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
5141	2025-03-15	Fuzzy control algorithm of cleaning parameters of street sweeper based on road garbage volume grading 2025-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92771-6 PMID:40069257	研究论文	本文提出了一种基于道路垃圾量分级的模糊控制算法，用于调整街道清扫车的清洁参数，以提高清洁效率和降低能耗	创新点在于结合YOLO v5深度学习模型进行目标检测和垃圾分类，并基于垃圾覆盖率和重量计算道路垃圾量分级系数，进而开发模糊控制模型以优化清扫车操作参数	未提及算法的泛化能力及在不同城市环境中的适用性	研究目的是通过智能算法优化街道清扫车的清洁参数，以提高清洁效率和降低能耗	研究对象是街道清扫车及其清洁参数	计算机视觉	NA	YOLO v5	模糊控制模型	图像	未提及具体样本数量
5142	2025-03-15	Infusing structural assumptions into dimensionality reduction for single-cell RNA sequencing data to identify small gene sets 2025-Mar-11, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07872-9 PMID:40069486	研究论文	本文提出了一种结合无监督深度学习和增强方法的维度降低技术，用于单细胞RNA测序数据，以识别小基因集	提出了增强自编码器（BAE）方法，结合了无监督深度学习和增强方法的优势，能够选择解释潜在维度的小基因集	未明确提及具体局限性	探索单细胞RNA测序数据中的细胞异质性，识别小基因集	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	自编码器（Autoencoder）	RNA测序数据	未明确提及样本数量
5143	2025-03-15	An efficient deep learning-based strategy to screen inhibitors for GluN1/GluN3A receptor 2025-Mar-11, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01513-x PMID:40069493	研究论文	本文提出了一种基于深度学习的策略，用于高效筛选GluN1/GluN3A受体的抑制剂	结合序列和复合物基础的评分函数，利用深度学习技术提高筛选效率和准确性	研究仍处于早期阶段，药理研究数据有限	开发一种高效且准确的筛选方法，用于识别GluN1/GluN3A受体的抑制剂	GluN1/GluN3A受体及其抑制剂	机器学习	神经精神疾病	全细胞电压钳电生理学	深度学习模型	化合物库数据	1800万种化合物库筛选至约10个候选分子
5144	2025-03-15	Efficient deep learning-based tomato leaf disease detection through global and local feature fusion 2025-Mar-11, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-06247-w PMID:40069604	研究论文	本研究提出了一种高效的番茄病害检测网络（E-TomatoDet），通过融合和增强全局和局部特征感知能力，提高了番茄叶病害检测的效果	结合CSWinTransformer和综合多核模块（CMKM），设计了局部特征增强金字塔（LFEP）网络，显著提升了复杂背景下不同尺度番茄叶病害目标的检测性能	未提及具体的数据集规模或模型在其他作物病害检测中的泛化能力	提高番茄叶病害检测的效率和准确性	番茄叶病害	计算机视觉	植物病害	深度学习	E-TomatoDet（基于CSWinTransformer和CMKM）	图像	两个数据集（未提及具体样本数量）
5145	2025-03-15	Breast tumors from ATM pathogenic variant carriers display a specific genome-wide DNA methylation profile 2025-Mar-11, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01988-w PMID:40069712	研究论文	本研究探讨了ATM致病性变异携带者的乳腺癌肿瘤是否具有特定的全基因组DNA甲基化特征，以作为识别这些肿瘤的生物标志物	首次揭示了ATM致病性变异携带者的乳腺癌肿瘤具有特定的全基因组DNA甲基化特征，并识别了27个关键基因启动子的甲基化模式可预测ATM致病性变异状态	样本量相对较小，特别是A-T患者仅有2例，且转录组数据仅对10个肿瘤进行了分析	研究ATM致病性变异携带者的乳腺癌肿瘤的DNA甲基化特征，以作为识别这些肿瘤的生物标志物	乳腺癌肿瘤	数字病理学	乳腺癌	全基因组DNA甲基化分析	逻辑回归、随机森林、XGBoost	DNA甲基化数据、转录组数据	2例A-T患者、27例ATM致病性变异携带者、6例临床意义不确定的变异携带者、484例非携带者
5146	2025-03-15	RBPsuite 2.0: an updated RNA-protein binding site prediction suite with high coverage on species and proteins based on deep learning 2025-Mar-11, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02182-2 PMID:40069726	研究论文	本文介绍了RBPsuite 2.0，一个基于深度学习的RNA-蛋白质结合位点预测工具，支持更多RNA结合蛋白和物种，并提供更准确的环状RNA预测	RBPsuite 2.0在原有版本基础上增加了支持的RNA结合蛋白数量（从154个增加到353个）和物种数量（从1个扩展到7个），并采用更准确的iDeepC模型替代CRIP进行环状RNA结合位点预测	未明确提及具体局限性	开发一个更全面、易用的RNA-蛋白质结合位点预测工具，以帮助研究RNA结合蛋白在疾病中的生物学机制	RNA结合蛋白（RBPs）及其与线性RNA和环状RNA的结合位点	生物信息学	NA	深度学习	iDeepC	RNA序列	支持353种RNA结合蛋白和7个物种
5147	2025-03-15	AnomalGRN: deciphering single-cell gene regulation network with graph anomaly detection 2025-Mar-11, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02177-z PMID:40069807	研究论文	本文介绍了AnomalGRN模型，通过图异常检测技术解析单细胞基因调控网络	首次将异常检测技术应用于基因调控网络分析，并引入余弦度量规则区分节点间的同质性和异质性	未提及具体的数据集或实验结果的局限性	解析单细胞基因调控网络中的复杂调控机制	单细胞RNA测序数据	机器学习	NA	scRNA-seq	AnomalGRN	基因表达数据	NA
5148	2025-03-15	Cellular senescence predicts breast cancer risk from benign breast disease biopsy images 2025-Mar-11, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01993-z PMID:40069863	研究论文	本研究通过深度学习模型预测乳腺上皮和脂肪组织中的细胞衰老评分，以评估良性乳腺疾病（BBD）女性患乳腺癌的风险	首次使用深度学习模型预测乳腺组织中的细胞衰老评分，并将其与乳腺癌风险关联	研究依赖于历史数据，可能无法完全反映当前医疗技术的进展	评估细胞衰老评分在预测乳腺癌风险中的价值	15,395名接受乳腺活检的女性，其中512名发展为浸润性乳腺癌，491名未发展为乳腺癌	数字病理学	乳腺癌	深度学习	深度学习模型	图像	15,395名女性，其中512名发展为浸润性乳腺癌，491名未发展为乳腺癌
5149	2025-03-15	RAG_MCNNIL6: A Retrieval-Augmented Multi-Window Convolutional Network for Accurate Prediction of IL-6 Inducing Epitopes 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02144 PMID:39967508	研究论文	本文介绍了一种名为RAG_MCNNIL6的新型深度学习框架，用于准确预测IL-6诱导表位	RAG_MCNNIL6结合了检索增强生成（RAG）和多窗口卷积神经网络（MCNN），显著提高了预测性能	NA	开发一种准确且高效的IL-6诱导表位预测方法，以促进基于表位的疫苗和免疫疗法的研发	IL-6诱导表位	自然语言处理	自身免疫性疾病, 癌症, COVID-19	ProtTrans预训练蛋白质语言模型	多窗口卷积神经网络（MCNN）	蛋白质序列	基准数据集
5150	2025-03-15	ProCeSa: Contrast-Enhanced Structure-Aware Network for Thermostability Prediction with Protein Language Models 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01752 PMID:39988825	研究论文	本文提出了一种名为ProCeSa的新型蛋白质对比增强结构感知网络，用于结合蛋白质语言模型（PLMs）提取的序列和结构信息来增强热稳定性预测	ProCeSa模型通过对比学习方案，结合氨基酸残基类别，有效整合了PLMs提取的序列和结构信息，无需原子结构数据即可预测蛋白质热稳定性	模型未考虑原子级别的蛋白质结构信息，可能在某些情况下限制了预测的准确性	提高蛋白质热稳定性预测的准确性	蛋白质序列及其热稳定性	机器学习	NA	对比学习	ProCeSa	蛋白质序列	公开数据集
5151	2025-03-15	APNet, an explainable sparse deep learning model to discover differentially active drivers of severe COVID-19 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf063 PMID:39921901	研究论文	本文介绍了一种名为APNet的新型计算管道，结合了基于SJARACNe共表达网络的差异活性分析和PASNet（一种生物学信息稀疏深度学习模型），用于对COVID-19严重程度进行可解释的预测	APNet结合了差异活性分析和稀疏深度学习模型，提供了超越特征排名的生物解释性，并在COVID-19患者分类中优于其他模型	当前的计算方法往往忽略了非线性的蛋白质组动态，如翻译后修饰	通过计算分析揭示复杂疾病（如COVID-19）中的分子、细胞表型和信号模式，以发现与不良临床结果相关的驱动因素	COVID-19患者	机器学习	COVID-19	SJARACNe共表达网络，PASNet	稀疏深度学习模型	蛋白质组数据	三个COVID-19蛋白质组数据集
5152	2025-03-15	Cox-Sage: enhancing Cox proportional hazards model with interpretable graph neural networks for cancer prognosis 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf108 PMID:40067266	研究论文	本文提出了一种名为Cox-Sage的可解释癌症预后模型，通过构建患者相似性图并利用多层图卷积来建模比例风险模式，同时引入数学方法解释模型参数的意义	提出了一种新的可解释癌症预后模型Cox-Sage，通过构建患者相似性图并利用多层图卷积来建模比例风险模式，同时引入数学方法解释模型参数的意义，并提出了两种衡量基因重要性的指标	作为初步研究，仅在LIHC（肝细胞癌）数据集上进行了预后生物标志物发现，需要进一步验证在其他癌症类型上的适用性	提高癌症预后模型的解释性和预测性能	癌症患者	机器学习	肝癌	高通量测序技术	图神经网络（GNN）	临床数据和基因表达数据	来自TCGA的七个数据集
5153	2025-03-15	DeepPath: Overcoming data scarcity for protein transition pathway prediction using physics-based deep learning 2025-Mar-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.27.640693 PMID:40060558	研究论文	本文介绍了DeepPath，一个基于深度学习的框架，用于快速生成蛋白质状态之间的物理真实过渡路径	DeepPath采用主动学习方法，利用分子力学力场作为指导，迭代优化预测路径，克服了数据稀缺性问题	尽管DeepPath在预测蛋白质过渡路径方面表现出色，但其依赖于已知的蛋白质状态，可能限制了其在未知状态预测中的应用	研究目的是开发一种高效的方法来预测蛋白质的构象转变路径，以替代计算成本高的分子动力学模拟	研究对象包括SHP2激活、CdiB H1分泌和BAM复合体侧门开启等生物相关测试案例	机器学习	NA	分子动力学模拟	深度学习	蛋白质结构数据	三个生物相关测试案例
5154	2025-03-15	Of Pilots and Copilots: The Evolving Role of Artificial Intelligence in Clinical Neurophysiology 2025-Mar, The Neurodiagnostic journal DOI:10.1080/21646821.2025.2465089 PMID:39999187	review	本文探讨了人工智能（AI）在临床神经生理学（CNP）中的演变及其在脑电图（EEG）、肌电图（EMG）和多导睡眠图（PSG）中的应用	AI从早期的模仿方法发展到先进的深度学习技术，显著提高了EEG中的尖峰和癫痫检测，并促进了整个EEG评估，减少了临床医生的工作量	在EMG中，AI在识别运动单位异常和分析音频信号方面表现出潜力，但由于数据集有限和临床背景考虑，仍存在挑战；在PSG评分中，AI在分析癫痫活动和分类某些睡眠阶段方面仍存在局限性	探讨AI在临床神经生理学中的应用及其对诊断准确性和效率的提升	脑电图（EEG）、肌电图（EMG）和多导睡眠图（PSG）	临床神经生理学	NA	深度学习	NA	EEG、EMG、PSG数据	NA
5155	2025-03-15	Medical image classification by incorporating clinical variables and learned features 2025-Mar, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.241222 PMID:40078919	研究论文	本文提出了一种新颖的方法，通过结合临床变量来增强深度学习模型在医学图像分类中的表现，同时不压倒信息	与大多数现有深度神经网络模型仅考虑单像素信息不同，该方法捕捉了更全面的视角，并通过降维技术优化特征，与临床变量信息保持平衡	未明确提及具体局限性	提升医学图像分类的准确性	医学图像	计算机视觉	结核病和皮肤病	深度学习	预训练的深度神经网络	图像	未明确提及样本数量
5156	2025-03-15	Novel Computational Pipeline Enables Reliable Diagnosis of Inverted Urothelial Papilloma and Distinguishes It From Urothelial Carcinoma 2025-Mar, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00059 PMID:40080780	研究论文	本文提出了一种新的计算流程，用于从膀胱癌模拟中诊断倒置性尿路上皮乳头状瘤（IUP），并通过从全切片图像中自动提取的统计特征来提高诊断准确性	本文的创新点在于设计了一种计算流程，能够自动从全切片图像中提取统计特征，从而减少对人工标注的依赖，并提高诊断准确性	本文的局限性在于外部验证队列的样本量有限，可能影响模型的泛化能力	研究目的是通过计算流程提高倒置性尿路上皮乳头状瘤（IUP）与尿路上皮癌（UC）亚型之间的诊断准确性	研究对象为225例常见和罕见的尿路上皮病变，包括64例IUP、69例倒置性尿路上皮癌（UCInv）和92例低级别尿路上皮癌（UCLG）	数字病理学	膀胱癌	全切片图像分析	集成分类器	图像	225例尿路上皮病变样本
5157	2025-03-15	Multimodal depression detection based on an attention graph convolution and transformer 2025-Feb-27, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025024 PMID:40083285	研究论文	本文提出了一种基于脑电图（EEG）和语音信号的多模态抑郁症检测模型，名为MHA-GCN_ViT，通过深度学习技术有效提取和融合EEG信号的频域特征和时空特征与语音信号的频域特征	创新点在于结合了图卷积网络（GCN）和视觉变换器（ViT），并引入了多头注意力机制，显著提升了多模态抑郁症检测的性能	未明确提及具体局限性	提高抑郁症检测的准确性和多模态特征的融合效果	抑郁症患者	机器学习	抑郁症	离散小波变换（DWT）、短时傅里叶变换（STFT）	图卷积网络（GCN）、视觉变换器（ViT）	脑电图（EEG）信号、语音信号	MODMA数据集
5158	2025-03-15	A variational deep-learning approach to modeling memory T cell dynamics 2025-Feb-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.08.602409 PMID:40060443	研究论文	本文提出了一种结合深度学习和随机变分推理的方法，用于建模小鼠流感病毒感染后肺内记忆T细胞的动态变化	该方法能够同时推断动态模型参数和群体结构，直接基于单细胞流式细胞术数据进行训练，而非预定义细胞群的动力学	研究仅限于小鼠模型，未涉及人类或其他生物系统的验证	研究旨在解决高维数据与可解释数学模型之间的挑战，特别是在免疫反应中的细胞动态变化	小鼠流感病毒感染后的肺内记忆CD4和CD8 T细胞	机器学习	流感	单细胞流式细胞术	深度学习与随机变分推理	单细胞数据	NA
5159	2025-03-15	AI-driven health analysis for emerging respiratory diseases: A case study of Yemen patients using COVID-19 data 2025-Feb-24, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025021 PMID:40083282	研究论文	本文探讨了在低收入和资源有限的国家中，利用AI驱动的预测模型和分类器来区分COVID-19与其他呼吸系统疾病，并预测呼吸系统疾病的趋势	本文创新地结合了自回归（AR）、移动平均（MA）、ARMA模型以及机器学习和深度学习算法，用于预测每日确诊死亡人数，并识别COVID-19严重程度指标	研究主要基于也门的数据，可能无法完全推广到其他地区或国家	通过AI驱动的健康分析优化资源分配并增强呼吸系统疾病的预测能力	也门患者的COVID-19数据	机器学习	COVID-19	自回归（AR）、移动平均（MA）、ARMA模型、机器学习和深度学习算法	ARMA、决策树（DT）、随机森林（RF）、支持向量机（SVM）	COVID-19数据	80%的数据用于训练，20%的数据用于测试
5160	2025-03-15	Uncertainty CNNs: A path to enhanced medical image classification performance 2025-Feb-20, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025020 PMID:40083281	研究论文	本文介绍了一种低复杂度的基于不确定性的CNN架构，用于医学图像分类，特别是肿瘤和心力衰竭检测	首次展示了测试集增强可以显著提高医学图像的分类性能，并引入了一种低复杂度的不确定性CNN架构	未提及具体的数据集规模或模型在更广泛数据集上的泛化能力	提高医学图像分类的准确性和不确定性量化	医学图像，特别是肿瘤和心力衰竭检测	计算机视觉	肿瘤和心力衰竭	不确定性量化（UQ）和测试集增强技术	CNN	医学图像（MRI和CT扫描）	使用了三个数据集：脑MRI、肺CT扫描和心脏MRI