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
6401	2025-10-06	Advances in artificial intelligence techniques drive the application of radiomics in the clinical research of hepatocellular carcinoma 2022-Mar, ILIVER.. DOI:10.1016/j.iliver.2022.02.005 PMID:40636134	综述	本文系统介绍了基于人工智能的影像组学在肝细胞癌临床研究中的应用进展	结合人工智能技术发展，为肝细胞癌管理提供解决临床需求的新视角，揭示像素级影像信息与临床问题的关联	NA	探讨人工智能驱动的影像组学在肝细胞癌临床研究中的应用效果	肝细胞癌（HCC）	医学影像分析	肝细胞癌	影像组学，深度学习	NA	医学影像大数据	NA	NA	NA	NA	NA
6402	2025-10-06	A combined microfluidic deep learning approach for lung cancer cell high throughput screening toward automatic cancer screening applications 2021-05-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89352-8 PMID:33963232	研究论文	结合微流控技术与深度学习开发肺癌细胞自动筛查系统	首次将微流控芯片技术与深度学习ResNet18模型结合用于肺癌细胞系的高通量分类	仅使用实验室培养的细胞系数据，未涉及临床患者样本	开发可靠的计算机辅助诊断系统实现肺癌细胞自动分类	五类非小细胞肺癌细胞系和正常支气管上皮细胞系	计算机视觉	肺癌	微流控芯片技术、荧光显微镜成像	CNN	荧光显微镜图像	六种细胞系图像数据	NA	ResNet18	准确率, F1分数	NA
6403	2025-10-06	Computational screening of umami tastants using deep learning 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11006-4 PMID:39422798	研究论文	本研究开发了一种基于深度学习的虚拟筛选流程，用于从大型分子数据库中识别高效鲜味物质	构建了最全面的鲜味分子分类数据集，首次开发了基于Transformer架构的鲜味物质分类模型和鲜味化合物效价预测神经网络模型	鲜味分子知识有限，模型性能可能受数据集规模限制	开发高效识别新型鲜味物质的虚拟筛选方法	鲜味和非鲜味分子	机器学习	NA	分子对接，虚拟筛选	Transformer, 神经网络	分子结构数据，化学特征数据	867个分子（439个鲜味分子和428个非鲜味分子），FooDB数据库中约70,000个分子	NA	Transformer	准确率	NA
6404	2025-10-06	iDCNNPred: an interpretable deep learning model for virtual screening and identification of PI3Ka inhibitors against triple-negative breast cancer 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11055-9 PMID:39648257	研究论文	开发了一种基于可解释深度学习的虚拟筛选模型iDCNNPred，用于识别针对三阴性乳腺癌的PI3Kα抑制剂	首次将2D分子图像与可解释深度学习结合用于PI3Kα抑制剂筛选，并采用Grad-CAM技术增强模型预测的可解释性	模型验证样本量有限，仅通过体外实验验证了4个先导化合物	开发虚拟筛选方法识别新型PI3Kα抑制剂用于三阴性乳腺癌治疗	PI3Kα抑制剂小分子化合物	计算药物发现	三阴性乳腺癌	分子对接，体外PI3K抑制实验	CNN	2D分子图像	Maybridge化合物库中的分子，最终验证12个候选分子	NA	Custom-DCNN, AlexNet, SqueezeNet, VGG19	模型复杂度，内存使用量，生物活性分类准确率	NA
6405	2025-10-06	GraphkmerDTA: integrating local sequence patterns and topological information for drug-target binding affinity prediction and applications in multi-target anti-Alzheimer's drug discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11065-7 PMID:39792322	研究论文	提出了一种结合局部序列模式和拓扑信息的深度学习模型GraphkmerDTA，用于药物-靶点结合亲和力预测，并在多靶点抗阿尔茨海默病药物发现中应用	首次将Kmer特征与结构拓扑信息相结合，通过图神经网络提取拓扑特征，同时利用全连接网络学习蛋白质的局部序列模式	未明确提及模型的具体局限性	开发更准确的药物-靶点结合亲和力预测方法，并应用于多靶点抗阿尔茨海默病药物发现	药物分子、蛋白质靶点、阿尔茨海默病相关化合物	机器学习	阿尔茨海默病	Kmer特征提取、图神经网络、分子对接	图神经网络、全连接网络	蛋白质序列、分子结构	超过两千种化合物的筛选库	NA	GraphkmerDTA	NA	NA
6406	2025-10-06	Deep Learning-Based Signal Amplification of T1-Weighted Single-Dose Images Improves Metastasis Detection in Brain MRI 2025-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001166 PMID:39961132	研究论文	本研究开发了一种基于深度学习的对比信号放大方法，将真实单剂量T1加权图像转换为人工双剂量图像，用于提高脑转移瘤的检测能力	首次使用深度学习技术将单剂量对比增强MRI图像转换为人工双剂量图像，避免了真实双剂量扫描对患者和环境的影响	样本量较小（30名参与者），在人工双剂量图像上观察到描述性假阳性增加趋势	评估基于深度学习的对比信号放大方法在脑转移瘤检测中的价值	30名参与者（平均年龄58.5±11.8岁，23名女性）的脑MRI图像	医学影像分析	脑转移瘤	磁共振成像（MRI），T1加权成像	深度学习	医学影像	30名参与者	NA	NA	灵敏度，假阳性率	NA
6407	2025-10-06	Deep learning in the discovery of antiviral peptides and peptidomimetics: databases and prediction tools 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11173-y PMID:40153158	综述	本文综述了抗病毒肽及其模拟物的数据库资源、理化特性及基于机器学习的预测工具在抗病毒肽发现中的应用	系统总结了抗病毒肽研究领域的关键数据库资源和机器学习预测工具，提出了未来发展的重点方向	现有数据库存在数据集规模小、注释不完整、与多组学数据整合不足的问题，预测工具面临过拟合、实验验证有限和机制解释不足的挑战	促进抗病毒肽及其模拟物的发现与研究	抗病毒肽及其模拟物	机器学习	病毒感染	机器学习，深度学习	NA	序列数据，理化特性数据	NA	NA	NA	NA	NA
6408	2025-10-06	Integrating deep learning and molecular dynamics simulations for FXR antagonist discovery 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11145-2 PMID:40172823	研究论文	本研究结合深度学习和分子动力学模拟发现新型FXR拮抗剂	首次将深度学习模型与分子动力学模拟相结合用于FXR拮抗剂发现	仅使用HMDB数据库进行筛选，未进行实验验证	发现新型FXR拮抗剂用于代谢疾病治疗	HMDB数据库中的217,345个化合物	机器学习	代谢疾病	分子动力学模拟，结合自由能计算	深度学习模型	化学化合物数据	217,345个化合物，筛选出11个候选代谢物	NA	NA	结合自由能	NA
6409	2025-10-06	QMGBP-DL: a deep learning and machine learning approach for quantum molecular graph band-gap prediction 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11178-7 PMID:40252145	研究论文	提出一种结合深度学习与机器学习的量子分子图带隙预测方法QMGBP-DL	将分子图编码器与机器学习模型相结合，通过图卷积网络从SMILES字符串提取化学结构潜在表示，并与随机森林等传统机器学习模型集成	NA	提高分子和材料带隙能量的预测准确性	量子分子和材料	机器学习	NA	分子图编码，SMILES字符串处理	GCN，随机森林	分子图数据	QM9、PCQM4M和OPV数据集	NA	图卷积网络	MAE	NA
6410	2025-10-06	Cangrelor and AVN-944 as repurposable candidate drugs for hMPV: analysis entailed by AI-driven in silico approach 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11206-6 PMID:40316857	研究论文	本研究通过人工智能驱动的计算机模拟方法，筛选出坎格瑞洛和AVN-944作为抗人偏肺病毒(hMPV)的候选药物	首次开发基于深度学习的药效团模型筛选hMPV治疗药物，并通过分子动力学模拟验证蛋白-药物复合物稳定性	需要进一步的体外和体内实验验证候选药物的疗效	寻找针对人偏肺病毒F蛋白的可再利用候选药物	人偏肺病毒F蛋白及其与药物的相互作用	药物发现	呼吸道感染	深度学习药效团模型、虚拟筛选、分子动力学模拟	深度学习模型	分子结构数据、药物数据库	2400种FDA批准药物和255种抗病毒药物	NA	NA	ROC曲线、皮尔逊相关性、自由能景观、动态交叉相关矩阵	NA
6411	2025-10-06	Machine learning approaches for predicting the small molecule-miRNA associations: a comprehensive review 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11211-9 PMID:40392452	综述	本文全面回顾了机器学习方法在预测小分子-miRNA关联方面的研究进展	对32种基于机器学习的SMA预测方法进行了详尽普查，并按六种类型分类分析，首次进行了算法使用趋势和性能成就的模式分析	NA	增强对SM-miRNA相互作用的理解，为疾病诊断和治疗提供潜在靶点	小分子(SMs)与微RNA(miRNAs)之间的关联关系	机器学习	多种人类疾病	机器学习	经典机器学习,深度学习,矩阵分解,网络传播,图学习,集成学习	SM-miRNA关联数据	NA	NA	NA	NA	NA
6412	2025-10-06	Brain age prediction from MRI scans in neurodegenerative diseases 2025-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001383 PMID:40396549	综述	本文探讨了基于MRI扫描的脑年龄预测作为神经退行性疾病生物标志物的应用	将脑年龄作为量化神经生物学衰老的非侵入性生物标志物，结合深度学习和多模态成像技术提高预测准确性和可解释性	存在标准化实施困难、人口统计学偏差和模型可解释性等挑战	开发神经退行性疾病的早期检测工具和疾病监测方法	阿尔茨海默病、轻度认知障碍和帕金森病患者	医学影像分析	神经退行性疾病	MRI扫描，多模态成像	深度学习	医学影像	NA	NA	NA	脑预测年龄差异	NA
6413	2025-10-06	Discovery of novel potential 11β-HSD1 inhibitors through combining deep learning, molecular modeling, and bio-evaluation 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11171-0 PMID:40397334	研究论文	本研究通过结合深度学习、分子建模和生物评估方法发现新型11β-HSD1抑制剂	使用基于门控循环单元(GRU)的循环神经网络构建分子生成模型，并通过迁移学习生成潜在11β-HSD1抑制剂	发现的化合物02具有抑制活性但效果不如对照药物	开发新型11β-HSD1抑制剂用于治疗葡萄糖耐受不良、胰岛素抵抗、血脂异常和肥胖	11β-羟基类固醇脱氢酶1型(11β-HSD1)抑制剂	机器学习	代谢性疾病	深度学习,分子对接,分子动力学模拟,ADME/T分析	GRU,RNN	分子结构数据	1,854,484个药物样分子来自ChEMBL和美国专利数据库	NA	GRU	结合自由能,体外活性验证	NA
6414	2025-10-06	Drug repurposing to identify potential FDA-approved drugs targeting three main angiogenesis receptors through a deep learning framework 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11214-6 PMID:40418485	研究论文	通过深度学习框架识别FDA批准药物作为血管生成受体多靶点抑制剂的研究	首次采用集成分类和回归模型的深度学习方法，同时针对三种关键血管生成受体(VEGFR、FGFR、EGFR)进行多靶点药物筛选	研究基于计算模拟筛选，需要后续实验验证筛选结果的生物学有效性	开发药物重定位方法，从FDA批准药物中发现血管生成受体多靶点抑制剂	2000多种FDA批准药物	机器学习	癌症	虚拟筛选	深度自编码器,集成学习	分子数据	2000多种FDA批准药物	NA	深度自编码器	概率阈值(>0.9),模型一致性(>70%)	NA
6415	2025-10-06	Integrated machine learning-based virtual screening and biological evaluation for identification of potential inhibitors against cathepsin K 2025-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-10845-5 PMID:38662177	研究论文	本研究通过机器学习和深度学习虚拟筛选结合生物评价，识别出针对组织蛋白酶K的潜在抑制剂	首次结合机器学习和深度学习虚拟筛选方法识别新型抗骨质疏松剂，并通过综合计算验证其稳定性	仅对10种候选化合物进行了实验验证，样本量有限	开发针对组织蛋白酶K的抑制剂用于骨质疏松治疗	组织蛋白酶K及其小分子抑制剂	机器学习	骨质疏松症	虚拟筛选、分子对接、MD模拟、MM/PBSA计算、ADMET预测	机器学习,深度学习	化学化合物数据	10种候选化合物	NA	NA	抑制率(50%抑制浓度0.1μM)	NA
6416	2025-10-06	Modeling Nonradiative Recombination in CsPbI3 and Ge-Doped Perovskites Via Deep Learning with CNN and Transformer Architectures 2025-Jul-10, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01669 PMID:40576303	研究论文	通过深度学习模型预测钙钛矿材料中的非辐射复合过程，并分析Ge掺杂对复合寿命的影响	首次将CNN和Transformer架构应用于钙钛矿非绝热耦合的预测，揭示了Ge掺杂通过增强局域振动和电荷分布局域化来延缓非辐射复合的微观机制	研究局限于CsPbI3和Ge掺杂体系，未验证其他掺杂体系或更复杂材料的适用性	开发高效预测钙钛矿材料非辐射复合率的深度学习方法	CsPbI3和Ge掺杂钙钛矿材料	机器学习	NA	密度泛函理论，非绝热分子动力学，Hammes-Schiffer-Tully策略，规范保持插值策略	CNN, Transformer	量子化学计算数据	NA	NA	ResNetPlus, TSTPlus, 四种卷积神经网络，三种Transformer结构	决定系数R	NA
6417	2025-10-06	BIScreener: enhancing breast cancer ultrasound diagnosis through integrated deep learning with interpretability 2025-Jul-10, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay00475f PMID:40586715	研究论文	提出一种可解释深度学习模型BIScreener，通过乳腺超声图像预测BI-RADS分类以提升乳腺癌诊断效率	集成三种预训练卷积神经网络的堆叠泛化方法，结合可解释性技术提升乳腺癌超声诊断的准确性和效率	仅使用两种特定超声设备（迈瑞R5和日立）的数据，未验证在其他设备上的泛化能力	开发可解释深度学习系统辅助乳腺癌超声诊断和BI-RADS分类评估	乳腺超声图像	计算机视觉	乳腺癌	超声成像	CNN	图像	NA	NA	预训练卷积神经网络集成	准确率, ROC-AUC	NA
6418	2025-10-06	In-silico CT simulations of deep learning generated heterogeneous phantoms 2025-Jul-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ade9c9 PMID:40587975	研究论文	本研究使用3D双重U-Net条件生成对抗网络生成具有器官内部纹理变化的虚拟体模，并通过CT模拟验证其真实性	首次使用3D双重U-Net条件生成对抗网络生成包含器官内部异质性纹理的虚拟体模，相比传统均质体模方法在多个指标上显著提升	模型仅在378个CT图像-分割对上进行训练，测试集仅包含18对数据，样本规模有限	开发能够生成具有真实器官内部纹理变化的虚拟成像体模，提高计算机模拟成像试验的真实性	躯干区域器官的虚拟体模	计算机视觉	NA	CT成像	GAN, 3D Double U-Net	CT图像	378个训练CT图像-分割对，18个测试对	NA	3D Double U-Net, 条件生成对抗网络	平均绝对差异，结构相似性指数，峰值信噪比，最大均值差异	NA
6419	2025-10-06	A transformer-based network with second-order pooling for motor imagery EEG classification 2025-Jul-10, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adeae8 PMID:40602422	研究论文	提出一种融合转置注意力机制和二阶池化的Transformer网络(SecTNet)用于运动想象脑电信号分类	首次将二阶池化与注意力机制结合，通过黎曼几何处理EEG信号的协方差结构，并自适应建模通道间依赖关系	未明确说明模型计算复杂度及在更大规模数据集上的表现	提升运动想象脑电信号的解码准确性和泛化能力	运动想象脑电信号(EEG)	脑机接口	NA	脑电图(EEG)	Transformer, CNN	脑电信号	BCI competition IV 2a数据集和OpenBMI数据集	NA	SecTNet（包含多尺度时空卷积模块、转置注意力机制和二阶池化层）	准确率	NA
6420	2025-07-11	Intelligent quality assessment of ultrasound images for fetal nuchal translucency measurement during the first trimester of pregnancy based on deep learning models 2025-Jul-10, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-025-07863-y PMID:40634883	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA