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
5481	2025-10-05	Application of deep learning-based convolutional neural networks in gastrointestinal disease endoscopic examination 2025-Sep-28, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i36.111137 PMID:41025070	综述	探讨基于深度学习的卷积神经网络在胃肠道疾病内镜检查中的应用现状与前景	系统梳理CNN在多种内镜场景（息肉检测、肿瘤分类、超声内镜、胶囊内镜）中的应用潜力	面临数据可用性不足、模型可解释性有限及临床整合困难等挑战	评估深度学习技术对胃肠道疾病诊断效能的提升作用	胃肠道疾病（胃癌、结直肠癌等）的内镜影像	计算机视觉	胃肠道疾病	内镜检查	CNN	内镜影像	NA	NA	NA	准确率	NA
5482	2025-10-05	Gastroenterology in the age of artificial intelligence: Bridging technology and clinical practice 2025-Sep-28, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i36.110549 PMID:41025068	综述	探讨人工智能在消化病学领域的技术整合与临床应用前景	系统阐述AI技术如何通过深度学习、影像组学等方法革新消化病学的临床实践与药物研发流程	面临数据不一致性、伦理问题、算法偏见及数据隐私合规性等挑战	推动人工智能技术与消化病学临床实践的深度融合	消化系统疾病患者数据、药物研发流程、内镜检查影像	医学人工智能	炎症性肠病、慢性肝衰竭、肝硬化	深度学习、影像组学、计算机视觉、分子对接模拟	CNN, RNN, Transformer, ANN, SVM	医学影像、分子数据、临床数据	NA	NA	NA	NA	NA
5483	2025-10-05	Deep learning for automatic vertebra analysis: A methodological survey of recent advances 2025-Sep-28, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102652 PMID:41033041	综述	本文系统综述了基于深度学习的自动椎骨分析方法的最新进展	提供了该领域最全面的最新综述，系统总结了网络架构改进和学习策略设计两大方法论视角	作为综述文章，不包含原始实验数据和新方法验证	总结自动椎骨分析领域的最新进展并指导未来研究方向	椎骨检测和分割的深度学习方法	医学影像分析	脊柱疾病	深度学习	NA	医学影像	NA	NA	NA	NA	NA
5484	2025-10-05	Leveraging Deep Learning to Address Diagnostic Challenges with Insufficient Image Data 2025-Sep-26, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c01439 PMID:40931629	研究论文	本研究提出了一种直接自注意力Wasserstein生成对抗网络(DSAWGAN)，用于解决传染病诊断中图像数据不足的问题	通过集成注意力模块和利用Wasserstein距离优化，提高了收敛速度、稳定性和图像质量	NA	提高在有限数据可用性条件下传染病诊断能力	传染病诊断图像数据	计算机视觉	传染病	深度学习	GAN	图像	原始数据1500张，10%数据300张	NA	DSAWGAN	准确率	移动应用平台
5485	2025-10-05	Explainable Deep Learning Framework for SERS Bioquantification 2025-Sep-26, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c01058 PMID:40892429	研究论文	提出了一种用于表面增强拉曼光谱生物量化的可解释深度学习框架	开发了包含光谱处理、量化和可解释性三步骤的创新框架，并提出了适用于SERS混合物分析可解释性的CRIME方法	NA	解决SERS生物量化分析中的计算框架不足和模型可解释性差的问题	尿液中的血清素生物标志物	机器学习	NA	表面增强拉曼光谱(SERS)	去噪自编码器,CNN,视觉变换器	光谱数据	682个SERS光谱	NA	去噪自编码器,CNN,视觉变换器	平均绝对误差,平均百分比误差	NA
5486	2025-10-05	Parametrically guided design of beta barrels and transmembrane nanopores using deep learning 2025-Sep-23, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2425459122 PMID:40953261	研究论文	本研究开发了一种结合参数化表示和深度学习的方法，用于设计β桶状结构和跨膜纳米孔	将参数化表示方法从卷曲螺旋结构推广到β桶状结构设计，结合RoseTTAFold设计方法实现高成功率	需要参数化生成的桶状骨架作为起始点，对理想几何形状仍有轻微偏差	开发更精确可控的β桶状蛋白和跨膜纳米孔设计方法	β桶状蛋白结构和跨膜纳米孔	蛋白质设计	NA	深度学习蛋白质设计，X射线晶体学	深度学习	蛋白质结构数据	多种β桶状结构参数化范围	RoseTTAFold	RFjoint, RFdiffusion	计算机模拟成功率，实验成功率，原子精度，电导值(200-500 pS)	NA
5487	2025-10-05	MSA-LR: Enhancing multi-scale temporal dynamics in multivariate time series forecasting with low-rank self-attention 2025-Sep-23, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108150 PMID:41032938	研究论文	提出一种名为MSA-LR的新型架构，通过低秩自注意力增强多元时间序列预测中的多尺度时间动态建模	引入可学习的尺度权重矩阵和低秩近似来直接建模不同时间粒度的影响，实现多尺度交互的细粒度控制并显著降低计算复杂度	未明确说明模型在极端异常值或非平稳时间序列上的表现	改进多元时间序列预测中多尺度时间依赖关系的建模能力	电力负荷、交通流量和空气质量等多元时间序列数据	机器学习	NA	时间序列分析	Transformer	时间序列数据	多个多样化数据集	NA	MSA-LR, 低秩自注意力	长期预测准确性	NA
5488	2025-10-05	YeastSAM: A Deep Learning Model for Accurate Segmentation of Budding Yeast Cells 2025-Sep-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.17.676679 PMID:41000957	研究论文	开发了基于深度学习的酵母细胞分割模型YeastSAM，专门用于芽殖酵母细胞的精确分割	基于μSAM框架优化开发，在分割分裂细胞方面比现有方法准确率提高三倍以上	NA	解决芽殖酵母细胞分割的挑战，特别是分裂细胞常被误识别为两个独立细胞的问题	芽殖酵母细胞	计算机视觉	NA	显微镜成像，单分子RNA成像，细胞器成像	深度学习	显微镜图像	NA	NA	μSAM	准确率	NA
5489	2025-10-05	Frequency-Aware Interpretable Deep Learning Framework for Alzheimer's Disease Classification Using rs-fMRI 2025-Sep-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.18.677114 PMID:41000974	研究论文	提出一种频率感知可解释深度学习框架FINE，用于基于静息态功能磁共振的阿尔茨海默病分类	整合多专家分支（卷积层、可学习小波层、变换器和静态编码器），实现脑网络时频特征的端到端联合建模	NA	开发能够捕捉阿尔茨海默病相关脑连接时频模式的可解释深度学习模型	阿尔茨海默病患者与健康对照的脑功能连接动态模式	医学影像分析	阿尔茨海默病	静息态功能磁共振成像(rs-fMRI)	CNN,Transformer	功能磁共振影像数据	856名受试者（来自OASIS-3数据集）	NA	FINE（包含卷积层、可学习小波层、变换器、静态编码器的多分支架构）	ROC-AUC	NA
5490	2025-10-05	Integrating deep learning for post-translational modifications crosstalk on Hsp90 and drug binding 2025-Sep, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110519 PMID:40716748	研究论文	本研究通过整合深度学习和质谱分析技术，解析Hsp90蛋白的翻译后修饰串扰及其对药物结合的影响	首次将深度学习AI预测模型与质谱分析相结合，用于解析复杂蛋白质Hsp90的翻译后修饰串扰网络	研究仅针对Hsp90蛋白和特定HDAC敲除细胞模型，未验证其他蛋白质或细胞类型的普适性	解析翻译后修饰串扰对Hsp90蛋白功能和药物结合的影响机制	热休克蛋白90（Hsp90）及其翻译后修饰	机器学习	癌症	质谱分析，基因敲除技术	深度学习	质谱数据，蛋白质组学数据	HDAC3和HDAC8敲除的人类细胞样本	NA	NA	NA	NA
5491	2025-10-05	AdaSemb: an adaptive knowledge-driven deep learning framework integrating cancer protein assemblies for predicting PI3Kα inhibitor response and resistance 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf510 PMID:41020523	研究论文	提出一种自适应知识驱动的深度学习框架AdaSemb，通过整合癌症蛋白组装体预测PI3Kα抑制剂反应和耐药性	首次将多蛋白组装图谱与深度学习结合，采用生物结构神经网络和条件域对抗网络增强基因-药物分布泛化能力	研究主要聚焦乳腺癌，未验证其他癌症类型的适用性；样本量相对有限	开发能够预测PI3Kα抑制剂反应和耐药性的精准医疗方法	乳腺癌患者、癌细胞系和患者来源异种移植模型	机器学习	乳腺癌	基因组测序	生物结构神经网络,条件域对抗网络	基因组数据,药物分子结构数据	1244个癌细胞系和PDX模型，116名TCGA乳腺癌患者	NA	AdaSemb-PA,AdaSemb-DRP	生存分析预测精度	NA
5492	2025-10-05	Advancing ADMET prediction through multiscale fragment-aware pretraining with MSformer-ADMET 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf506 PMID:41021261	研究论文	本文开发了MSformer-ADMET模型，通过多尺度片段感知预训练方法提升ADMET性质预测性能	将MSformer框架专门适配于ADMET性质预测，采用基于片段的分子表示学习方法，并提供事后可解释性分析	NA	开发更准确、可解释的ADMET性质预测方法以加速药物发现过程	药物候选分子的吸收、分布、代谢、排泄和毒性(ADMET)性质	机器学习	NA	深度学习	Transformer	分子结构数据	来自治疗数据共享库(TDC)的22个任务数据集	PyTorch	MSformer	准确率,精确率,召回率,F1分数,AUC	NA
5493	2025-10-05	CPI-MIF: Compound-Protein Interaction Prediction with Multiview Information Fusion 2025-Jul-22, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c00113 PMID:40727722	研究论文	提出一种多视图信息融合模型CPI-MIF，用于预测化合物-蛋白质相互作用	同时从微观和宏观视角融合化合物与蛋白质信息，关注化合物原子与蛋白质氨基酸的相互作用机制以及序列间关系	未明确说明模型在更大规模数据集上的泛化能力	提高化合物-蛋白质相互作用预测的准确性	化合物和蛋白质	机器学习	NA	深度学习	多视图信息融合模型	化合物结构数据、蛋白质生物信息数据	三个真实世界数据集	NA	CPI-MIF	准确率, AUC, AUPR	NA
5494	2025-10-05	Reinforcement Learning-Based Nonlinear Model Predictive Controller for a Jacketed Reactor: A Machine Learning Concept Validation Using Jetson Orin 2025-Jul-22, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c03219 PMID:40727728	研究论文	本研究通过实验验证了结合机器学习和非线性模型预测控制的框架，用于跟踪间歇式反应器的温度曲线	采用演员-评论家强化学习方法进行动态权重更新，将强化学习与非线性模型预测控制相结合，提升了控制器性能	研究在实验室规模的反应器上进行验证，尚未在工业规模系统中部署	开发一种能够精确调节间歇式反应器温度的控制框架，提高过程效率和操作安全性	间歇式反应器及其温度控制系统	机器学习	NA	强化学习，非线性模型预测控制	RNN, A2CRL	实验数据，时间序列数据	实验室规模间歇式反应器采集的开环数据	NA	循环神经网络	预测精度，实时计算效率，过程效率，能耗降低，操作安全性	Jetson Orin
5495	2025-10-05	Stacking Ensemble Neural Network for Chemical Safety Assessment: A Case Study of Thyroid Peroxidase and Natural Product Screening 2025-Jul-22, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c02188 PMID:40727784	研究论文	开发了一种新型堆叠集成神经网络模型，用于预测甲状腺过氧化物酶抑制活性并进行天然产物毒性筛选	首次将卷积神经网络、双向长短期记忆网络和注意力机制与分子指纹结合，通过堆叠集成方法增强模型对分子结构与生物活性复杂关系的捕捉能力	模型在召回率方面仍有提升空间（0.55），且研究主要针对甲状腺过氧化物酶抑制活性	开发化学安全性评估模型，预测化合物对甲状腺过氧化物酶的抑制活性	化学化合物、天然产物、泰国本土蔬菜中的潜在毒性化合物	机器学习	甲状腺功能障碍	分子指纹技术	CNN, BiLSTM, 注意力机制, 堆叠集成	化学分子结构数据	NA	NA	卷积神经网络, 双向长短期记忆网络, 注意力机制	召回率, 特异性, Matthews相关系数, AUC, 平衡准确率, 精确率	NA
5496	2025-10-05	MCST-AFN: A Multichannel Spatiotemporal Feature Adaptive Fusion Network Framework Based on a Low-Fidelity Molecular Dynamics Model 2025-Jul-22, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01443 PMID:40727795	研究论文	提出基于低精度分子动力学模型的多通道时空特征自适应融合网络框架，用于分子性质预测	结合深度学习与分子动力学模拟，通过低精度模型降低计算成本并输出多通道原子级嵌入，实现时空特征的自适应融合	NA	提高分子性质预测的准确性和效率	分子结构和动态构象	机器学习	NA	分子动力学模拟，深度学习	注意力网络，自监督学习	分子动力学模拟数据	13个基准数据集	NA	MCST-AFN	性能提升百分比	NA
5497	2025-10-05	UM-CPP: A Universal Model for Efficient Classification of Protein Particles in cryo-EM Micrographs with Feature Engineering 2025-Jul-15, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01660 PMID:40686975	研究论文	提出一种结合特征工程与深度学习的通用模型UM-CPP，用于高效分类冷冻电镜显微图像中的蛋白质颗粒	提出混合方法，将经典机器学习特征与先进深度学习技术相融合，在保持高精度的同时实现跨蛋白质结构的鲁棒性能	NA	解决冷冻电镜数据处理中异质样本、IC污染和外来杂质导致的蛋白质识别难题	冷冻电镜显微图像中的蛋白质颗粒	计算机视觉	NA	冷冻电镜(cryo-EM)	深度学习	图像	NA	NA	NA	检测精度	NA
5498	2025-10-05	Enhancing Accuracy and Feature Insights in Hydration Free Energy Predictions for Small Molecules with Machine Learning 2025-Jul-15, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c04249 PMID:40687018	研究论文	本研究采用机器学习技术提升小分子水合自由能预测精度并提取特征洞察	提出结合K近邻特征处理、集成建模和降维的改进机器学习方案，仅使用二维特征即可在FreeSolv数据集上达到0.53 kcal/mol的平均无符号误差	未在大型数据库上进行预训练，仅使用二维分子特征	提升小分子溶剂化自由能预测精度并理解其物理决定因素	小分子	机器学习	NA	机器学习	集成模型, K近邻	分子特征数据	FreeSolv数据集	NA	集成模型	平均无符号误差	轻量级计算资源
5499	2025-10-05	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.31.657189 PMID:40501876	研究论文	本研究提出了一种基于功率-功率跨频耦合的新型颞叶癫痫发作检测方法，并分析了三种常见癫痫发作成分的耦合特征	首次将功率-功率跨频耦合方法应用于癫痫发作检测，并揭示了三种癫痫发作成分的独特耦合特征	样本量相对有限，仅包含26名患者的120次癫痫发作	评估功率-功率跨频耦合方法在癫痫发作检测中的有效性，并分析不同癫痫发作成分的耦合特征	颞叶癫痫患者的颅内脑电图数据	生物医学信号处理	癫痫	颅内脑电图记录	SSAE, LSTM	脑电图信号	26名患者的120次颞叶癫痫发作及背景活动片段	EEGLAB	堆叠稀疏自编码器, 长短期记忆网络	灵敏度, 特异度, 准确率	NA
5500	2025-10-05	Geometric deep learning framework for de novo genome assembly 2025-Apr-14, Genome research IF:6.2Q1 DOI:10.1101/gr.279307.124 PMID:39472021	研究论文	提出基于几何深度学习的基因组组装框架GNNome，用于从组装图中识别路径重建基因组序列	首次将几何深度学习应用于从头基因组组装，不依赖现有组装策略，仅利用问题的对称性进行训练	目前主要适用于单倍体基因组的组装	解决基因组组装图中重复区域导致的复杂缠结问题，提高组装连续性和质量	多种物种的基因组组装	机器学习	NA	PacBio HiFi测序	几何深度学习	组装图数据	多种物种的基因组数据	NA	GNNome	组装连续性、质量	NA