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
5621	2025-10-06	From high-throughput evaluation to wet-lab studies: advancing mutation effect prediction with a retrieval-enhanced model 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf189 PMID:40662802	研究论文	提出一种检索增强的蛋白质语言模型VenusREM，用于预测突变效应并推进酶工程应用	开发了能够捕捉氨基酸局部时空相互作用的检索增强蛋白质语言模型，并通过湿实验验证了其在实际酶工程中的有效性	仅对30多个突变体进行了低通量分析，样本规模相对有限	提高突变效应预测的准确性，推进酶工程技术发展	蛋白质突变体，包括VHH抗体和DNA聚合酶	机器学习	NA	深度学习，蛋白质语言模型，湿实验验证	蛋白质语言模型	蛋白质序列数据	217个ProteinGym基准测试，30多个突变体，10个DNA聚合酶新型突变体	NA	检索增强蛋白质语言模型	NA	NA
5622	2025-10-06	TCR-epiDiff: solving dual challenges of TCR generation and binding prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf202 PMID:40662810	研究论文	提出了一种基于扩散模型的深度学习框架TCR-epiDiff，用于生成表位特异性T细胞受体并预测TCR-表位结合	首次将扩散概率模型应用于TCR序列生成，同时整合表位信息进行特异性生成和结合预测	NA	解决TCR生成和结合预测的双重挑战，为疫苗和免疫疗法设计提供支持	T细胞受体(TCRs)和表位	机器学习	NA	深度学习	扩散模型	序列数据	NA	PyTorch	去噪扩散概率模型, ProtT5-XL	NA	NA
5623	2025-10-06	Accurate PROTAC-targeted degradation prediction with DegradeMaster 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf191 PMID:40662822	研究论文	本研究开发了DegradeMaster，一种基于E(3)-等变图神经网络的半监督预测器，用于准确预测PROTACs的靶向降解能力	首次将E(3)-等变图编码器引入PROTAC降解预测，结合基于记忆的伪标签策略和互注意力池化模块，充分利用3D几何约束和未标记数据	未明确说明模型在更大规模数据集上的泛化能力以及计算复杂度分析	开发更准确的PROTAC靶向蛋白降解预测计算方法	蛋白水解靶向嵌合体(PROTACs)分子	机器学习	NA	深度学习，图神经网络	图神经网络(GNN)	3D分子图数据	NA	PyTorch	E(3)-等变图神经网络	AUROC, 准确率	NA
5624	2025-10-06	DivPro: diverse protein sequence design with direct structure recovery guidance 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf258 PMID:40662823	研究论文	提出一种基于结构恢复指导的多样化蛋白质序列设计方法DivPro	学习概率序列空间而非固定序列表示，结合结构预测结果作为训练指导，显著提高序列多样性同时保持高结构恢复率	在处理远缘同源蛋白时可能仍有局限，未在更广泛的蛋白质家族上进行验证	开发能够设计折叠成相似结构但序列多样化的蛋白质序列生成方法	蛋白质序列和结构	计算生物学	NA	蛋白质结构预测	深度学习模型	蛋白质序列和结构数据	三个序列设计基准数据集	NA	NA	结构恢复率, 序列多样性	NA
5625	2025-10-06	OrgNet: orientation-gnostic protein stability assessment using convolutional neural networks 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf252 PMID:40662839	研究论文	提出一种名为OrgNet的深度学习模型，用于预测点突变对蛋白质热稳定性的影响	通过空间变换标准化输入蛋白质方向，消除卷积神经网络在蛋白质结构预测中的方向偏差问题	NA	准确预测单点突变对蛋白质稳定性的影响	蛋白质结构和点突变	生物信息学	NA	深度学习	3D CNN	蛋白质结构数据	NA	NA	3D卷积神经网络	准确性	NA
5626	2025-10-06	Harnessing deep learning for proteome-scale detection of amyloid signaling motifs 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf200 PMID:40662825	研究论文	本研究开发了基于深度学习的双向LSTM和BERT架构，用于在蛋白质组规模检测淀粉样蛋白信号基序	首次将双向LSTM和BERT架构应用于淀粉样蛋白信号基序检测，能够识别远程相关家族的新基序	未明确说明模型在特定蛋白质家族上的性能限制	开发能够在大规模数据集中检测淀粉样蛋白信号基序的判别模型	淀粉样蛋白信号基序	自然语言处理	NA	深度学习	双向LSTM, BERT	蛋白质序列数据	多种基序家族和全局负样本集	Python	双向LSTM, BERT	NA	NA
5627	2025-10-06	The impact of uncertainty estimation on radiomic segmentation reproducibility and scan-rescan repeatability in kidney MRI 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17995 PMID:40665574	研究论文	本研究探讨在肾脏MRI影像组学分析中，通过整合不确定性估计来提升分割可重复性和扫描-重扫描稳定性的方法	首次将蒙特卡洛dropout和测试时增强两种不确定性量化方法应用于肾脏MRI影像组学分割，并比较了传统Dice损失和新提出的Dice Plus损失对模型校准的改进效果	分割变异性的可重复性改进在不同方法和受试者组间不一致，分类性能与参考方法相当但未显著超越	提升肾脏MRI影像组学特征在分割和扫描-重扫描变异下的稳定性和可靠性	慢性肾脏病(CKD)患者和健康对照(HC)的肾脏MRI数据	医学影像分析	慢性肾脏病	MRI影像组学分析	深度学习	医学影像(MRI)	公开肾脏MRI数据集，包含CKD患者和健康对照	NA	U-Net	Dice系数, ROC曲线, 组内相关系数	NA
5628	2025-10-06	Joint enhancement of automatic chest x-ray diagnosis and radiological gaze prediction with multistage cooperative learning 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17977 PMID:40665596	研究论文	提出一种用于胸部X光扫描的联合疾病诊断和放射科医生注视显著性预测的深度学习框架	引入双编码器多任务UNet架构，结合多阶段协作学习策略和对比学习预训练来提升性能	相关技术仍处于探索不足状态	通过整合人类行为数据（如眼动数据）来提升自动放射学诊断质量	胸部X光扫描图像	计算机视觉	胸部疾病	深度学习	多任务学习	图像, 眼动数据	NA	NA	UNet, DenseNet201, Residual and Squeeze-and-Excitation block	AUC, 相关系数	NA
5629	2025-10-06	EUP: Enhanced cross-species prediction of ubiquitination sites via a conditional variational autoencoder network based on ESM2 2025-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013268 PMID:40668800	研究论文	开发了一种基于条件变分自编码器的跨物种泛素化位点预测网络EUP	使用ESM2预训练语言模型提取特征，并通过条件变分推断构建低维潜在表示，实现跨物种的泛素化位点预测	未明确提及具体的数据稀缺程度或模型在极端数据稀缺情况下的表现	解决跨物种泛素化位点预测中标签稀缺的问题	动物、植物和微生物的泛素化位点	自然语言处理	NA	蛋白质序列分析	条件变分自编码器	蛋白质序列数据	NA	NA	ESM2, 条件变分自编码器	预测性能，推理延迟	在线网络服务器
5630	2025-10-06	Automated machine learning predicts liver metastases in patients with early-onset gastroenteropancreatic neuroendocrine tumors 2025-Jun-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-946 PMID:40672078	研究论文	本研究开发了一种基于自动化机器学习的模型，用于预测早发性胃肠胰神经内分泌肿瘤患者发生肝转移的风险	首次将自动化机器学习技术应用于早发性胃肠胰神经内分泌肿瘤肝转移的预测，并比较了多种算法的性能	基于回顾性数据，可能存在选择偏倚；仅使用SEER数据库，缺乏外部验证	开发肝转移预测模型以改善早发性胃肠胰神经内分泌肿瘤患者的预后管理	早发性胃肠胰神经内分泌肿瘤患者（诊断年龄<50岁）	机器学习	神经内分泌肿瘤	自动化机器学习	GBM, GLM, DL, DRF, LASSO, 逻辑回归	临床数据	12,802例患者（训练集8,983例，验证集3,819例）	AutoML	梯度提升机，广义线性模型，深度学习，分布式随机森林	AUC, ROC, 校准曲线, 决策曲线分析	NA
5631	2025-10-06	Development and validation of growth prediction models for multiple pulmonary ground-glass nodules based on CT features, radiomics, and deep learning 2025-Jun-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-1039 PMID:40673084	研究论文	基于CT特征、影像组学和深度学习开发并验证了多发性肺磨玻璃结节生长预测模型	首次针对多发性肺磨玻璃结节开发生长预测模型，结合临床特征、影像组学和深度学习进行综合预测	回顾性研究设计，样本量相对有限（231名患者），缺乏外部验证	预测多发性肺磨玻璃结节的生长模式，辅助临床决策	多发性肺磨玻璃结节患者	医学影像分析	肺癌	CT扫描，影像组学分析，深度学习	深度学习模型	CT影像数据	231名患者的732个磨玻璃结节	NA	NA	AUC，灵敏度，特异性	NA
5632	2025-10-06	Machine learning-guided single-cell multiomics uncovers GDF15-driven immunosuppressive niches in NSCLC: A translational framework for overcoming anti-PD-1 resistance 2025-Jun-28, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2025.102459 PMID:40582068	研究论文	本研究通过机器学习引导的单细胞多组学分析，揭示了GDF15驱动的免疫抑制微环境在非小细胞肺癌抗PD-1耐药中的作用机制	开发了加速斜向随机生存森林模型，首次将GDF15确立为预测免疫检查点抑制剂耐药的一流生物标志物，并建立了连接计算预测与单细胞机制洞察的转化研究框架	功能研究表明GDF15敲低对肿瘤固有增殖无显著影响，样本量相对有限（n=156），外部验证仅使用黑色素瘤队列	系统识别免疫检查点抑制剂疗效的决定因素，建立克服抗PD-1耐药的转化研究框架	非小细胞肺癌患者样本，Lewis肺癌细胞系，黑色素瘤队列数据	机器学习，数字病理学	肺癌	单细胞RNA测序，多组学分析，基因敲低	随机生存森林，Cox回归，深度学习	单细胞RNA测序数据，临床生存数据	4个NSCLC队列共156例样本，外部验证使用黑色素瘤队列GSE91061	NA	加速斜向随机生存森林	C-index	NA
5633	2025-10-06	Linking Symptom Inventories Using Semantic Textual Similarity 2025-Jun, Journal of neurotrauma IF:3.9Q2 DOI:10.1089/neu.2024.0301 PMID:40200899	研究论文	本研究使用语义文本相似性方法连接不同创伤性脑损伤症状量表，解决评估结果不可比的问题	首次应用语义文本相似性技术来连接不同症状量表，通过概念相似性排名实现跨量表的症状和分数转换	需要进一步验证在更广泛症状量表和患者群体中的适用性	解决创伤性脑损伤评估中不同症状量表结果不可比的问题	创伤性脑损伤患者的症状评估量表	自然语言处理	创伤性脑损伤	语义文本相似性	深度学习模型	文本	来自16个国际数据源的6,607名参与者	NA	预训练深度学习模型	准确率, 相关性分析, 因子分析	NA
5634	2025-10-06	GINClus: RNA structural motif clustering using graph isomorphism network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf050 PMID:40290315	研究论文	提出了一种基于图同构网络的RNA结构基序聚类工具GINClus，用于自动识别和聚类RNA结构基序	首次将图同构网络应用于RNA结构基序聚类，结合k均值和层次凝聚聚类方法，能够发现新的RNA结构基序家族	NA	开发自动化的RNA结构基序聚类工具以替代传统手动分析方法	RNA结构基序候选区域（RNA环区域）	生物信息学	NA	RNA结构分析	图神经网络	RNA三维结构数据，碱基相互作用数据	NA	NA	图同构网络	聚类准确率	NA
5635	2025-10-06	Deep learning-guided design of dynamic proteins 2025-May-22, Science (New York, N.Y.) DOI:10.1126/science.adr7094 PMID:40403060	研究论文	提出一种深度学习引导的蛋白质动态构象变化设计方法	首次实现从头设计蛋白质结构域内几何构象的动态变化，模拟自然界中的开关机制	NA	开发能够设计具有可控构象变化的动态蛋白质的新方法	蛋白质结构域内几何构象的动态变化	机器学习	NA	深度学习，物理模拟	深度学习模型	蛋白质结构数据	四个验证结构	NA	NA	结构验证，模拟与实验数据一致性	NA
5636	2025-10-06	Differentiable Folding for Nearest Neighbor Model Optimization 2025-May-12, ArXiv PMID:40160447	研究论文	本文提出一种基于可微分折叠的RNA最近邻模型参数优化方法	利用可微分折叠技术直接计算RNA折叠算法的梯度，实现高效、可扩展且灵活的参数优化	未明确说明方法在复杂RNA结构或大规模数据集上的适用性限制	优化RNA二级结构形成的最近邻热力学模型参数	RNA二级结构预测和序列设计	计算生物学	NA	可微分折叠技术	最近邻模型	RNA结构数据和热力学实验数据	包含约13,000个热力学参数，使用RNAometer数据库中的实验测定稳定性数据	NA	NA	预测概率	NA
5637	2025-10-06	Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data 2025-May-06, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.03.023 PMID:40158204	研究论文	比较四种深度学习分割模型在生物物理和生物医学数据上的性能表现	针对生物物理实验中常见的小规模训练数据集，系统比较了四种主流分割架构的性能差异	研究聚焦于特定规模的训练数据集，可能不适用于大规模数据场景	为生物物理和生物医学领域的研究者提供模型选择指南	深度学习分割模型	计算机视觉	NA	深度学习	CNN, U-Net, Vision Transformer, Vision State Space Models	生物物理和生物医学图像数据	小规模训练数据集	NA	卷积神经网络, U-Net, 视觉Transformer, 视觉状态空间模型	NA	NA
5638	2025-10-06	Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network 2025-05, Radiology. Artificial intelligence DOI:10.1148/ryai.240229 PMID:39969278	研究论文	开发了一种纵向感知分割网络(LAS-Net)，用于自动量化儿童霍奇金淋巴瘤患者的系列PET/CT图像	提出了结合纵向交叉注意力的分割网络，允许PET1的相关特征为PET2的分析提供信息	回顾性研究，样本量相对有限，外部验证性能略有下降	开发能够量化儿童霍奇金淋巴瘤患者系列PET/CT图像的自动分割方法	儿童霍奇金淋巴瘤患者	数字病理	霍奇金淋巴瘤	PET/CT成像	CNN	医学图像	297名儿科患者(内部数据集200名，外部测试集97名)	NA	纵向感知分割网络(LAS-Net)	Dice系数,F1分数,Spearman相关系数	NA
5639	2025-10-06	The Advances in Deep Learning Modeling of Polyadenylation Codes 2025 May-Jun, Wiley interdisciplinary reviews. RNA DOI:10.1002/wrna.70017 PMID:40468587	综述	本文综述了深度学习模型在解析多聚腺苷酸化调控机制方面的最新进展与应用	首次系统总结深度学习模型在量化多聚腺苷酸化基序互作、预测切割位点及计算位点强度等方面的创新应用	作为综述文章未提出新的原始模型，主要总结现有研究成果	探讨深度学习模型在多聚腺苷酸化调控机制研究中的应用与进展	真核生物mRNA和lncRNA的3'端多聚腺苷酸化过程	自然语言处理, 机器学习	NA	深度学习建模	深度学习模型	基因组序列数据	NA	NA	NA	NA	NA
5640	2025-10-06	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2025-Apr-25, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	开发了一种数据驱动的连续睡眠深度测量方法——序数睡眠深度（OSD），用于更精确地评估睡眠质量	首次使用深度学习框架结合序数回归方法，将离散的睡眠阶段转化为连续睡眠深度测量	研究基于单一数据集，需要进一步验证在其他人群中的适用性	开发连续睡眠深度测量方法并评估其与临床变量的关联	18,116名独特患者的21,787份多导睡眠图记录	机器学习	睡眠呼吸障碍,认知障碍	多导睡眠图,脑电图分析	CNN	脑电图信号	21,787份多导睡眠图记录来自18,116名患者	NA	卷积神经网络	Pearson相关系数	NA