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
541	2025-12-12	Prediction of DNA Methylation With Long-Range State-Space Models 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3634738 PMID:41259183	研究论文	本研究基于Hyena架构的长程状态空间模型，用于预测六个植物物种的DNA甲基化状态	首次将基于Hyena架构的长程状态空间模型应用于DNA甲基化预测任务，并在多个植物物种上验证其优于现有方法的性能	NA	预测DNA甲基化状态以弥补测序覆盖不足的胞嘧啶甲基化信息	六个植物物种的DNA序列及甲基化数据	机器学习	NA	DNA甲基化预测	状态空间模型	DNA序列	NA	NA	HyenaDNA	准确率	NA
542	2025-12-12	Mind Meets Machine: A Narrative Review of Artificial Intelligence Role in Clinical Psychology Practice 2025 Nov-Dec, Clinical psychology & psychotherapy IF:3.2Q1 DOI:10.1002/cpp.70191 PMID:41346105	综述	本文是一篇叙述性综述，批判性地评估了人工智能在临床心理学实践中的整合应用，涵盖从评估诊断到干预随访的全过程	应用分析视角区分临床验证工具与实验原型，并依据当代标准评估研究质量，系统梳理了AI在心理学评估、治疗及数字表型分析中的最新进展	证据存在异质性，伦理和关系问题尚未完全解决，需要持续临床监督以应对偏见和可解释性问题	评估人工智能技术在临床心理学实践中的整合应用与挑战	临床心理学实践中的评估、诊断、干预及随访护理过程	自然语言处理	NA	机器学习、深度学习、自然语言处理、数字表型分析	NA	多模态数据、智能手机与可穿戴设备数据	NA	NA	NA	NA	NA
543	2025-12-12	Deep Learning-Based Uroflowmetry Curve Analysis Improves the Noninvasive Diagnosis of Lower Urinary Tract Symptoms 2025-Nov, International neurourology journal IF:1.8Q3 DOI:10.5213/inj.2550266.133 PMID:41355259	研究论文	本研究评估了基于人工智能的尿流率曲线图像分析，通过定制化预处理技术，提高了膀胱出口梗阻和逼尿肌活动不足的诊断准确性	采用定制化预处理流程（包括去噪、裁剪、坐标轴缩放和临床参数颜色编码）来增强尿流率曲线图像，并结合VGG16模型进行多分类任务，以非侵入性方法辅助诊断下尿路症状	研究为回顾性分析，可能存在选择偏倚；模型性能虽有所提升，但DUA分类的AUROC相对较低（0.709），表明仍有改进空间	提高下尿路症状的非侵入性诊断准确性，特别是针对膀胱出口梗阻和逼尿肌活动不足	尿流率曲线图像，来自接受尿动力学检查的患者	计算机视觉	下尿路症状	尿流率测定	CNN	图像	2,579张尿流率曲线图像（725例正常，1,854例异常，其中736例BOO，1,387例DUA）	TensorFlow, Keras	VGG16	AUROC	NA
544	2025-12-12	Data-Efficient Deep Learning Framework for Urolithiasis Detection Using Transfer and Self-Supervised Learning 2025-Nov, International neurourology journal IF:1.8Q3 DOI:10.5213/inj.2550292.146 PMID:41355261	研究论文	本研究提出了一种数据高效的深度学习框架，结合自监督学习和迁移学习，用于在有限CT扫描数据中准确检测尿路结石	创新点在于整合自监督学习与迁移学习，在少量标注数据下学习鲁棒且可迁移的特征表示，显著提升模型性能	研究仅基于100例腹部CT扫描，样本量较小，可能限制模型的泛化能力	旨在开发一种数据高效的框架，用于在临床小数据环境中实现基于人工智能的尿路结石检测	尿路结石检测	计算机视觉	尿路结石	CT扫描	CNN	图像	100例腹部CT扫描	NA	ResNet50	准确率, 精确率, 召回率, F1分数, AUC	NA
545	2025-12-12	Artificial Intelligence for Predicting Treatment Failure in Neurourology: From Automated Urodynamics to Precision Management 2025-Nov, International neurourology journal IF:1.8Q3 DOI:10.5213/inj.2550316.158 PMID:41355257	综述	本文综述了人工智能在神经泌尿学中预测治疗失败的最新进展，重点关注基于尿动力学、临床和神经影像数据的AI模型	利用机器学习和深度学习算法整合多模态数据，实现膀胱信号的自动化精确解读和治疗结果的实时预测，推动数据驱动的精准医学发展	大多数研究受限于小规模、单中心数据集，且缺乏外部验证	预测神经源性下尿路功能障碍患者的治疗失败风险，以改善个体化管理	神经源性下尿路功能障碍患者	机器学习	神经泌尿系统疾病	尿动力学、临床数据、神经影像数据	机器学习, 深度学习	尿动力学数据, 临床数据, 神经影像数据	NA	NA	NA	NA	NA
546	2025-12-12	iDNA-DAPHA: a generic framework for methylation prediction via domain-adaptive pretraining and hierarchical attention 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf642 PMID:41359543	研究论文	本文提出了一种名为iDNA-DAPHA的通用深度学习框架，通过领域自适应预训练和分层注意力机制来准确预测DNA甲基化	该框架首次结合了领域自适应预训练（DAP）与特征对齐来学习跨物种甲基化序列的共享特征，并引入分层注意力（HA）机制以增强模型对长距离依赖的建模能力	未明确说明框架在计算资源需求或特定物种数据极度稀缺情况下的表现	开发一个准确且通用的深度学习框架，用于预测多种DNA甲基化类型	来自多个物种的DNA甲基化序列	机器学习	NA	DNA甲基化预测	深度学习框架	序列数据	NA	NA	分层注意力机制	NA	NA
547	2025-12-12	Predicting Genetic Markers for Brain Tumors Using a Composite Loss 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3593318 PMID:40811171	研究论文	本文提出了一种基于深度学习的复合损失函数方法，用于从全切片图像中同时预测脑胶质瘤的五个重要遗传标记	提出了一种新颖的复合损失函数，结合了单个、成对和分组生物标记的特征，包括多标签加权交叉熵损失、条件概率损失和谱图损失	NA	预测脑胶质瘤的遗传标记以支持全面预后和治疗计划	脑胶质瘤（最常见的恶性脑肿瘤）	数字病理学	脑肿瘤（胶质瘤）	深度学习	深度学习模型	图像（全切片图像）	NA	NA	NA	NA	NA
548	2025-12-12	A Novel Kernel-Based Hilbert Space Framework for Predictive Modeling of lncRNA-miRNA-Disease Interaction Networks 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3598013 PMID:40811169	研究论文	本文提出了一种基于核的希尔伯特空间框架KHSF-LMDNet，用于预测建模lncRNA-miRNA-疾病相互作用网络	该模型结合了基于图的生物网络、相似性特征和带有注意力机制的深度学习，将复杂相互作用映射到希尔伯特子空间，实现了更鲁棒和可解释的学习	未在摘要中明确说明	克服现有计算方法的局限性，如可解释性有限、依赖人工整理数据集、可扩展性差以及对噪声和缺失数据高度敏感，以更稳健地建模lncRNA-miRNA-疾病网络	长链非编码RNA（lncRNA）、微小RNA（miRNA）及其与疾病的相互作用网络（LMDNets）	机器学习	癌症, 阿尔茨海默病	基因表达谱、序列信息、疾病关联数据整合	深度学习	图网络数据、相似性特征	基准数据集	未在摘要中明确说明	带有注意力机制的深度学习架构	准确率, 精确率, ROC曲线下面积（AUC）	未在摘要中明确说明
549	2025-12-12	DMMAFS: Protein Function Prediction Based on Multi-Modal Multi-Attention Fusion Features 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3594648 PMID:40811175	研究论文	本文提出了一种基于深度学习的多模态多注意力融合特征方法（DMMAFS），用于智能预测蛋白质功能	通过引入S-C跨模态交叉注意力融合网络模块，不仅优化了序列语义信息的权重，还高效融合了序列特征与结构信息，避免了简单拼接不同模态特征	未明确提及	提高蛋白质功能预测的准确性和效率	蛋白质	机器学习	NA	深度学习	注意力机制	序列数据, 3D结构数据	未明确提及	NA	S-C跨模态交叉注意力融合网络	NA	NA
550	2025-12-12	A Deep Learning Framework for Protein-to-Metal Binding Prediction Using Protein Language Models 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3595446 PMID:40811181	研究论文	本研究提出了一种用于蛋白质-金属离子结合预测的端到端深度学习框架	利用蛋白质语言模型捕获残基的长期依赖性，并强调结合位点的位置编码影响	NA	预测未注释蛋白质的金属离子结合，以理解蛋白质功能、结构稳定性和金属转运机制	蛋白质序列中的金属结合位点	自然语言处理	NA	NA	蛋白质语言模型	蛋白质序列	NA	NA	NA	马修斯相关系数, 精确率, 召回率, F1分数	NA
551	2025-12-12	PGDTA: Predicting Drug-Target Affinity Using Three-Dimensional Structure of Protein Pocket and Graph Neural Network 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3563504 PMID:40811258	研究论文	本文提出了一种名为PGDTA的新方法，通过结合蛋白质口袋的三维结构和图神经网络来预测药物-靶点亲和力	利用预训练模型分别表示蛋白质和药物的序列特征，并构建一个能够并行处理多样化空间结构信息的几何图神经网络模块	NA	提高药物-靶点亲和力预测的准确性，以降低药物开发成本	药物-靶点亲和力	机器学习	NA	图神经网络	图神经网络	蛋白质三维结构、药物序列	三个公共数据集	NA	几何图神经网络	NA	NA
552	2025-12-12	LLMDTA: Improving Cold-Start Prediction in Drug-Target Affinity With Biological LLM 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3541634 PMID:40811267	研究论文	提出了一种名为LLMDTA的新方法，利用生物大语言模型解决药物-靶点亲和力预测中的冷启动问题	首次将分子预训练模型Mol2Vec和蛋白质语言模型ESM2结合，并设计双线性注意力模块捕获药物与蛋白质间的交互特征，以提升冷启动场景下的预测性能	未明确讨论模型在更大规模或更复杂生物场景下的泛化能力，也未提及计算资源消耗的具体分析	提高药物-靶点亲和力预测的准确性，特别是在冷启动场景下	药物分子和蛋白质靶点	机器学习	NA	分子预训练模型, 蛋白质语言模型	CNN, 注意力机制	分子表示, 蛋白质序列	三个基准数据集	NA	1D-CNN, 双线性注意力模块	NA	NA
553	2025-12-12	Enhancing Antimicrobial Peptide Function Prediction via Knowledge Transfer on Protein Language Models 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3577565 PMID:40811264	研究论文	提出了一种基于预训练蛋白质语言模型的知识迁移方法KT-AMPpred，用于预测抗菌肽及其特定抗菌特性	首次将知识迁移和微调技术应用于预训练蛋白质语言模型，以提升抗菌肽功能预测性能，并通过可视化分析验证了其强大的特征提取能力	未明确说明模型在跨物种或新型抗菌肽预测中的泛化能力，也未讨论计算资源消耗的具体情况	开发高效的机器学习方法以替代耗时耗资源的湿实验方法，实现抗菌肽及其功能的准确预测	抗菌肽及其特定抗菌特性	机器学习	NA	蛋白质语言模型	深度学习模型	生物序列数据	NA	NA	预训练蛋白质语言模型	NA	NA
554	2025-12-12	A Deep Learning Framework for Chromatin Loop De Novo Prediction With Enhanced Feature Extraction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3563354 PMID:40811287	研究论文	本文介绍了一个名为CHASOS2的深度学习框架，用于增强特征提取以进行染色质环的从头预测	提出CHASOS2工具包，利用多感受野卷积模块处理不同特征数据的异质性，并采用梯度提升树模型进行预测，在异质特征数据场景下优于现有方法	NA	开发一个用户友好的工具包，用于染色质环的从头预测和评估	染色质环	机器学习	NA	ChIA-PET	梯度提升树	特征数据	K562细胞系	NA	卷积模块	一致性	NA
555	2025-12-12	TransDNA: A Deep Transfer Learning Network for Sequence Reconstruction in DNA-Based Data Storage 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3602912 PMID:40857190	研究论文	本文提出了一种名为TransDNA的深度迁移学习网络，用于解决DNA数据存储中的序列重建问题	首次将迁移学习应用于DNA序列重建任务，通过从更大的源数据集迁移知识，显著提高了目标数据集上的重建成功率	未明确提及	提高DNA数据存储系统中序列重建的准确性和效率	DNA存储系统中的序列重建任务	机器学习	NA	DNA合成、扩增和测序	深度学习网络	DNA序列数据	两个来自真实DNA存储实验的目标数据集，训练样本有限	NA	编码器、领域特定解码器、领域不变特征提取器	重建成功率、训练效率	NA
556	2025-12-12	Q-BAFNet: A Hybrid Quantum Classical Approach for Drug-Target Binding Affinity Prediction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3603103 PMID:40857188	研究论文	本文提出了一种名为Q-BAFNet的混合量子-经典深度学习架构，用于预测药物-靶点结合亲和力，以加速药物发现过程	提出了一种结合语义、结构和序列分子表示的混合量子-经典深度学习架构，并引入了跨模态注意力融合机制和变分量子电路，以捕获配体与蛋白质之间复杂的、上下文依赖的关系以及超越经典模型的非线性纠缠依赖	未在摘要中明确提及	加速药物发现，特别是在高通量筛选阶段，实现准确且可泛化的药物-靶点结合亲和力预测	药物（配体）与靶点（蛋白质）	机器学习	NA	深度学习，量子计算	混合量子-经典深度学习模型	分子表示数据（SMILES序列，蛋白质序列，分子拓扑特征）	三个基准数据集（Davis, KIBA, Metz）	NA	ChemBERTa, ProtT5, 图卷积网络, 跨模态注意力融合机制, 变分量子电路	均方误差, 皮尔逊相关系数, 一致性指数, R²	NA
557	2025-12-12	Toward an Embedded SoC for Mobile DNA Sequencing Applications 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3602886 PMID:40857189	研究论文	本文提出了一种面向移动DNA测序应用的嵌入式SoC架构，集成了生物信息学加速器，旨在实现便携式基因组学的集成计算解决方案	首次提出基于RISC-V的异构SoC架构，集成深度学习基础识别和序列比对专用加速器，显著提升能效和性能	研究处于初步原型阶段，ASIC原型频率和功耗指标仍需在实际应用中进一步验证	开发用于移动DNA测序的嵌入式生物信息学硬件，解决现有系统依赖外部计算的问题	DNA测序数据与嵌入式SoC硬件架构	生物信息学硬件	NA	DNA测序	深度学习	DNA序列数据	NA	NA	NA	准确率, 能效比, 性能功耗比	FPGA, ASIC原型, RISC-V架构, x86 CPU, 高端GPU
558	2025-12-12	DeepHDAC3i: Leveraging an Interpretable Deep Learning-Based Framework for the Accelerated Discovery of HDAC3 Inhibitors 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3602433 PMID:40880325	研究论文	本文提出了一种名为DeepHDAC3i的可解释深度学习框架，用于加速发现HDAC3抑制剂	开发了一个新颖且可解释的深度学习框架，仅使用SMILES符号就能准确识别HDAC3抑制剂，并整合了多种分子编码方法和特征选择策略	未提及	加速发现高选择性的HDAC3抑制剂，以解决现有HDAC抑制剂缺乏特异性的问题	HDAC3抑制剂	机器学习	NA	SMILES符号表示	1D-CNN	SMILES符号	未提及	未提及	1D-CNN	准确率, MCC, AUC, F1	未提及
559	2025-12-12	M2BA-MDA: A Multi-Modal Multi-View Bidirectional Attention Network for Microbe-Disease Association Prediction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3620892 PMID:41082432	研究论文	本文提出了一种基于多模态多视图双向注意力机制的深度学习框架M2BA-MDA，用于预测潜在的微生物-疾病关联	提出了一种结合多模态、多视图和双向注意力机制的深度学习框架，通过稳定的增强图注意力网络模块和交互模块，有效解决了梯度消失、过平滑问题，并增强了微生物与疾病之间的相互依赖关系	未明确说明模型在处理大规模数据集时的计算效率或可扩展性限制	预测潜在的微生物-疾病关联，以辅助疾病诊断、治疗和预防	微生物与疾病之间的关联	机器学习	NA	多模态数据融合、图注意力网络、双向注意力机制	深度学习框架	多模态数据（包括相似性度量）	基于HMDAD和DisBiome数据集进行实验，但未明确具体样本数量	NA	增强图注意力网络（EGAT）、深度神经网络（DNN）	通过比较实验评估性能，但未明确具体指标如准确率、召回率等	NA
560	2025-12-12	Implications of computed tomography reconstruction algorithms on coronary atheroma composition: A head-to-head comparison with multimodality near-infrared spectroscopy intravascular ultrasound imaging 2025 Nov-Dec, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.10.009 PMID:41125464	研究论文	本研究比较了不同CTA重建算法在评估冠状动脉斑块成分方面的性能，以NIRS-IVUS为参考标准	首次系统比较了多种CTA重建参数（包括迭代重建强度、切片厚度和HU阈值）对斑块成分分析的影响，并确定了最优组合	样本量较小（仅15名患者），且仅针对慢性冠状动脉综合征患者，可能限制了结果的普适性	评估CTA重建方法在冠状动脉斑块成分分析中的准确性	慢性冠状动脉综合征患者的冠状动脉斑块	医学影像分析	心血管疾病	计算机断层扫描血管造影（CTA）、近红外光谱-血管内超声（NIRS-IVUS）	深度学习	医学影像（CT和IVUS图像）	15名患者，50条血管	NA	NA	组内相关系数（ICC）、累积排名曲线下面积（SUCRA）	NA