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
521	2026-03-30	Evaluating and mitigating bias in AI-based medical text generation 2025-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00789-7 PMID:40269315	研究论文	本研究评估并缓解了基于AI的医疗文本生成中的偏见问题，提出了一种选择性优化算法以减少性能差异	首次在医疗文本生成领域系统研究公平性问题，并开发了一种针对弱势群体进行选择性优化的算法	未详细说明算法在不同医疗子领域的具体适用性限制	评估和缓解AI医疗文本生成系统中的偏见问题	基于深度学习的医疗文本生成系统	自然语言处理	NA	深度学习	深度学习模型	文本	NA	NA	NA	公平性指标	NA
522	2026-03-30	DNA data storage for biomedical images using HELIX 2025-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00793-x PMID:40360759	研究论文	本文提出了一种名为HELIX的基于DNA的生物医学图像存储系统，旨在解决生物医学图像大规模长期存储的需求	HELIX系统针对生物医学图像特性设计了专用压缩算法，并引入了无需索引的错误校正编码，同时结合深度学习进行图像修复，提高了存储密度和解码速度	仅通过体外实验存储了两幅时空基因组学图像进行验证，样本规模较小，未涉及更广泛的生物医学图像类型	开发适用于生物医学图像的DNA数据存储系统	生物医学图像，特别是时空基因组学图像	数字病理学	NA	DNA数据存储，深度测序	深度学习	图像	两幅时空基因组学图像	NA	NA	图像质量（97.20%），测序深度（7×覆盖度）	NA
523	2026-03-30	Comprehensive prediction and analysis of human protein essentiality based on a pretrained large language model 2025-03, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00733-1 PMID:39604646	研究论文	本研究开发了一个基于序列的深度学习模型PIC，通过微调预训练蛋白质语言模型，全面预测和分析人类蛋白质必需性	PIC模型不仅显著优于现有方法预测人类必需蛋白质，还能提供跨人类、细胞系和小鼠三个层次的全面预测结果，并定义了蛋白质必需性评分以量化人类蛋白质必需性	NA	开发计算模型以预测人类必需蛋白质，并量化蛋白质必需性	人类蛋白质，包括617,462个人类微蛋白质	自然语言处理	乳腺癌	深度学习，预训练蛋白质语言模型	深度学习模型	蛋白质序列	617,462个人类微蛋白质	NA	预训练蛋白质语言模型	NA	NA
524	2026-03-30	Leveraging pharmacovigilance data to predict population-scale toxicity profiles of checkpoint inhibitor immunotherapy 2025-03, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00748-8 PMID:39715829	研究论文	本研究提出了一种名为DySPred的动态图卷积网络深度学习框架，利用大规模真实世界药物警戒数据来预测免疫检查点抑制剂在人群水平的毒性谱	引入动态图卷积网络来映射和预测免疫检查点抑制剂的毒性谱，能够准确预测不同人口队列和癌症类型的毒性风险，并在小样本场景中表现出韧性，同时揭示毒性随时间变化的趋势	NA	预测免疫检查点抑制剂在人群水平的毒性谱，以支持主动毒性监测和及时调整治疗与干预策略	免疫检查点抑制剂疗法及其诱导的毒性	机器学习	癌症	药物警戒数据分析	动态图卷积网络	药物警戒数据	大规模真实世界数据	NA	动态图卷积网络	NA	NA
525	2026-03-30	Deep learning large-scale drug discovery and repurposing 2024-08, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00679-4 PMID:39169261	研究论文	本文提出了一种基于线粒体表型变化进行药物作用机制识别的方法，并开发了名为MitoReID的深度学习模型	利用时间分辨的线粒体成像数据，首次将重识别框架应用于药物作用机制识别，为大规模药物发现和再利用提供了自动化、低成本的新途径	模型仅基于线粒体表型变化进行识别，可能无法覆盖所有药物作用机制；测试集仅包含6种未训练药物的验证	开发一种自动化、高通量的药物作用机制识别方法，以加速大规模药物发现和再利用	美国食品药品监督管理局批准的1,068种药物及其处理的细胞	计算机视觉	NA	时间分辨线粒体成像	CNN	图像	570,096张单细胞图像，覆盖1,068种药物	NA	Inflated 3D ResNet	Rank-1准确率, 平均精度均值	NA
526	2026-03-30	Discrete latent embedding of single-cell chromatin accessibility sequencing data for uncovering cell heterogeneity 2024-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00625-4 PMID:38730185	研究论文	本文提出了一种基于向量量化变分自编码器的深度生成模型CASTLE，用于从单细胞染色质可及性测序数据中提取离散潜在嵌入，以揭示细胞异质性	CASTLE模型采用离散潜在嵌入，克服了传统变分自编码器中高斯假设与真实数据不符的局限性，并能有效整合大规模参考数据集信息	未明确说明模型在处理极稀疏数据或特定细胞类型时的具体限制	开发一种深度生成模型，以改善单细胞表观基因组数据的下游分析，特别是细胞类型识别和可视化	单细胞染色质可及性测序数据	机器学习	NA	单细胞染色质可及性测序	变分自编码器, 深度生成模型	表观基因组数据	NA	NA	向量量化变分自编码器	细胞类型识别准确性, 可视化合理性	NA
527	2026-03-30	Automated discovery of symbolic laws governing skill acquisition from naturally occurring data 2024-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00629-0 PMID:38811819	研究论文	本文提出了一种两阶段算法，从大规模训练日志数据中自动发现技能习得的符号定律	开发了一种结合深度学习与符号回归的两阶段算法，以解决认知状态不可观测和搜索空间爆炸问题，并发现了两种新的技能习得定律形式	未明确说明算法在噪声范围外的泛化能力，且可能依赖于特定数据源（如Lumosity）	从自然发生的大规模数据中挖掘技能学习的普遍定律	技能习得过程，特别是从训练日志数据中提取的认知状态与学习规律	机器学习	NA	深度学习，符号回归	深度学习模型，符号回归算法	训练日志数据	大规模Lumosity训练数据（具体数量未提供）	NA	NA	拟合度	NA
528	2026-03-30	Discovery of novel TACE inhibitors using graph convolutional network, molecular docking, molecular dynamics simulation, and Biological evaluation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315245 PMID:39729480	研究论文	本研究采用集成深度学习模型结合传统药物筛选方法，从FDA批准药物库中筛选出新型TACE抑制剂，并通过分子对接、分子动力学模拟和生物学评估验证了Vorinostat的抑制潜力	首次将图卷积网络（GCN）模型应用于TACE抑制剂的虚拟筛选，并结合分子对接、动力学模拟和细胞实验进行多维度验证，成功将抗癌药物Vorinostat重新定位为潜在的抗炎靶点抑制剂	研究仅使用DUD-E数据库的参考数据集，可能未覆盖所有TACE相关化合物；生物学验证仅在RAW 264.7细胞系中进行，缺乏体内实验数据	开发一种基于深度学习的药物重定位方法，以发现针对TACE（TNF-α转换酶）的新型抑制剂	FDA批准药物库中的化合物，重点关注TACE（ADAM17）酶及其抑制剂	机器学习	类风湿关节炎	分子对接、分子动力学模拟、细胞生物学评估	图卷积网络（GCN）	分子结构数据（化学信息学特征）	DUD-E数据库中TACE特异性活性化合物和诱饵化合物数据集，以及FDA批准药物库	DeepChem, RDKit	GraphConvMol	NA	NA
529	2026-03-30	Using sequences of life-events to predict human lives 2024-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00573-5 PMID:38177491	研究论文	本文通过将人类生活事件序列类比为语言结构，利用自然语言处理技术预测人类生活轨迹，包括早期死亡率和个性特征等多样结果	首次将人类生活事件序列表示为类似语言的结构，并应用NLP技术进行生活轨迹预测，在多个预测任务上大幅超越现有最优模型	研究基于丹麦的登记数据集，可能受限于特定文化和社会制度，泛化性需进一步验证	探索人类生活事件的演变规律和可预测性，开发个性化干预的可能性	丹麦多年人口登记数据中的个体生活事件序列	自然语言处理	NA	自然语言处理技术，事件序列嵌入	深度学习模型	结构化事件序列数据	丹麦多年全国人口登记数据集	NA	NA	NA	NA
530	2026-03-30	Unbiased organism-agnostic and highly sensitive signal peptide predictor with deep protein language model 2024-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00576-2 PMID:38177492	研究论文	本文介绍了一种基于深度学习的新型信号肽预测方法USPNet，用于解决信号肽分类和切割位点预测问题	USPNet是一种无偏且不依赖物种信息的信号肽预测器，通过深度蛋白质语言模型处理极端数据不平衡问题，无需额外蛋白质组信息	NA	开发一种高灵敏度、无偏的信号肽预测工具，以改进信号肽的识别和发现	信号肽（SPs）及其在跨膜和分泌蛋白定位中的作用	自然语言处理	NA	深度学习，蛋白质语言模型	深度学习模型	原始氨基酸序列	NA	NA	USPNet	分类性能提升10%，序列一致性，模板建模分数	NA
531	2026-03-29	Non-invasive differentiation of light chain amyloidosis and multiple myeloma based on Raman spectroscopy analysis using one-dimensional convolutional neural networks 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127591 PMID:41793999	研究论文	本研究开发了一种结合血清拉曼光谱与一维卷积神经网络的创新分析框架，用于无创区分轻链淀粉样变性和多发性骨髓瘤	首次将血清拉曼光谱与一维卷积神经网络结合，实现了对两种相关浆细胞疾病的快速、无创鉴别诊断	研究样本量有限，且仅基于血清样本进行分析，未考虑其他生物标志物或临床参数	开发一种快速、无创的辅助诊断方法，以区分轻链淀粉样变性和多发性骨髓瘤	临床诊断为轻链淀粉样变性或多发性骨髓瘤患者的血清样本	机器学习	浆细胞疾病	拉曼光谱分析	CNN	光谱数据	未明确具体数量，但来自临床诊断患者	未明确指定	一维卷积神经网络	AUC, 准确率, 灵敏度, 特异性	NA
532	2026-03-29	Online detection of apple moldy core using near-infrared spectroscopy with flexible transmission tray and deep learning 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127682 PMID:41797157	研究论文	本研究提出了一种结合近红外光谱、定制柔性透射托盘和深度学习分类的集成方法，用于在线检测苹果霉心病	开发了柔性透射托盘以稳定水果位置、减少环境光干扰并引导近红外光穿透果核，结合SCARS-SPA波长选择策略和CNN-LSTM混合架构，实现了高精度、高通量的早期霉心病检测	未明确提及样本规模外的具体局限性，如对不同苹果品种或环境条件的泛化能力	实现苹果霉心病的早期、准确和高通量检测，以减少采后损失并改善供应链质量控制	苹果（健康、轻度感染和重度感染的霉心病样本）	机器学习	苹果霉心病	近红外光谱技术	BP, CNN, LSTM, CNN-LSTM	光谱数据	未明确指定具体样本数量	未明确指定	CNN-LSTM	分类准确率	未明确指定
533	2026-03-29	Dual-channel self-supervised multi-task learning for spectral detection of soluble solids content and firmness in Korla fragrant pears 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127684 PMID:41797164	研究论文	本研究提出了一种结合多源光谱数据、自监督学习和多任务学习的深度学习框架，用于库尔勒香梨的可溶性固形物含量和硬度的光谱检测	提出了一种结合多源光谱数据、自监督学习和多任务学习的深度学习框架，以降低水果品质检测中标记数据的成本，并提高小样本情况下的预测性能	NA	提高库尔勒香梨可溶性固形物含量和硬度的光谱检测性能，并降低对标记数据的依赖	库尔勒香梨	机器学习	NA	可见光/近红外和近红外光谱数据采集	CNN	光谱数据	仅使用700个样本进行训练	NA	卷积神经网络	预测相关系数, 均方根误差	NA
534	2026-03-29	Development and validation of a deep learning markerless system for lower-limb kinematics in hip and knee osteoarthritis population 2026-May, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2026.113238 PMID:41793837	研究论文	本研究开发并验证了一种用于髋膝骨关节炎患者下肢运动学的四摄像头无标记系统	使用患者数据集开发无标记系统，而非健康人群数据，提高了在患者群体中的泛化能力	横断面和额状面的关节角度波形ICC较低（分别为0.50和0.34），表明在这些平面上的预测精度有待提升	开发并验证适用于骨关节炎患者的下肢运动学无标记测量系统	髋或膝骨关节炎患者	计算机视觉	骨关节炎	深度学习	NA	视频	150名患者（训练集120人，测试集30人）	NA	NA	均方根误差, 组内相关系数	NA
535	2026-03-29	Neutrophil CD14 is a driver and a therapeutic target for deep vein thrombosis 2026-Apr-14, Blood advances IF:7.4Q1 DOI:10.1182/bloodadvances.2025017224 PMID:41512166	研究论文	本研究揭示了中性粒细胞CD14在深静脉血栓形成中的关键作用，并探索了其作为治疗靶点的潜力	通过多组学分析和几何深度学习模型，首次发现G-CSF通过上调C/EBPα驱动CD14过表达，从而促进中性粒细胞炎症和NETosis，并验证了靶向CD14的治疗效果	研究主要基于小鼠模型和体外人类中性粒细胞实验，临床转化效果需进一步验证	探究深静脉血栓形成早期中性粒细胞激活的机制，并寻找新的治疗靶点	骨髓中性粒细胞、小鼠DVT模型、人类原代中性粒细胞	机器学习	心血管疾病	RNA测序、蛋白质组学、流式细胞术、染色质免疫沉淀	几何深度学习模型	多组学数据（RNA、蛋白质）、流式细胞数据	NA	NA	DeepPBS	NA	NA
536	2026-03-29	Graph-based deep learning approach for high-throughput protein-DNA interaction scoring 2026-Apr, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01688-3 PMID:41326808	研究论文	本文提出了一种名为PDIScore的新型深度学习评分函数，用于高通量蛋白质-DNA相互作用预测	开发了首个结合全面图表示、可扩展GraphGPS架构与BigBird线性全局注意力机制以及混合密度网络来建模残基-核苷酸距离分布的深度学习评分函数	模型训练依赖于自收集的约7000个蛋白质-核酸复合物结构数据集，数据规模和多样性可能存在限制	开发可靠的蛋白质-DNA相互作用评分函数以理解生物过程和促进药物设计	蛋白质-DNA相互作用复合物	计算生物学	NA	深度学习	图神经网络	蛋白质-核酸复合物结构数据	约7000个蛋白质-核酸复合物结构	PyTorch	GraphGPS, BigBird, Mixture Density Networks	EF, AUROC, 对接成功率, PCC	NA
537	2026-03-29	Bioactive peptide matrikines: discovery approaches for skin rejuvenation 2026-Apr-01, American journal of physiology. Cell physiology DOI:10.1152/ajpcell.00881.2025 PMID:41770626	综述	本文综述了用于皮肤再生的生物活性肽matrikines的发现策略演变，并介绍了一种结合计算机预测与体内外验证的新型发现流程	提出了一种从计算机预测到体内验证的集成发现流程，并鉴定出两种具有协同作用的四肽（pal-GPKG和pal-LSVD），能增强老化皮肤的细胞外基质再生	作为一篇综述文章，主要总结了现有发现策略，未报告新的原始实验数据或进行直接的模型性能比较	探索和总结用于皮肤再生和抗衰老的生物活性肽matrikines的发现方法	生物活性肽matrikines及其在皮肤细胞外基质再生中的作用	计算生物学, 生物信息学	皮肤老化	蛋白酶切割预测, 蛋白质序列基序筛选, 分子对接, 机器学习算法, 深度学习, 三维皮肤模型	机器学习算法, 深度学习模型	蛋白质序列数据, 分子结构数据	NA	NA	NA	NA	NA
538	2026-03-29	Can a novel computer vision-based framework detect head-on-head impacts during a rugby league tackle? 2026-Mar-27, Injury prevention : journal of the International Society for Child and Adolescent Injury Prevention IF:2.5Q2 DOI:10.1136/ip-2023-045129 PMID:39832883	研究论文	本研究开发并评估了一种基于计算机视觉的框架，用于自动检测橄榄球联赛中头对头撞击事件	首次将计算机视觉框架应用于橄榄球运动中的头对头撞击检测，结合了目标检测算法和三维卷积神经网络	框架在标准清晰度和高清视频中的敏感度分别为68%和65%，仍有提升空间，且未实时验证临床评估效用	开发自动化工具以识别橄榄球比赛中的头对头撞击，降低脑震荡风险	职业橄榄球联赛中的铲球事件视频片段	计算机视觉	脑震荡	视频分析	CNN	视频	训练集341个视频片段，测试集670个视频片段（包括标准清晰度和高清视频）	NA	三维卷积神经网络	敏感度, 特异度, 阳性预测值	NA
539	2026-03-29	Deep learning and object detection methods for scoring cell types within the human buccal cell micronucleus and cytome assays for human biomonitoring 2026-Mar-26, Mutagenesis IF:2.5Q3 DOI:10.1093/mutage/geaf026 PMID:41236179	综述	本文综述了深度学习和目标检测方法在人类口腔细胞微核及细胞组学检测中用于细胞类型评分的研究进展	探讨了将人工智能技术整合到口腔微核细胞组学检测中，以克服现有分析限制、提高可重复性和消除观察者偏见的未开发潜力	人工智能在口腔微核细胞组学检测中的应用仍处于探索阶段，面临样本变异性、混杂因素和多细胞遗传学终点评分复杂性等独特挑战	评估人工智能在人类生物监测中用于自动化微核检测的潜力，以提高基因毒性评估的可靠性和可扩展性	人类口腔细胞微核及细胞组学检测样本	计算机视觉	NA	微核检测	深度学习, 目标检测	图像	NA	NA	NA	准确性, 可重复性, 吞吐量	NA
540	2026-03-29	Efficient Vision Mamba for MRI Super-Resolution via Hybrid Selective Scanning 2026-Mar-07, ArXiv PMID:41479458	研究论文	本研究提出了一种基于多头选择性状态空间模型和轻量级通道多层感知器的高效MRI超分辨率框架，旨在提升图像分辨率的同时保持低计算开销	提出了一种结合多头选择性状态空间模型、深度卷积和门控通道混合的MambaFormer块，并采用混合扫描策略来捕获长程依赖关系，在保持高精度的同时显著降低了模型参数和计算量	研究仅在脑部和前列腺两个特定MRI数据集上进行验证，未涵盖更多解剖部位或成像模态，且临床实际工作流集成效果有待进一步评估	开发一种高效且准确的深度学习框架，用于MRI超分辨率，以在临床工作流中实现高保真图像重建	7T脑部T1 MP2RAGE图像（142名受试者）和1.5T前列腺T2加权MRI图像（334名受试者）	计算机视觉	NA	MRI	基于Mamba的状态空间模型	医学图像	脑部数据集142名受试者，前列腺数据集334名受试者	NA	MambaFormer, 多头选择性状态空间模型, 轻量级通道多层感知器	结构相似性, 峰值信噪比, 学习感知图像块相似度, 梯度幅度相似性偏差	NA