShHTL7 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109181 PMID:42296721	研究论文	该论文介绍了一个集成的深度学习辅助计算工作流，用于发现靶向独脚金内酯受体ShHTL7的配体，并通过多参数筛选策略优先选出了六个候选化合物	创新性地将REINVENT4平台与迁移学习结合用于配体生成，并整合了物理化学性质、ADMET相关描述符、分子对接和分子动力学模拟的多参数筛选策略，以发现针对ShHTL7的选择性化学调控剂	研究仅基于计算预测，未进行实验验证；候选化合物的实际生物活性和选择性尚需进一步的体外和体内实验确认	开发一种深度学习辅助的计算工作流，以生成和筛选靶向ShHTL7的配体，为选择性Striga调控剂的开发提供候选化合物	独脚金内酯受体ShHTL7及其靶向配体，特别是生成的化合物和母体配体KK023	机器学习	植物寄生杂草危害	分子对接、分子动力学模拟、MM/PBSA分析	生成模型	分子结构数据	六个优先候选化合物；一个配体-蛋白质复合物（inh-117）用于MM/PBSA分析	REINVENT4	NA	结合能	NA
4962	2026-08-02	SegMWB: A lightweight deep learning framework for microscopic image classification 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109223 PMID:42385451	研究论文	提出一个名为SegMWB的轻量级深度学习框架，用于白细胞显微镜图像分类，包含预处理、分割和分类阶段	设计了定制化的细胞核分割算法以提取判别性特征，并提出了集成卷积层分块模式的SegMWB-Net，在保持较低计算复杂度的同时提高分类性能	需要进一步在独立临床数据集上进行验证，才能考虑实际临床应用	开发一个自动化的白细胞分类系统，以早期诊断各种血液恶性肿瘤	白细胞显微镜图像	计算机视觉, 数字病理学	血液恶性肿瘤	NA	CNN（卷积神经网络）	图像	三个公开数据集，包括Raabin-WBC、Peripheral Blood Cell和LISC，具体样本数量未在标题和摘要中说明	NA	SegMWB-Net（集成卷积层分块模式）	准确率	NA
4963	2026-08-02	An interpretable framework for cancer drug response prediction using integrated drug and multi-omics data with a hybrid Bi-LSTM-GRU network 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109216 PMID:42385452	研究论文	本文提出了一种基于药物与多组学数据整合的混合Bi-LSTM-GRU网络框架HyDRP-LG，用于提高癌症药物反应预测性能，并通过SHAP解释关键基因及相关通路	提出了一种集成药物分子结构与细胞系多组学特征的混合深度学习架构HyDRP-LG，结合Bi-LSTM和GRU网络，并利用SHAP进行特征解释，以提供可解释性	未明确提及	提高癌症药物反应预测的准确性，并增强模型的解释性，以支持个性化癌症治疗	药物分子结构（SMILES格式）和细胞系的多组学数据（转录组、基因组和表观基因组）	机器学习	癌症	多组学数据整合（转录组、突变、甲基化）	混合深度学习网络（Bi-LSTM-GRU）	药物分子结构数据（SMILES字符串）和多组学数据（转录组、突变、甲基化）	未明确提及，但使用了CCLE数据集中的细胞系数据	NA	Bi-LSTM, GRU	预测性能（具体指标未明确提及）	NA
4964	2026-08-02	Role of Artificial Intelligence in bioinformatics: Revolutionizing molecular docking and DNA tokenization 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109217 PMID:42391906	综述	本文综述了人工智能和机器学习在生物信息学中的主要贡献，重点关注其在分子对接和基于DNA令牌化的基因组分析中的应用	强调混合和生物信息学启发的AI框架在下一代生物信息学中的未来潜力，并介绍了如DiffDock、GNINA、FeatureDock、AlphaFold以及DNABERT、DNABERT-2、BigBird、Enformer等先进模型	当前挑战和局限性被讨论，但未提及具体限制或具体数据指标	突出AI和ML在生物信息学中的贡献，特别是分子对接和DNA令牌化基因组分析，并讨论未来方向	AI和ML模型在分子对接（如DiffDock、GNINA、FeatureDock、AlphaFold）和DNA令牌化（如DNABERT、DNABERT-2、BigBird、Enformer）中的应用	生物信息学	不适用	深度学习、Transformer架构、扩散模型、基础模型	Transformer、扩散模型、基础模型	生物序列数据、分子结构数据	不适用（综述文章，无具体样本数据）	不适用	DiffDock, GNINA, FeatureDock, AlphaFold, DNABERT, DNABERT-2, BigBird, Enformer	准确性、计算效率、结合姿态预测精度	不适用
4965	2026-08-02	M3FusionNet: Cross-cohort multimodal prediction of breast cancer biomarkers 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109228 PMID:42407417	研究论文	提出M3FusionNet，一个融合H&E全切片图像、RNA-seq、miRNA、蛋白质组学和临床变量的多模态深度学习框架，用于预测乳腺癌生物标志物	首次提出跨队列多模态评估框架，整合组织学图像和蛋白质基因组学数据，并通过域适应策略提高泛化能力	跨数据集泛化时AUC下降13-22%，蛋白质组学数据仅限CPTAC队列	预测乳腺癌生物标志物（ER、PR、HER2、PAM50、Ki-67）以提高治疗分层和预后准确性	乳腺癌患者，TCGA-BRCA（约1036例）和CPTAC-BRCA（约134例）	数字病理学	乳腺癌	NGS, RNA-seq, miRNA测序, 蛋白质组学, 免疫组化	CNN, 梯度提升树	图像, 基因表达数据, 蛋白质组学数据, 临床数据	TCGA-BRCA约1036例，CPTAC-BRCA约134例	PyTorch, Scikit-learn	ResNet50, XGBoost, CatBoost	AUC	NA
4966	2026-08-02	Application and prospect of bioinformatics in the prevention and treatment of ischemic stroke: A comprehensive narrative review 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109220 PMID:42430943	综述	本文全面回顾了生物信息学在缺血性脑卒中从预防到预后全周期管理中的应用，涵盖核心技术、数据类型、临床应用及未来挑战	首次对生物信息学在缺血性脑卒中全周期管理中的应用进行系统综述，从预防、诊疗到预后康复全面梳理技术基础、应用现状及挑战	指出了临床转化中的数据缺口、模型可解释性差以及前瞻性验证不足等核心挑战	阐述生物信息学在缺血性脑卒中预防、诊疗及预后中的全周期应用，明确其技术基础、实践应用、挑战和未来方向	缺血性脑卒中的预防、诊断、治疗、预后预测和康复管理	生物信息学	缺血性脑卒中	机器学习、深度学习、计算机辅助药物设计、多组学分析	NA	影像数据、电子健康记录、多组学数据	NA	NA	NA	评估指标（如准确率、精确率、召回率、F1分数、AUC等）	NA
4967	2026-08-02	AGTformer: Synergistic global transformer and adaptive graph gating for Accurate scRNA-seq clustering 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109239 PMID:42435485	研究论文	提出AGTformer，一种结合自适应图门控与全局Transformer的scRNA-seq聚类框架，以捕获长程细胞依赖并提升聚类性能	创新性地融合自适应边重加权（Adaptive Adjacency Gating）与全局Transformer细化模块，动态降低不可靠连接的干扰，并建模超越局部图传播的长程细胞间依赖	摘要中未提及明显局限，可能涉及对数据集规模或计算资源的依赖，但未具体说明	实现准确的scRNA-seq无监督聚类，以表征单细胞转录组中的细胞异质性	单细胞RNA测序数据中的细胞亚群	机器学习	不适用	单细胞RNA测序（scRNA-seq）	Transformer和自适应图门控网络	单细胞转录组数据	十个公共scRNA-seq数据集	不适用	Transformer和自适应图门控机制	聚类准确率、可视化、敏感性分析和消融研究（具体指标如ARI、NMI未明确列出）	不适用
4968	2026-08-02	Implementing malware detection framework using adaptive and deformable attention-based elman residual recurrent neural network with data encryption for secure IoT 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109249 PMID:42476073	研究论文	提出一种结合深度学习和优化密码学的安全框架，用于保护物联网免受恶意软件威胁	采用自适应可变形注意力机制的Elman残差循环神经网络（ADA-El-RRNN）进行恶意软件检测，并利用反对洪堡鱿鱼优化算法（OHSO）调整超参数和生成加密密钥	未提及具体局限性	设计一个稳健且高性能的安全框架，通过深度学习和优化加密技术保护物联网网络免受恶意软件攻击，同时确保数据传输的安全和效率	物联网设备中的恶意软件检测和安全数据传输	机器学习	NA	加密技术	循环神经网络（RNN）	数据集	四个标准数据集	NA	ADA-El-RRNN	准确率，特异度	NA
4969	2026-08-02	Recommendations for Training Faculty in Generative AI Use: Crafting Higher-Order Application Exercises in Team-Based Learning 2026-Oct, The clinical teacher DOI:10.1111/tct.70489 PMID:42530226	建议文章	本文分享了利用生成式AI工具（如Claude 4 Sonnet）设计团队基础学习（TBL）中高阶应用练习的最佳实践建议，重点介绍了TRACI框架的使用和迭代设计流程	首次提出了针对TBL教师培训中利用AI生成高阶应用练习的系统性建议，结合TRACI框架和4S原则，并基于国际工作坊实践经验总结形成	主要基于工作坊的实践经验和非正式反馈，缺乏系统性的实证评估或大规模验证	为健康教育工作者提供在TBL课程设计中利用AI高效设计符合高阶布鲁姆分类学目标的4S应用练习的教师发展建议	参与国际TBL工作坊的跨学科和跨专业教育工作者	教育技术、医学教育	不适用	生成式AI（Anthropic Claude 4 Sonnet）、TRACI提示词框架	不适用	文本（提示词和应用练习）	不明确（基于工作坊参与者的非正式反馈）	不适用	不适用	不适用	不适用
4970	2026-08-02	Automatic Detection of Ganglion Cells as a Supporting Tool for Hirschsprung Disease Diagnosis 2026-Sep, International journal of surgical pathology IF:0.9Q3 DOI:10.1177/10668969261437754 PMID:42085587	研究论文	设计了一种基于人工智能的工具，用于自动检测神经节细胞，以辅助诊断先天性巨结肠病。	利用深度学习分割细胞核并结合手工特征提取，通过机器学习分类器实现神经节细胞的高精度自动检测，具有较高的AUC值。	研究基于有限样本量（222个视野和2076个细胞核）且依赖专家注释，可能限制泛化性。	开发AI工具以简化并加速巨结肠病的诊断过程，提高诊断的准确性和效率。	H&E染色切片中的神经节细胞和非神经节细胞。	数字病理学	先天性巨结肠病	显微镜数字化成像，深度学习分割，特征提取	机器学习分类器（具体算法未明确，但结合了特征选择）	显微镜图像	222个高倍视野，2076个细胞核（346个神经节细胞和1730个非神经节细胞）	NA	深度学习分割网络（未指定具体架构）和机器学习分类器（未指定具体架构）	敏感性，特异性，AUC	NA
4971	2026-01-28	Letter to the editor: Deep learning and digital pathology for HCC prediction in steatotic liver disease 2026-Aug-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001696 PMID:41587349	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4972	2026-02-12	Reply: Deep learning and digital pathology power prediction of HCC development in steatotic liver disease 2026-Aug-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001697 PMID:41665974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4973	2026-08-02	Deep learning-assisted tumor radiomic dynamics on MRI predict pathological complete response in HCC undergoing immune-based therapy followed by hepatectomy 2026-Aug-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001724 PMID:41746634	研究论文	本研究开发并验证了一种结合临床病理特征和MRI肿瘤影像组学动态变化的模型，用于预测接受免疫治疗联合肝切除的肝细胞癌患者的病理完全缓解。	利用治疗前后的动态影像组学变化（包括Δ影像组学特征）结合AFP反应来预测pCR，显著优于基线或术前模型，为无创评估提供了新方法。	未提供具体限制信息。	开发并验证一个模型，整合临床病理和影像组学特征，以术前预测初始不可切除肝细胞癌患者在转化治疗后的病理完全缓解。	初诊不可切除的肝细胞癌患者，接受免疫治疗及肝切除。	机器学习、医学影像分析	肝细胞癌	MRI	机器学习模型	影像数据、临床病理数据	训练队列78例，内部测试队列32例，独立验证队列44例。	NA	LASSO、随机森林	AUC、NPV、PPV、敏感性、特异性、校准、决策曲线分析	NA
4974	2026-08-02	Beyond Invariable Sites: Using Evolutionary Stasis to Map Multilayered Constraints on the Evolution of Viral and Mammalian Genomes 2026-Aug-01, Genome biology and evolution IF:3.2Q2 DOI:10.1093/gbe/evag184 PMID:42518208	研究论文	本文提出B-STILL，一个分层贝叶斯框架，用于解析蛋白编码基因在零速率极限附近的选择景观，并将不变位点转化为极端进化约束的精确标记	通过基因水平速率分布和密码子位点特异性替换机会建模，首次在零速率起源处区分随机不变性和极端纯化选择导致的不变性，并定义了进化停滞锚（ESAs）	未明确说明，可能依赖于基因背景速率估计的准确性	量化基因组保守性，识别受极端纯化选择约束的位点，以改进基因组注释和功能预测	病毒和哺乳动物基因组中的蛋白编码基因	基因组学	NA	分层贝叶斯建模	分层贝叶斯模型	基因组序列数据	未明确说明，但应用于病毒和哺乳动物基因组，识别出数千个显著聚集的ESAs	NA	NA	统计学显著性、预测能力（针对临床和病原体数据集）	NA
4975	2026-08-02	Integrated multi-omics and single-cell analyses identify metabolic heterogeneity and therapeutic vulnerabilities in medullary thyroid cancer 2026-Aug, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-026-03467-1 PMID:42098434	研究论文	本研究通过整合多组学和单细胞分析，揭示了甲状腺髓样癌的代谢异质性，并识别出可用于预后预测的代谢特征和治疗靶点	首次提出基于代谢分型的甲状腺髓样癌分类系统，并发现CHSY1通过调节糖胺聚糖生物合成促进上皮-间质转化，为精准管理提供了新视角	未明确说明局限性；可能受限于样本量较小和依赖公开数据集	探索甲状腺髓样癌的代谢重编程，识别代谢亚型及其临床意义，并开发预后模型	甲状腺髓样癌肿瘤样本，包括RNA测序数据、代谢组学数据、免疫组化样本和单细胞RNA测序数据	数字病理学	甲状腺髓样癌	RNA测序，非靶向代谢组学，免疫组化，多重免疫荧光，单细胞RNA测序	深度学习模型	基因表达数据、代谢物数据、组织图像、单细胞转录组数据	RNA测序样本101例；代谢组学配对样本51例；免疫组化47例；多重免疫荧光12例；单细胞RNA测序数据7例（来自PRJCA021386）	NA	NA	预后准确性（如风险分层）	未提及计算资源；可能使用标准计算环境
4976	2026-08-02	Deep learning-based prediction of lymph node metastasis and occult tumor cells in gastric cancer using histopathological images: a retrospective study 2026-Aug, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-026-03400-6 PMID:42156979	research paper	开发了一种基于深度学习的模型，利用胃癌全切片图像预测淋巴结转移和隐匿性肿瘤细胞，并评估其预后价值	首次使用基于聚类约束注意力的多实例学习模型从胃癌原发灶全切片图像中预测淋巴结转移和隐匿性肿瘤细胞，并证明其可作为独立预后生物标志物	NA	开发深度学习模型以预测胃癌患者的淋巴结转移状态和隐匿性肿瘤细胞，并评估其预后价值，以指导个性化临床策略	929例胃癌患者的原发肿瘤全切片图像，来自两个中心的三个独立队列	计算机视觉, 数字病理学	胃癌	全切片成像	多实例学习模型	图像	929例胃癌患者	PyTorch	聚类约束注意力多实例学习	准确率, AUC, 生存分析	NA
4977	2026-08-02	Real-time spoilage detection of climacteric fruits using a potassium permanganate-based ethylene indicator and deep learning-based mobile application 2026-Aug, Food science and biotechnology IF:2.4Q3 DOI:10.1007/s10068-026-02200-1 PMID:42534580	研究论文	本研究探索了基于高锰酸钾的乙烯指示剂结合深度学习模型在香蕉和猕猴桃新鲜度实时检测中的应用，并开发了一款移动应用。	将高锰酸钾乙烯指示剂与深度学习相结合，开发了一种用于实时水果新鲜度检测的移动应用。	未提及	评估基于高锰酸钾的乙烯指示剂在水果新鲜度检测中的可靠性，并开发移动应用以实现实时检测。	香蕉和猕猴桃	计算机视觉	不适用	乙烯指示剂	ResNet50	图像	未提及具体样本量	NA	ResNet50	准确率	NA
4978	2026-08-02	FMDL-Net: Fourier modulation and dynamic mixing for light field image super-resolution 2026-Aug-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.600424 PMID:42537131	研究论文	提出一种名为FMDL-Net的解耦网络，结合傅里叶调制注意力与动态混合层，用于光场图像超分辨率重建。	创新性地将傅里叶调制注意力（FMA）与动态混合层（DML）整合到解耦网络中，以同时实现高效的全局感受野和内容自适应的纹理保留	未明确提及局限性	解决光场图像超分辨率中局部感受野限制和Transformer高计算复杂度及高频细节丢失的问题	光场图像	计算机视觉	NA	NA	卷积神经网络与视觉Transformer结合	图像	五个公开数据集	NA	FMDL-Net（含FMA和DML）	峰值信噪比（PSNR）、结构相似性指数（SSIM）	NA
4979	2026-08-02	EXPRESS: Adulteration Detection for Poria Cocos Based on Near-Infrared Two-Dimensional Correlation Spectroscopy and Deep Learning 2026-Aug-01, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261474589 PMID:42538889	研究论文	本研究开发了一种结合近红外二维相关光谱与深度学习算法的策略，用于茯苓掺假的定性和定量分析，实现了高精度检测	首次利用近红外二维相关光谱结合双向长短期记忆网络与注意力机制（BiLSTM-Attn）进行茯苓掺假检测，通过多种预处理方法和两种2DCOS构建系统数据集，增强了光谱分辨率并充分挖掘了相关特征中的序列依赖性	未提及具体限制，但可能包括样本规模有限、掺假梯度固定及依赖特定仪器等潜在不足	开发一种快速、无损的茯苓掺假定性和定量检测方法，以支持中药材质量控制	茯苓样本及其掺假样本（添加5种常见掺假物，浓度梯度为5%）	计算机视觉与机器学习	不适用（非疾病领域，属于中药材质量控制）	近红外光谱（NIR）与二维相关光谱（2DCOS）	双向长短期记忆网络（BiLSTM）、注意力机制（Attention）	光谱图像（近红外二维相关光谱图）	未明确样本总数，但涉及纯茯苓和5种掺假物按5%浓度梯度配制的样本	未提及，但可能使用PyTorch或TensorFlow（NA）	BiLSTM-Attn，以及对比的CNN、GRU、LSTM、BiLSTM	分类准确率、决定系数（R）、均方根误差（RMSE）、残差预测偏差（RPD）	未提及（NA）
4980	2026-08-02	Cross-Vendor Robustness of a Hybrid Deep Learning Framework for Four-Stage Periodontitis Classification on Panoramic Radiographs 2026-Jul-31, Dento maxillo facial radiology DOI:10.1093/dmfr/twag055 PMID:42536424	研究论文	评估一个混合深度学习框架在全景X光片上对四阶段牙周炎分类的跨设备鲁棒性	首次提供基于深度学习的全景X光片牙周炎分期跨设备基准，并量化设备引起的域偏移	持出设备（LODO）验证下性能下降，表明跨设备泛化仍有待提升	评估混合CNN-CAD框架在四阶段牙周炎分类中的跨设备鲁棒性	来自三个设备供应商的500张全景X光片	计算机视觉, 数字病理学	牙周炎	X光成像	CNN	图像	500张全景X光片（Instrumentarium 400张，Vatech 50张，PointNix 50张）	NA	U-Net, Dense U-Net, SegNet, Mask R-CNN, YOLO	Dice系数, 平均精度（AP）, 平均绝对差（MAD）, 组内相关系数（ICC）, Bland-Altman偏差, Passing-Bablok分析	NA