深度学习在生物医药领域中的应用

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
601	2025-07-16	Artificial Intelligence in Cognitive Decline Diagnosis: Evaluating Cutting-Edge Techniques and Modalities 2025-Jun-26, Studies in health technology and informatics DOI:10.3233/SHTI250670 PMID:40588878	review	本文通过范围综述评估人工智能在认知衰退早期诊断中的潜力	整合临床数据和脑电图与深度学习方法，提高诊断准确性，并探索自然语言处理模型在早期认知衰退检测中的应用	综述主要基于2020至2025年的文献，可能未涵盖最新研究进展	评估人工智能在认知衰退早期诊断中的应用和潜力	认知衰退（CD）患者	digital pathology	geriatric disease	MRI, EEG, 深度学习, 自然语言处理	深度学习, NLP模型	医学影像（MRI）, 脑电图（EEG）, 临床数据, 文本数据	涵盖2020至2025年同行评审的期刊和会议论文中的研究
602	2025-07-16	Fault Identification Model Using Convolutional Neural Networks with Transformer Architecture 2025-Jun-23, Sensors (Basel, Switzerland) DOI:10.3390/s25133897 PMID:40648155	研究论文	提出了一种结合CNN和Transformer架构的新型混合深度学习框架，用于工业制造中的故障识别和剩余使用寿命预测	整合CNN特征提取与Transformer时间建模的混合架构，在NASA CMAPSS数据集上实现97%以上的准确率	仅验证于航空发动机数据，未涉及其他工业设备类型	开发智能维护系统，提升工业设备的自主故障检测能力	航空发动机多传感器时间序列数据	机器学习	NA	深度学习	CNN-Transformer混合模型	时间序列传感器数据	NASA CMAPSS数据集（具体数量未说明）
603	2025-07-16	DeepFace: A High-Precision and Scalable Deep Learning Pipeline for Predicting Large-Scale Brain Activity from Facial Dynamics in Mice 2025-Jun-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.10.658952 PMID:40661434	研究论文	介绍了一种名为DeepFace的高精度、可扩展的深度学习流程，用于从小鼠面部动态预测大规模大脑活动	在DeepLabCut和Facemap的基础上，解决了可扩展性瓶颈并改进了行为量化，提供了高精度、关键点定制和跨多种GCaMP系列的稳健性能	NA	提升小鼠面部动态分析和大脑活动预测的精度和可扩展性	小鼠的面部动态和大脑活动	数字病理学	NA	深度学习	DeepFace	视频	NA
604	2025-07-16	Spatial multi-omics and deep learning reveal fingerprints of immunotherapy response and resistance in hepatocellular carcinoma 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.656869 PMID:40661489	研究论文	本研究通过空间转录组学和蛋白质组学分析，结合深度学习框架，揭示了肝细胞癌免疫治疗反应和抵抗的多组学特征	开发了一种可解释的多模态深度学习框架，用于从空间转录组和蛋白质组数据中提取关键细胞和分子特征，并构建了预测患者治疗反应的图神经网络模型	研究样本可能有限，且结果需要在更大规模的队列中进行验证	探索肝细胞癌免疫治疗反应和抵抗的机制	肝细胞癌组织样本	数字病理学	肝细胞癌	空间转录组学、空间蛋白质组学	图神经网络	空间多组学数据	未明确提及具体样本数量
605	2025-07-16	Integrating structural homology with deep learning to achieve highly accurate protein-protein interface prediction for the human interactome 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.09.658393 PMID:40661495	研究论文	提出了一种结合结构同源性和深度学习的计算流程PIONEER2.0，用于高精度预测人类蛋白质相互作用组中的蛋白质-蛋白质界面残基	整合3D结构相似性与几何深度学习，显著优于AlphaFold3在预测界面残基方面的表现，并提供了实验验证	AlphaFold3无法为约一半的人类相互作用组生成高质量结构模型，PIONEER2.0在这些情况下表现更优，但仍存在局限性	研究蛋白质-蛋白质界面残基的预测方法，以帮助理解疾病相关突变的分子机制	人类蛋白质相互作用组中的蛋白质-蛋白质界面	生物信息学	NA	几何深度学习	PIONEER2.0	蛋白质结构数据	1,866个突变和5,010个突变-相互作用对
606	2025-07-16	VNC-Dist: A machine learning-based semi-automated pipeline for quantification of neuronal positioning in the C. elegans ventral nerve cord 2025-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.16.623955 PMID:40661438	研究论文	介绍了一种名为VNC-Dist的半自动化软件工具包，用于量化秀丽隐杆线虫腹神经索中神经元的位置	结合机器学习和计算机辅助工具，替代手动测量，提高神经元位置量化的速度和准确性	需要手动使用Fiji的多点工具进行神经元细胞体定位	研究腹神经索中神经元定位和排列的发育机制	秀丽隐杆线虫腹神经索中的22个运动神经元	数字病理学	NA	深度学习	改进的Segment Anything Model (SAM)	显微镜图像	多个已知破坏腹神经索神经元定位的遗传突变体
607	2025-07-16	Simpatico: accurate and ultra-fast virtual drug screening with atomic embeddings 2025-Jun-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.08.658499 PMID:40661404	研究论文	介绍了一种名为simpatico的新方法，利用表示学习领域的技术，通过图神经网络生成蛋白质和小分子原子的高维嵌入，以快速准确地预测药物候选物与目标蛋白质口袋的相互作用潜力	simpatico方法在准确药物筛选中实现了超过1000倍的速度提升，同时保持了与最准确方法的竞争力，并能探索毒性风险和识别具有相似结合潜力的蛋白质	NA	开发一种快速准确的虚拟药物筛选方法	蛋白质和小分子	机器学习	NA	图神经网络	GNN	分子数据	6亿药物数据库
608	2025-07-16	Educational strategies for teaching metabolic profiles across three endurance training zones 2025-Jun-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00094.2024 PMID:39809450	research paper	本文探讨了一种创新的教育方法，使用代谢板来增强对三个耐力训练区肌肉代谢的理解	提出了一种基于代谢板的互动教育工具，用于简化复杂的生理过程并促进深度学习	NA	探索教育策略以增强对耐力训练区肌肉代谢的理解	肌肉代谢在三个耐力训练区（Z1、Z2、Z3）中的表现	运动科学	NA	NA	NA	NA	NA
609	2025-07-16	Deep Learning on Histopathological Images to Predict Breast Cancer Recurrence Risk and Chemotherapy Benefit 2025-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.15.25327686 PMID:40661301	研究论文	开发了一种基于深度学习的AI模型，通过组织病理学图像和临床病理变量预测乳腺癌复发风险和化疗获益	首次使用多模态深度学习方法从常规组织病理学图像中估计Oncotype DX 21基因复发评分，并在大型随机试验中验证其预测能力	模型在资源有限环境中的实际应用效果尚未完全验证	为激素受体阳性、HER2阴性早期乳腺癌患者提供更易获取的化疗决策工具	激素受体阳性、HER2阴性早期乳腺癌患者	数字病理学	乳腺癌	深度学习	多模态深度学习模型	图像和临床数据	TAILORx试验中的8,284名患者，外部验证队列中的5,497名患者
610	2025-07-16	Classifying Obsessive-Compulsive Disorder from Resting-State EEG using Convolutional Neural Networks: A Pilot Study 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25327094 PMID:40385410	研究论文	使用卷积神经网络（CNN）对静息态脑电图（EEG）数据进行分类，以区分强迫症（OCD）患者与健康对照组	首次将CNN应用于最小预处理后的EEG时频表示数据，用于OCD分类，并探索了结合临床和人口统计信息的多模态融合方法	样本量较小（仅20名参与者），且参与者均为未服药状态，可能限制结果的泛化性	探索深度学习在精神病学应用中的潜力，特别是OCD的诊断	强迫症（OCD）患者与健康对照组的静息态EEG数据	机器学习	强迫症	静息态脑电图（EEG）和Morlet小波变换	CNN, SVM	EEG时频表示数据	20名未服药参与者（10名OCD患者，10名健康对照组）
611	2025-07-16	Trends and Gaps in Public Perception of Genetic Testing for Dementia Risk: Unsupervised Deep Learning of Twitter Posts From 2010 to 2023 2025 Apr-Jun 01, Alzheimer disease and associated disorders DOI:10.1097/WAD.0000000000000667 PMID:40371554	研究论文	本研究利用Twitter数据分析了公众对痴呆症基因检测的看法	使用BERT模型和主题建模技术分析Twitter数据，揭示公众对痴呆症基因检测的看法和趋势	研究仅基于英语推文，可能无法代表全球公众的全面看法	分析公众对痴呆症基因检测的看法和趋势	2010年至2023年间包含相关术语的英语推文	自然语言处理	老年疾病	BERT模型, NER, 主题建模	BERT	文本	3045条原始/源推文
612	2025-07-16	A Large Language Model-Powered Map of Metabolomics Research 2025-Mar-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.18.643696 PMID:40166287	研究论文	本文通过分析超过80,000篇文献，利用PubMedBERT和GPT-4o mini等技术，绘制了代谢组学研究的全面图谱	使用PubMedBERT和GPT-4o mini对文献进行深度分析和主题建模，揭示了代谢组学领域的关键主题和趋势	研究依赖于PubMed数据库的文献，可能未涵盖所有相关研究	绘制代谢组学研究的全面图谱，揭示研究趋势和关键主题	80,000篇代谢组学相关文献	自然语言处理	NA	PubMedBERT, GPT-4o mini, t-SNE	BERT, GPT-4o mini	文本	80,000篇文献
613	2025-07-16	Dementia Overdiagnosis in Younger, Higher Educated Individuals Based on MMSE Alone: Analysis Using Deep Learning Technology 2025-Mar-10, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2025.40.e20 PMID:40065710	研究论文	本研究探讨了单独使用MMSE与结合其他认知评估在预测痴呆诊断中的有效性，旨在提高痴呆诊断的准确性	通过随机森林模型比较单独使用MMSE和结合其他认知测试的效果，发现结合多种认知评估能显著提高诊断精度，特别是在年轻和受教育程度较高的人群中	研究仅基于主观认知抱怨的参与者，可能不适用于所有人群	提高痴呆诊断的准确性	2863名有主观认知抱怨的参与者	机器学习	老年疾病	随机森林模型	随机森林	认知评估数据	2863名参与者
614	2025-07-16	actifpTM: a refined confidence metric of AlphaFold2 predictions involving flexible regions 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf107 PMID:40080667	research paper	本文提出了一种改进的ipTM度量方法actifpTM，用于更准确地评估蛋白质-蛋白质相互作用中的结合信心，特别关注参与相互作用的残基	actifpTM通过专注于参与相互作用的残基，提供了一种更稳健的相互作用信心度量方法，适用于评估多链复合物	NA	改进AlphaFold2预测中涉及柔性区域的信心度量	蛋白质-蛋白质相互作用中的结合信心	生物信息学	NA	AlphaFold2	深度学习模型	蛋白质结构数据	NA
615	2025-07-16	Single Cell Spatial Transcriptomics Reveals Immunotherapy-Driven Bone Marrow Niche Remodeling in AML 2025-Jan-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.24.634753 PMID:39975227	研究论文	该研究利用单细胞空间转录组学技术，揭示了免疫治疗驱动的急性髓系白血病（AML）骨髓微环境重塑	结合单细胞RNA测序数据和单细胞分辨率空间转录组数据，克服了测序深度限制，精确量化了细胞间距离，揭示了免疫治疗后白血病细胞与免疫细胞间的互作变化	研究样本局限于难治性或复发性AML患者，可能无法推广到其他类型的白血病	探究免疫检查点抑制剂联合低甲基化药物治疗难治性或复发性AML时，骨髓微环境中白血病细胞与免疫细胞的时空互作	难治性或复发性AML患者的骨髓样本	数字病理学	急性髓系白血病	单细胞RNA测序、空间转录组学	深度学习模型	转录组数据、图像数据	难治性或复发性AML患者的骨髓样本（具体数量未明确说明）
616	2025-07-16	Venomics AI: a computational exploration of global venoms for antibiotic discovery 2024-Dec-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628923 PMID:39764027	研究论文	本研究利用机器学习和深度学习技术从全球毒液数据集中挖掘潜在的抗菌肽，以应对抗生素耐药性问题	首次将深度学习模型APEX应用于毒液衍生肽的抗菌活性预测，发现了386种结构功能新颖的抗菌肽候选物	实验验证阶段仅测试了58种候选肽中的53种，样本量相对有限	开发新型抗生素以解决日益严重的抗生素耐药性问题	毒液蛋白质及其衍生的加密肽(VEPs)	机器学习	细菌感染	深度学习	APEX(结合肽序列编码器和神经网络的深度学习模型)	蛋白质序列数据	16,123种毒液蛋白质生成的40,626,260个VEPs，其中58个进入实验验证
617	2025-07-16	ANTIPASTI: Interpretable prediction of antibody binding affinity exploiting normal modes and deep learning 2024-12-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.001 PMID:39461331	研究论文	提出了一种名为ANTIPASTI的卷积神经网络模型，用于预测抗体结合亲和力，并利用弹性网络模型生成的正常模式相关图作为输入	ANTIPASTI模型在预测抗体结合亲和力方面达到了最先进的性能，并且其学习到的表示具有可解释性，能够揭示针对相同抗原类型的抗体之间的结合模式相似性	NA	预测抗体结合亲和力，以增强对免疫反应的理解并改进抗体在研究和治疗工具中的应用	抗体-抗原结构	机器学习	NA	弹性网络模型	CNN	结构数据	NA
618	2025-07-16	GeoNet enables the accurate prediction of protein-ligand binding sites through interpretable geometric deep learning 2024-12-05, Structure (London, England : 1993) DOI:10.1016/j.str.2024.10.011 PMID:39488202	研究论文	GeoNet通过可解释的几何深度学习模型准确预测蛋白质-配体结合位点	引入无坐标几何表示来表征局部残基分布，并生成特征空间来描述局部交互生物物理环境，同时捕获残基空间分布和交互生物物理环境信息	未提及具体的数据集规模限制或模型泛化能力的局限性	准确预测DNA、RNA和蛋白质结合位点，以理解蛋白质在体内的功能	蛋白质结合残基	机器学习	NA	几何深度学习	GeoNet	蛋白质结构数据	NA
619	2025-07-16	Predicting protein interactions of the kinase Lck critical to T cell modulation 2024-11-07, Structure (London, England : 1993) DOI:10.1016/j.str.2024.09.010 PMID:39368461	research paper	利用深度学习预测与T细胞调节关键激酶Lck相关的蛋白质相互作用	使用AF2Complex深度学习方法预测Lck的蛋白质相互作用，揭示了Lck与特定蛋白质如棕榈酰转移酶和CD45的新型相互作用机制	研究仅针对约1,000种免疫相关蛋白进行筛选，可能未涵盖所有潜在相互作用	探索T细胞调节中关键激酶Lck的蛋白质相互作用及其分子机制	非受体酪氨酸蛋白激酶Lck及其相互作用蛋白	生物信息学	免疫相关疾病	AF2Complex	深度学习	蛋白质序列和结构数据	约1,000种免疫相关蛋白
620	2025-07-16	ARID3C Acts as a Regulator of Monocyte-to-Macrophage Differentiation Interacting with NPM1 2024-08-02, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00509 PMID:38231884	研究论文	本研究揭示了ARID3C通过与NPM1相互作用，调控单核细胞向巨噬细胞分化的分子机制	首次发现ARID3C作为转录因子调控单核细胞分化，并阐明其与NPM1相互作用的分子机制	未在动物模型中验证ARID3C-NPM1互作的生理功能	阐明ARID3C的生物学功能及其在单核细胞分化中的作用机制	ARID3C蛋白及其互作蛋白NPM1	分子生物学	NA	LC-MS/MS, 深度学习, AlphaFold2预测	深度学习	蛋白质互作数据	NA