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
5661	2025-10-06	NASNet-DTI: accurate drug-target interaction prediction using heterogeneous graphs and node adaptation 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf342 PMID:40668556	研究论文	提出一种基于异质图和节点自适应学习的药物-靶点相互作用预测新框架NASNet-DTI	构建包含药物-药物、靶点-靶点、药物-靶点多重关系的异质图，并采用节点自适应学习策略动态确定每个节点的最优聚合深度	未明确说明模型在更大规模数据集上的泛化能力及计算效率	提高药物-靶点相互作用预测的准确性以促进药物研发	药物分子和靶点蛋白质	生物信息学	NA	深度学习	图卷积网络	分子结构数据、蛋白质序列数据、相互作用数据	多个数据集（具体数量未说明）	NA	图卷积网络	预测准确率	NA
5662	2025-10-06	Advancing genome-based precision medicine: a review on machine learning applications for rare genetic disorders 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf329 PMID:40668553	综述	本文综述了机器学习在基于基因组的精准医学中应用于罕见遗传病的研究现状与前景	系统分析混合机器学习模型和实时基因组分析等新兴技术，提出可解释性模型和数据共享框架的未来发展方向	面临计算复杂性、数据稀缺性和伦理问题等关键挑战	促进机器学习在罕见遗传病精准医疗中的应用发展	罕见遗传病患者的基因组数据	机器学习	罕见遗传病	基因组测序	深度学习,集成方法	基因组数据	NA	NA	NA	NA	NA
5663	2025-10-06	Deep Learning Radiomics Based on MRI for Differentiating Benign and Malignant Parapharyngeal Space Tumors 2025-Jul, The Laryngoscope DOI:10.1002/lary.32043 PMID:39932109	研究论文	本研究基于MRI开发深度学习影像组学模型用于鉴别咽旁间隙肿瘤的良恶性	首次将深度学习特征与传统影像组学特征融合构建DLR模型用于咽旁间隙肿瘤诊断	回顾性研究，样本量相对有限（217例），仅来自两个医疗中心	建立咽旁间隙肿瘤术前诊断工具以指导临床决策	咽旁间隙肿瘤患者	医学影像分析	头颈部肿瘤	MRI	深度学习模型，影像组学模型，融合模型	医学影像	217例患者（训练集145例，测试集72例）	NA	NA	AUC, 特异性, 敏感性	NA
5664	2025-10-06	Challenges in Implementing Endoscopic Artificial Intelligence: The Impact of Real-World Imaging Conditions on Barrett's Neoplasia Detection 2025-Jul, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12760 PMID:40116287	研究论文	本研究评估了基于高质量专家图像训练的巴雷特瘤变检测系统在真实世界异质图像条件下的性能下降，并提出了三种增强鲁棒性的策略	首次量化评估内镜AI系统在真实临床环境中因图像质量异质性导致的性能下降，并提出多种鲁棒性增强策略	研究仅针对巴雷特瘤变检测，样本量相对有限（共490名患者），未涵盖所有可能的内镜图像伪影类型	评估内镜AI系统在真实临床环境中的性能表现并开发鲁棒性增强方法	巴雷特瘤变患者的内镜图像	计算机视觉	巴雷特食管癌	内镜成像	深度学习	图像	490名巴雷特患者（训练集373名，测试集117名）	NA	NA	AUC, 敏感度, 特异度	NA
5665	2025-10-06	CATH-ddG: towards robust mutation effect prediction on protein-protein interactions out of CATH homologous superfamily 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf228 PMID:40662779	研究论文	提出了一种名为CATH-ddG的几何编码器框架，用于预测蛋白质-蛋白质相互作用中的突变效应	基于CATH同源超家族设计新的训练/测试分割以避免数据泄露，采用混合噪声策略进行数据增强，并整合几何编码器与ESM2表示微调	深度学习模型可能因潜在数据泄露而高估性能，且硬突变（最大TM-score<0.6）的泛化能力仍面临挑战	开发稳健的突变效应预测方法，用于药物设计和疾病机制研究	蛋白质-蛋白质相互作用中的突变效应	生物信息学	NA	蛋白质3D结构分析，深度学习	几何编码器，ESM2微调	蛋白质3D结构，序列数据	419个抗体变体（针对HER2），285个SARS-CoV-2 RBD变体（针对ACE2受体）	PyTorch	几何编码器，ESM2	回归预测性能，TM-score	NA
5666	2025-10-06	HIG-Syn: a hypergraph and interaction-aware multigranularity network for predicting synergistic drug combinations 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf215 PMID:40662801	研究论文	提出一种基于超图和交互感知多粒度网络的药物组合协同作用预测模型	整合粗粒度模块和细粒度模块，通过超图捕获全局特征，并利用交互感知注意力模拟生物过程	NA	预测具有协同作用的药物组合	药物组合	机器学习	NA	深度学习	图神经网络,注意力机制	药物组合数据	来自DrugComb和GDSC2数据库的验证数据集	NA	超图网络,多粒度网络	NA	NA
5667	2025-10-06	GPO-VAE: modeling explainable gene perturbation responses utilizing GRN-aligned parameter optimization 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf256 PMID:40662800	研究论文	提出一种基于基因调控网络对齐参数优化的可解释变分自编码器GPO-VAE，用于建模基因扰动响应	通过GRN对齐的参数优化方法，在潜在空间中显式建模基因调控网络，增强模型可解释性	NA	预测细胞对基因扰动的响应，开发可解释的生物AI模型	基因扰动响应，基因调控网络	机器学习	NA	基因扰动实验，转录组分析	VAE	基因表达数据	NA	PyTorch	GPO-VAE	扰动预测准确率，GRN推断评估	NA
5668	2025-10-06	Deep learning models for unbiased sequence-based PPI prediction plateau at an accuracy of 0.65 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf192 PMID:40662806	研究论文	本研究评估了基于序列的蛋白质-蛋白质相互作用预测中深度学习方法的表现，发现所有模型在准确率0.65处达到平台期	首次系统证明ESM-2蛋白质嵌入是性能提升的关键因素，与模型架构无关，并揭示序列模型无法隐式学习接触图谱	研究仅基于序列信息，未整合结构数据，且模型性能存在明显上限	评估基于序列的蛋白质-蛋白质相互作用预测方法的真实性能	蛋白质-蛋白质相互作用预测	生物信息学	NA	蛋白质序列嵌入	深度学习	蛋白质序列数据	NA	PyTorch	基于ESM-2嵌入的各种注意力机制模型	准确率	NA
5669	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
5670	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
5671	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
5672	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
5673	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
5674	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
5675	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
5676	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
5677	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
5678	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
5679	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
5680	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