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
41	2026-09-10	scSDNE: A semi-supervised method for inferring cell-cell interactions based on graph embedding 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013027 PMID:40333631	研究论文	构建了一个手动整理的配体-受体（L-R）相互作用数据库，并开发了一种名为scSDNE的半监督图嵌入模型，用于推断由L-R相互作用介导的细胞间相互作用，通过深度学习将交互细胞的基因映射到共享潜在空间中，并利用数据库先验信息推断细胞通讯中的显著L-R对	采用半监督深度学习图嵌入方法，整合了数据库先验信息和细胞内基因调控信息，用于推断细胞间L-R介导的相互作用，增强了推断的准确性和生物学可解释性，提供了细胞间相互作用更全面的视图	NA（摘要中未提供明确的局限性信息）	开发和验证一种基于图嵌入和数据库先验信息的半监督方法，以推测细胞间通过配体-受体相互作用介导的细胞通讯	细胞间配体-受体相互作用的推断以及真实单细胞RNA测序（scRNA-seq）数据集	深度学习, 基因组学	NA（未指定特定疾病）	单细胞RNA测序（scRNA-seq）	图嵌入深度学习模型	单细胞基因表达数据（scRNA-seq数据）	NA（未提及具体样本数量或类型）	NA（未明确说明使用的框架）	自编码器，图嵌入	可靠性（与其他方法比较，未提供具体指标如准确率、召回率等）	NA（未提及具体计算资源）
42	2026-09-10	Scoring protein-ligand binding structures through learning atomic graphs with inter-molecular adjacency 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013074 PMID:40344574	研究论文	本文提出了一种基于深度学习的蛋白质-配体结合结构评分框架，通过原子图和分子间邻接关系来预测结合强度	提出了一种高分辨率原子图表示方法，通过引入多个距离范围识别分子间相互作用作为图边，并进行了模型级和事后分析的解释	摘要未提及明确局限性	开发高效的评分框架来预测蛋白质-配体结合结构的结合强度，以辅助计算药物发现	蛋白质-配体结合复合物	机器学习	NA	NA	深度学习模型（未指定具体类型）	分子结构数据	NA	NA	原子图神经网络	评分和筛选性能（未指定具体指标）	NA
43	2026-09-10	Cell-TRACTR: A transformer-based model for end-to-end segmentation and tracking of cells 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013071 PMID:40408631	research paper	本文介绍了一种基于Transformer的深度学习模型Cell-TRACTR，用于显微镜图像中细胞的端到端分割与跟踪，并提出了新的评估指标Cell-HOTA	Cell-TRACTR首次采用Transformer架构实现细胞的端到端分割和跟踪，无需后处理，同时提出了Cell-HOTA指标以平衡评估检测、关联和分裂准确性	摘要未明确提及局限性	旨在解决现有基于CNN的细胞跟踪方法在处理空间和全局上下文依赖方面的不足，提高细胞分割和跟踪的准确性	细菌在微流控几何结构中生长以及哺乳动物细胞在二维自由生长的图像	computer vision	NA	显微镜成像	Transformer	显微图像	多个数据集，包括细菌和哺乳动物细胞图像	NA	Transformer	Cell-HOTA, HOTA, 检测准确性	NA
44	2026-09-10	N6-methyladenine identification using deep learning and discriminative feature integration 2025-03-29, BMC medical genomics IF:2.1Q3 DOI:10.1186/s12920-025-02131-6 PMID:40158097	研究论文	提出了一种名为Deep-N6mA的深度神经网络模型，通过最优混合特征精确识别N6-甲基腺嘌呤位点	采用多种特征提取方法（k-mer、DCC、TAC、PseSNC、PseDNC、PseTNC）并结合PCA进行特征降维，构建多层DNN模型，显著提高了6mA位点识别的准确性和泛化能力	未提及具体局限性	开发一种准确高效的N6-甲基腺嘌呤位点识别方法，以支持表观遗传学研究和计算生物学领域的发展	N6-甲基腺嘌呤位点	机器学习	不适用	测序技术	深度神经网络（DNN）	DNA序列	两个基准数据集（F. vesca和R. chinensis）	未提及	多层DNN	准确率	未提及
45	2026-09-10	Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review 2025-03-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57358 PMID:40100249	系统评价	本系统评价旨在描述深度学习中顺序诊断数据的使用情况，重点关注数据整合方式、样本量对性能的影响及模型的可推广性	首次系统评估了使用顺序诊断编码进行患者结局预测的深度学习模型，并分析了数据整合、样本量与性能之间的关联	该研究的主要局限性在于方法及结局指标的异质性	描述顺序诊断数据在深度学习模型中的应用，理解数据整合方式，评估样本量对性能的影响以及模型的可推广性	使用顺序诊断编码训练深度学习模型预测患者结局的研究	自然语言处理	不适用	不适用	循环神经网络、Transformer	结构化电子健康记录数据	84项研究	不适用	循环神经网络（包括其变体）及Transformer	受试者工作特征曲线下面积	不适用
46	2026-09-10	Exploring Psychological Trends in Populations With Chronic Obstructive Pulmonary Disease During COVID-19 and Beyond: Large-Scale Longitudinal Twitter Mining Study 2025-03-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54543 PMID:40053739	研究论文	通过大规模Twitter挖掘，研究了慢性阻塞性肺疾病（COPD）人群在COVID-19期间及之后的长期心理趋势和模式。	首次使用两阶段深度学习框架结合大规模Twitter数据，揭示COPD人群在疫情长期内的心理变化模式，包括性别、年龄和社会经济地位的影响。	未提及具体局限性。	揭示COPD人群在COVID-19大流行期间及之后的长期心理趋势和模式。	COPD和非COPD的Twitter用户。	自然语言处理	慢性阻塞性肺疾病	Twitter挖掘	深度学习算法	文本数据（推文）	15,347名COPD用户，超过25亿条推文（2020年1月至2023年6月）	NA	深度学习框架（具体架构未指定）	比值比（OR），95%置信区间	NA
47	2026-09-10	Understanding the Engagement and Interaction of Superusers and Regular Users in UK Respiratory Online Health Communities: Deep Learning-Based Sentiment Analysis 2025-02-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/56038 PMID:39946690	研究论文	本研究利用深度学习情感分析方法，探索英国呼吸系统在线健康社区中超活跃用户与普通用户的互动模式及情感动态。	首次结合BioBERT模型和网络影响力算法（VoteRank）分析在线健康社区中超级用户的情感互动，揭示了超级用户在维持积极社区氛围中的作用。	研究依赖于公开的匿名社交媒体数据，可能不具普遍性；情感分类模型主要基于COVID-19数据微调，可能不完全适用于呼吸系统疾病专用术语。	理解两个呼吸系统在线健康社区中帖子情感的分布和动态，重点研究普通用户与超级用户互动时的情感变化。	两个英国呼吸系统在线健康社区的用户，包括超级用户和普通用户，以及他们在2006-2016年和2012-2016年间发布的帖子。	自然语言处理	呼吸系统疾病	深度学习方法（BioBERT）进行情感分析，以及VoteRank算法识别超级用户。	Transformer模型（BioBERT）	文本数据（在线健康社区帖子）	未提及具体样本量，但涵盖两个社区在特定时间段的全部帖子。	未明确指定，但BioBERT基于Transformer架构。	BioBERT（预训练语言模型）	准确率	未提及
48	2026-09-10	Transformers for Neuroimage Segmentation: Scoping Review 2025-01-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57723 PMID:39879621	综述	本综述系统检索并综合了2019至2023年间应用Transformer模型进行神经影像分割的文献，共纳入67项研究，重点分析了图像模态、数据集、神经疾病类型、Transformer模型和评估指标等关键要素	首次对Transformer模型在神经影像分割领域的应用进行范围综述，系统总结并分析2019至2023年间的相关研究趋势和架构特点	研究领域过度依赖脑肿瘤分割数据集，且Transformer模型的临床适用性受限于高计算成本和小数据集上潜在的过拟合风险	综述并评估各类Transformer模型在神经影像分割中的应用现状及其性能表现	基于Transformer的神经影像分割研究及其相关数据集、图像模态和神经疾病类型	医学影像分析	神经系统疾病	MRI	Transformer、CNN、混合CNN-Transformer架构	图像	共纳入67项符合标准的研究	NA	视觉Transformer、3D Transformer、2D Transformer、混合CNN-Transformer架构	Dice分数	NA
49	2026-09-10	Deep learning-based anterior segment identification and parameter assessment of primary angle closure disease in ultrasound biomicroscopy images 2025-01-20, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2023-001600 PMID:39837590	研究论文	开发一种基于深度学习的人工智能算法，用于自动识别超声生物显微镜图像中的眼前节结构并评估原发性房角关闭疾病的多个参数。	首次提出并验证了一种基于深度学习的多组织分割模型，能够自动识别角膜、虹膜和睫状体并精确定位巩膜突，从而实现房角参数的自动化测量。	未提及，但可能包括样本量有限、需要多中心进一步验证以及算法对不同设备和图像质量的泛化能力等潜在限制。	开发并验证一种人工智能算法，用于自动识别眼前节结构并评估原发性房角关闭疾病的关键参数，以提高诊断效率和准确性。	超声生物显微镜图像中的眼前节结构，包括角膜、虹膜、睫状体和巩膜突。	深度学习、计算机视觉、医学图像分析	原发性房角关闭疾病	超声生物显微镜	深度学习模型（多组织分割模型）	图像	开发阶段共使用592名受试者的2339张UBM图像；验证阶段使用45名受试者的222张图像（来自两个中心）	NA（未在标题和摘要中指定）	NA（具体架构未在标题和摘要中提及）	平均交并比、平均误差距离、自动与手动测量参数的平均差异	NA（未在标题和摘要中提及）
50	2026-09-10	Deep learning-based assessment of missense variants in the COG4 gene presented with bilateral congenital cataract 2025-01-14, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-001906 PMID:39809522	研究论文	首次使用AlphaFold2、Alpha Missense和ThermoMPNN深度学习算法评估COG4基因错义变异的蛋白质结构和致病性，特别关注与双侧先天性白内障相关的p.Y714F变异。	首次将AlphaFold2、Alpha Missense和ThermoMPNN结合用于COG4基因变异评估，并整合多维度致病性指标进行主成分分析。	研究基于计算预测，缺乏体外或体内功能实验验证；样本量小，仅涉及四个临床相关变异。	通过深度学习算法预测COG4基因错义变异的蛋白质结构和致病性，以辅助评估意义不确定的变异。	COG4基因的错义变异，包括一个新发现的p.Y714F和三个已知变异（p.G512R、p.R729W、p.L769R），以及所有可能的COG4错义变异（n=14915）。	深度学习	先天性白内障，Saul-Wilson综合征	蛋白质结构预测，深度学习	AlphaFold2, Alpha Missense, ThermoMPNN	蛋白质序列	4个临床相关变异，14915个所有可能错义变异	NA	AlphaFold2, Alpha Missense, ThermoMPNN	主成分分析，多维尺度分析	NA
51	2026-09-10	Machine Learning Approaches in High Myopia: Systematic Review and Meta-Analysis 2025-01-03, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57644 PMID:39753217	系统综述与荟萃分析	系统评估机器学习在高度近视和病理性近视诊断、预测及相关青光眼诊断中的性能	首次对机器学习在高度近视领域的应用进行系统综述和荟萃分析，量化比较深度学习与传统机器学习方法的诊断准确性	纳入研究数量有限，且存在异质性；部分研究未提供足够数据用于定量分析；缺乏外部验证队列研究	评估机器学习方法在临床实践中检测高度近视和病理性近视的性能，为未来智能诊断工具的研发提供循证依据	高度近视、病理性近视及高度近视相关青光眼的检测与预测研究	机器学习	眼科疾病, 高度近视	NA	深度学习（DL）、传统机器学习（非DL）	眼科影像及临床数据	纳入45项研究，其中32项用于定量荟萃分析	NA	NA	汇总受试者工作特征（SROC）、灵敏度、特异性	NA
52	2026-09-10	RETRACTED: Sentiment analysis of classical Chinese literature: An unsupervised deep learning model with BERT and graph attention networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330919 PMID:40986623	研究论文	提出一种集成BERT嵌入、情感词典增强和图注意力网络的非监督深度学习框架，用于中国古典文学中的情感分析。	提出一个融合BERT、NTUSD情感词典和GAT的非监督框架，突破传统监督和无监督方法的局限，增强对古典文本中隐喻和隐式情感的捕捉，并在零样本提示分类中优于大模型。	未在摘要中提及明确局限性，可能包括对古典文本复杂语境依赖的挑战和类别不平衡，但未具体说明。	发展一种非监督深度学习方法，以有效分析古典中文文学中的复杂情感，克服现有方法的不足。	中国古典文学作品文本。	自然语言处理	NA	BERT嵌入、情感词典增强、图注意力网络、K均值聚类	BERT、图注意力网络、K均值	文本	未指定，涉及多个实验运行，但未具体说明样本数量。	NA	BERT、GAT、K-Means	准确率、精确率、召回率、F1分数	NA
53	2026-09-10	Investigation of Unsafe Construction Site Conditions Using Deep Learning Algorithms Using Unmanned Aerial Vehicles 2024-Oct-20, Sensors (Basel, Switzerland) DOI:10.3390/s24206737 PMID:39460217	研究论文	本研究利用无人机搭载深度学习算法，实时检测建筑工人是否佩戴安全帽，以提升施工安全。	将无人机与Faster R-CNN算法结合，实现实时、高精度的工人安全帽佩戴检测，并集成警报系统。	实验在特定施工场景下进行，可能无法完全覆盖所有复杂环境条件。	利用无人机技术监测个人防护装备使用情况，特别是安全帽佩戴，以减少高处坠落和物体打击事故。	建筑工地工人及其安全帽佩戴状态。	计算机视觉	不适用	无人机成像	Faster R-CNN	图像	未提供具体样本数量	TensorFlow	Faster R-CNN	精确率、平均精度均值、每秒帧数	未提供具体计算资源信息
54	2026-09-10	Toward an Explainable Large Language Model for the Automatic Identification of the Drug-Induced Liver Injury Literature 2024-09-16, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00134 PMID:39190012	研究论文	开发了首个专门用于药物性肝损伤文献自动识别的可解释大型语言模型，基于LLaMA-2并在公开数据集上达到高准确率	首次将LLaMA-2大型语言模型应用于药物性肝损伤文献的自动识别，相比BERT、GPT等较小模型表现出更优性能，并实现了对大量文档的高通量精确分类	研究主要基于训练集的交叉验证，未提及在独立外部验证集上的表现；模型性能虽优但未达完美，可能仍有改进空间	利用大型语言模型自动、高效地识别药物性肝损伤相关科学文献，以支持药物安全监控和监管审查	CAMDA 2022文献AI挑战赛中的14203篇训练出版物	自然语言处理	药物性肝损伤	大型语言模型微调	LLaMA-2	文本（文献标题和摘要）	14203篇训练出版物	PyTorch	LLaMA-2	准确率、ROC曲线下面积	未指定
55	2026-09-10	Prediction of Cytochrome P450 Substrates Using the Explainable Multitask Deep Learning Models 2024-09-16, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00199 PMID:39196814	研究论文	本研究构建多任务深度学习模型，同时预测五种主要药物代谢P450酶（CYP3A4, 2C9, 2C19, 2D6, 1A2）的底物，并利用可解释性方法揭示与底物相关的子结构。	采用多任务学习框架结合指纹和图形神经网络，实现了多酶底物的并行预测，并引入SHAP和注意力机制进行模型解释，该解释结果通过子结构挖掘工具和文献得到验证。	摘要中未明确提及研究的局限性。	在药物开发早期阶段，提高P450底物预测的准确性，并增强模型可解释性，以支持化合物代谢性质评估。	五种主要药物代谢P450酶（CYP3A4, 2C9, 2C19, 2D6, 1A2）及其底物化合物。	药物发现, 机器学习	NA	多任务学习, 图形神经网络, 指纹表示	多任务深度学习模型, 图形神经网络	分子结构数据, 化合物底物标签	五种P450酶的底物数据集（具体数量未在摘要中提供）	NA	多任务指纹模型, 多任务图形神经网络	AUC	NA
56	2026-09-10	Research on precise phenotype identification and growth prediction of lettuce based on deep learning 2024-07-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118845 PMID:38570128	研究论文	本文以生菜为研究对象，利用深度学习模型基于RGB图像进行精确表型识别与生长预测，并结合损失函数优化提升预测精度。	引入自定义表型指标，并结合MSE、SSIM和感知损失来优化预测，提高生长图像和表型指数的准确性。	未提及。	实现生菜全生育期的智能监测与管理，为精准农业提供技术支持。	生菜	计算机视觉	不适用	RGB图像采集	深度学习模型	图像	未提及具体样本数量	不明确，可能使用PyTorch或TensorFlow	不明确，可能基于卷积神经网络结构	SSIM、PSNR、平均误差	未提及
57	2026-09-10	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-06, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	本文介绍了一种基于机器学习的血浆全基因组测序平台MRD-EDGE，用于超灵敏监测实体瘤患者的肿瘤负荷。	通过深度学习模型对ctDNA特异性特征空间进行信号富集，使得WGS测序的信号-噪声比提高约300倍，并将拷贝数变异检测的测序深度需求从1Gb降至200Mb。	未在摘要中明确提及，可能包括需要在更大规模队列中验证以及在不同临床场景中的适用性。	开发一种超灵敏的血浆ctDNA检测平台，用于微小残留病评估和治疗反应监测，尤其在低肿瘤分数情况下提高敏感性。	多种癌症类型的患者样本，包括肺癌、黑色素瘤、结直肠腺瘤等。	机器学习	多种癌症类型（如肺癌、黑色素瘤、结直肠腺瘤）	全基因组测序（WGS）	深度学习模型	测序数据	未在摘要中具体说明，涉及多种癌症类型的患者样本。	未明确提及，可能使用PyTorch或TensorFlow。	深度学习架构（具体未指定，可能基于Transformer或CNN）	未明确提及，可能包括灵敏度、特异性或曲线下面积（AUC）。	未在摘要中提供具体信息。
58	2026-09-10	Discovering optimal kinetic pathways for self-assembly using automatic differentiation 2024-05-07, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2403384121 PMID:38691585	研究论文	利用自动微分算法搜索质量作用动力学模型参数空间，以发现自组装的最优动力学途径，提高组装效率和产量。	将深度学习中的自动微分算法应用于自组装动力学参数的优化，类比于深层神经网络的表达性，并展示了该方法不仅用于设计，还可用于推断亚基结合速率。	外部控制法效率较低且鲁棒性不如内部设计法，且对某些系统可能需要高精度的外部控制。	识别最优动力学协议，使得自组装过程能高效、高产量地组装，同时避免动力学陷阱。	由多个亚基组成的生物大分子复合物的自组装过程，如异源四聚体。	机器学习	NA	自动微分	质量作用动力学模型	合成时间序列数据（产量随时间变化）	异源四聚体系统，具体数量未提及	NA	NA	产量、效率、鲁棒性	NA
59	2026-09-10	DeepDRA: Drug repurposing using multi-omics data integration with autoencoders 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307649 PMID:39058696	研究论文	提出DeepDRA模型，利用自编码器和多层感知机整合多组学数据预测癌症药物反应，并促进药物再利用	采用多任务学习框架，将自编码器与MLP相连，有效降低多组学数据维度并提升药物反应预测性能	未提及	开发一种基于深度学习的模型，通过整合多组学数据、药物描述符和药物指纹预测癌症药物反应，并支持药物再利用	癌症药物反应和药物再利用相关数据及模型	机器学习	癌症	多组学数据整合	自编码器, 多层感知机	多组学数据, 药物描述符, 药物指纹	三个主要数据集：GDSC、CTRP、CCLE	NA	自编码器, MLP	AUPRC	NA
60	2026-09-10	Two-stage ship detection at long distances based on deep learning and slicing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313145 PMID:39561153	研究论文	提出一种结合深度学习和切片技术的两阶段船舶远距离检测方法	创新性地结合了传统和深度学习方法的优势，采用两阶段检测策略，先检测海天线区域，再对区域内切片进行船舶检测，以提高远距离小目标船舶的检测精度	未提及	提高远距离下智能船舶视觉感知中的船舶检测性能	远距离场景中的船舶	计算机视觉	NA	深度学习	目标检测模型	图像	未提及	未提及	YOLOv8	平均精度（AP50）、检测速度	未提及