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
6461	2026-03-29	NeuroMDAVIS: Visualization of Single-Cell Multi-Omics Data under Deep Learning Framework 2026-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261423965 PMID:41744270	研究论文	本文提出了一种名为NeuroMDAVIS的新型无监督深度神经网络模型，用于单细胞多组学数据的联合可视化	NeuroMDAVIS是首个为多模态生物数据集提供联合可视化能力的模型，能够同时捕获模态特定信息和跨模态共同信息	未在摘要中明确提及	解决单细胞多组学数据的高维可视化挑战，实现数据的降维和联合可视化	单细胞多组学数据	机器学习	NA	单细胞技术	深度神经网络	多组学数据	NA	NA	NA	准确率, 精确率, 召回率, F1分数, 聚类有效性指数	NA
6462	2026-03-29	DP-OTG: A Feature-Free Deep Learning Model for Accurate Prediction of Human O-Linked Threonine Glycosylation Sites 2026-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261424278 PMID:41762162	研究论文	本研究提出了一种名为DP-OTG的免特征深度学习模型，用于准确预测人类蛋白质O-连接苏氨酸糖基化位点	提出了一种免特征、端到端的深度学习框架，无需手动特征工程，通过混合架构自动从原始蛋白质序列中学习序列模式	未明确说明模型在跨物种预测或处理极低丰度糖基化位点方面的泛化能力	开发一种高效的计算工具来预测人类蛋白质O-连接苏氨酸糖基化位点，以替代昂贵且耗时的实验检测方法	人类蛋白质序列及其O-连接苏氨酸糖基化位点	生物信息学	癌症, 神经系统疾病	深度学习	CNN, BiLSTM	蛋白质序列（文本数据）	未明确说明具体样本数量，但使用了平衡和不平衡测试集进行验证	未明确说明，但代码已开源	多核卷积神经网络, 双向长短期记忆网络, 可训练嵌入层	准确率, 马修斯相关系数	未明确说明
6463	2026-03-29	Artificial intelligence in preterm birth prediction: a narrative review of current approaches and clinical applicability 2026-Mar, Obstetrics & gynecology science IF:2.0Q2 DOI:10.5468/ogs.26043 PMID:41775248	综述	本文是一篇关于人工智能在早产预测中应用现状、方法学质量及临床适用性的叙述性综述	系统性地评估了不同数据模态下AI预测早产的方法学质量和临床适用性，并指出了当前研究在方法学严谨性上的普遍不足	综述本身不产生新数据，且指出纳入的研究普遍存在样本量不足、缺乏外部验证、未报告校准指标以及高偏倚风险等局限性	评估人工智能在早产预测领域的应用现状、方法学质量及临床适用性	用于预测自发性早产的机器学习模型及相关研究	机器学习	早产	电子健康记录分析、超声图像分析、宫颈纹理和影像组学特征提取、弹性成像参数、多组学整合	深度学习, Transformer	电子健康记录, 超声图像, 多组学数据	NA	NA	Transformer	受试者工作特征曲线下面积	NA
6464	2026-03-29	Parameter Estimation from Phylogenetic Trees Using Neural Networks and Ensemble Learning 2026-Feb-25, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf060 PMID:40899780	研究论文	本文提出了一种新的集成神经网络方法，用于从系统发育树中估计物种多样化参数	利用多种神经网络（密集神经网络、图神经网络和长短期记忆循环网络）的集成方法，同时从系统发育树的图表示、分支时间和汇总统计中学习，提高了参数估计的效率和准确性	与最大似然估计方法类似，该方法在延展的出生-死亡过程下仍无法精确恢复参数	估计物种多样化参数，包括物种形成和灭绝速率	时间校准的系统发育树	机器学习	NA	深度学习	DNN, GNN, LSTM	图数据、时间序列数据、汇总统计数据	NA	NA	密集神经网络、图神经网络、长短期记忆循环网络	估计速度、偏差、对树大小的敏感性	NA
6465	2026-03-29	Deep models of protein evolution in time generate realistic evolutionary trajectories and functional proteins 2026-Feb-20, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.19.706898 PMID:41757065	研究论文	本文介绍了一种名为PEINT的深度学习框架，用于模拟蛋白质序列随时间演变的过程，并生成具有功能性的蛋白质	PEINT框架突破了传统模型中位点独立演化的简化假设，能够学习位点间复杂相互作用，直接从原始序列学习插入缺失动态，并准确模拟自然进化特征	NA	开发一个能够模拟蛋白质真实进化轨迹并生成功能性蛋白质的深度学习模型	蛋白质序列及其进化过程	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	数百万个跨越不同折叠家族的蛋白质序列	NA	NA	NA	NA
6466	2026-03-29	Deep learning-based battery health prediction for enhancing electric vehicle performance 2026-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39911-8 PMID:41714349	研究论文	本研究提出了一种混合深度学习框架，用于智能电动汽车电池健康诊断，以提高电池诊断的可靠性和可持续性	提出了一种集成了1D-CNN、TCN、LSTM层和注意力机制的混合深度学习框架，用于电池健康状态预测，在精度、推理延迟和能耗方面均优于传统基线模型	未明确提及	通过智能电池健康诊断，提升电动汽车性能，并支持可持续发展目标7（经济适用的清洁能源）	电动汽车电池的健康状态	机器学习	NA	差分电压分析、差分电流分析、增量容量分析	CNN, LSTM, TCN	电池充放电循环数据	来自NASA PCoE、牛津和CALCE电池退化数据集的超过10,000个充放电循环	NA	1D-CNN, TCN, LSTM	准确率, RMSE	NA
6467	2026-03-29	AI accelerate the identification of druggable targets by 3D structures of proteins and compounds 2026-Feb-14, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01310-7 PMID:41691035	综述	本文综述了人工智能在肿瘤药物开发中的应用，特别是在靶点识别、虚拟筛选和从头分子设计方面的进展	系统性地总结了AI如何通过预测蛋白质三维结构、评估靶点成药性、加速虚拟筛选和从头药物设计来革新肿瘤药物开发流程	讨论了AI药物开发面临的主要挑战，包括数据质量、模型可解释性、计算资源限制以及伦理和监管问题	概述人工智能技术在加速肿瘤药物开发，特别是靶点识别和化合物筛选方面的应用与挑战	蛋白质三维结构、化合物库、药物-靶点相互作用、分子性质	机器学习	肿瘤	机器学习，深度学习	神经网络	分子结构数据，蛋白质结构数据，化学库数据	NA	NA	NA	NA	NA
6468	2026-03-29	Kinic index: an artificial intelligence-driven predictive model and multitarget drug discovery framework for hepatocellular carcinoma patients 2026-Feb-14, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01324-1 PMID:41691080	研究论文	本研究建立了一个名为Kinic指数（KI）的人工智能预测模型，用于肝细胞癌（HCC）患者的风险分层、预后预测和多靶点药物发现	首次将异烟酰化（K）修饰与多组学数据整合，通过人工智能模型（KI）对HCC患者进行亚型分类，并结合GraphBAN深度学习和ADMET-AI筛选，优先针对CYP2C9和G6PD进行多靶点药物发现	未明确说明模型在外部验证集上的泛化能力，以及候选化合物的体内实验验证结果	开发一个AI驱动的预测模型和药物发现框架，以改善肝细胞癌患者的预后和治疗选择	肝细胞癌（HCC）患者	机器学习	肝细胞癌	多组学数据整合，单细胞转录组分析，空间转录组分析	LASSO, RSF, 深度学习	多组学数据，转录组数据	NA	GraphBAN, ADMET-AI	NA	总体生存率，结合亲和力验证	NA
6469	2026-03-29	Computational frameworks for enhanced extracellular vesicle biomarker discovery 2026-Feb, Experimental & molecular medicine DOI:10.1038/s12276-025-01622-x PMID:41535547	综述	本文综述了利用人工智能等先进计算框架，整合多源数据资源，以加速细胞外囊泡生物标志物的发现与临床转化	提出结合人工智能驱动的蛋白质结构和理化性质预测，优化生物标志物候选物，确保与现有检测系统的兼容性，从而弥合发现与临床应用之间的差距	NA	加速细胞外囊泡生物标志物从发现到临床应用的转化，以增强精准医疗	细胞外囊泡生物标志物	机器学习	NA	多组学整合	深度学习	多组学数据、蛋白质定位数据、组织特异性数据、药物数据、模型系统数据、免疫数据库	NA	NA	NA	预测性能、生物学合理性、临床实用性	NA
6470	2026-03-29	Identifying a conserved transcriptional signature of drought and salt stress in Arabidopsis thaliana through meta-analysis, consensus network analysis, and deep learning 2026-Feb-01, Genetica IF:1.3Q4 DOI:10.1007/s10709-026-00261-y PMID:41620995	研究论文	本研究通过整合元分析、共识网络分析和深度学习，系统识别了拟南芥在干旱和盐胁迫下的保守转录特征和关键调控基因	首次将元分析、共识网络分析和深度学习三种方法协同整合，构建了一个新颖的分析框架，用于稳健识别跨胁迫的保守响应基因和核心调控网络	研究仅基于拟南芥的转录组数据，结果在作物中的直接应用需要进一步验证；样本量相对有限（64个样本）	理解植物对非生物胁迫（干旱和盐胁迫）的响应机制，并识别可用于工程化气候韧性作物的关键遗传靶点	拟南芥（Arabidopsis thaliana）	机器学习	NA	转录组测序（RNA-seq）	Autoencoder, MLP	转录组数据	64个样本（来自多个研究的干旱和盐胁迫条件数据集）	NA	Autoencoder, MLP	准确率, AUC	NA
6471	2026-03-29	RNFL Thickness in a Population-Based Cohort: The Canadian Longitudinal Study on Aging M2M (Machine-to-Machine) Study 2026-Jan, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.09.051 PMID:41052566	研究论文	本研究利用基于深度学习的M2M模型从眼底照片中估计视网膜神经纤维层厚度，并在加拿大老龄化纵向研究的大规模队列中评估了其与年龄、性别、种族及自我报告青光眼等因素的关联	首次在基于人群的大型队列研究中应用M2M深度学习模型从眼底照片估计RNFL厚度，验证了该模型在流行病学研究中进行可扩展结构评估的实用性	研究为横断面设计，无法确定因果关系；RNFL厚度基于模型预测而非直接OCT测量；依赖自我报告的青光眼诊断可能存在误报	评估加拿大老龄化纵向研究队列中与视网膜神经纤维层厚度相关的因素	加拿大老龄化纵向研究基线综合队列的参与者，年龄45-85岁	数字病理学	青光眼	眼底摄影，光学相干断层扫描	深度学习	图像	28,114名参与者	NA	M2M	Pearson相关系数，回归系数	NA
6472	2026-03-29	AutoGlom: software tool for segmentation and analysis of magnetic resonance images of the kidney 2026-Jan-01, American journal of physiology. Renal physiology DOI:10.1152/ajprenal.00325.2025 PMID:41264403	研究论文	本文介绍了一款名为AutoGlom的开源软件工具，该工具集成了人工智能技术，用于肾脏三维磁共振图像的自动分割、分析和可视化	开发了首个开源、模块化、可扩展的肾脏MRI分析软件，集成了深度学习分割算法，并引入了新的图像质量指标（肾小球对比度）以提高可靠性，同时设计了3D打印支架实现多肾脏高通量成像	当前版本主要专注于形态学分割和量化，尚未扩展到体内研究或其他成像模态	开发标准化、可重复的肾脏磁共振图像分析工具，以加速肾脏成像生物标志物的发现	小鼠肾脏（离体）	数字病理学	肾脏疾病	阳离子铁蛋白增强磁共振成像（CFE-MRI）	深度学习	三维磁共振图像	最多可同时成像16个小鼠肾脏	NA	NA	肾小球对比度	NA
6473	2026-03-29	Consensus Molecular Subtypes (CMS) Classification: a progress towards Subtype-Driven treatments in colorectal cancer 2025-Nov-24, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-025-04117-1 PMID:41276825	综述	本文综述了结直肠癌的共识分子亚型（CMS）分类，包括其预后预测价值、识别方法、与免疫治疗等个性化治疗的关联，以及临床应用中面临的挑战	系统总结了基于基因表达谱、免疫组化和深度学习图像模型的CMS分类方法，并探讨了单细胞测序等新兴技术如何解决肿瘤内异质性等临床采纳障碍	肿瘤内异质性和技术标准化不足阻碍了CMS分类的广泛临床应用	回顾CMS分类在结直肠癌预后预测和个性化治疗指导方面的进展与挑战	结直肠癌及其共识分子亚型（CMS1-4）	数字病理学	结直肠癌	基因表达谱分析, 免疫组化（IHC）, 单细胞RNA测序, 深度学习	深度学习模型	基因表达数据, 病理图像	NA	NA	NA	NA	NA
6474	2026-03-29	Comparing innovative artificial intelligence algorithms to assess echocardiographic videos for clinical modeling 2025-11, The Journal of thoracic and cardiovascular surgery IF:4.9Q1 DOI:10.1016/j.jtcvs.2025.01.008 PMID:39842544	研究论文	本研究比较了多种动态深度学习算法，利用超声心动图视频开发预测模型，并评估样本量对性能指标的影响	在监督学习和半监督学习框架下，比较了3D CNN、视频视觉Transformer及混合CNN-LSTM模型在不同样本量下的性能，发现半监督学习模型使用未标记数据可达到与仅使用标记数据模型相当的性能	研究仅基于特定样本量（200、400、800视频数据集）进行评估，未涵盖更广泛或更小的样本规模，且模型性能可能受数据质量和标注一致性影响	开发并比较基于超声心动图视频的预测模型，优化样本量使用以提高性能	超声心动图视频数据	计算机视觉	心血管疾病	超声心动图成像	3D CNN, 视频视觉Transformer, CNN-LSTM混合模型	视频	200、400、800视频数据集	NA	ResNet3D, ResNet+LSTM	平均绝对误差, 均方根误差	NA
6475	2026-03-29	Leveraging learned representations and multitask learning for lysine methylation site discovery 2025-Sep-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.27.672583 PMID:40950037	研究论文	本文提出了一种基于Transformer的深度学习模型MethylSight 2.0，用于预测赖氨酸甲基化位点，并通过质谱实验验证了其有效性	利用深度学习最新进展，首次将Transformer架构应用于赖氨酸甲基化位点预测，并结合多任务学习整合其他赖氨酸翻译后修饰信息，实现了最先进的预测精度	模型主要针对赖氨酸甲基化位点，对于非组蛋白底物的甲基化机制理解仍有限，且实验验证的样本规模相对较小	提高赖氨酸甲基化位点的预测准确性，以促进赖氨酸甲基组图谱的绘制和癌症药物靶点的识别	蛋白质中的赖氨酸甲基化位点，特别是非组蛋白底物	自然语言处理	癌症	质谱实验	Transformer	序列数据	NA	NA	Transformer	准确性	NA
6476	2026-03-29	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2025-May-30, Research square DOI:10.21203/rs.3.rs-6622868/v1 PMID:40502758	研究论文	本研究通过多中心评估，利用放射组学和深度学习技术对IPMNs的恶性风险进行分层	首次在IPMN的囊肿级别恶性风险分层中探索并融合了放射组学和深度学习特征，并在多中心队列中验证了其可行性	模型性能仍需提升才能独立应用于临床，且样本量相对有限	评估AI在预测IPMN异型增生等级方面的可行性，以改善诊断准确性并减少不必要的手术干预	IPMNs（胰腺导管内乳头状黏液性肿瘤）的囊肿	计算机视觉	胰腺癌	T2W MRI成像	深度学习模型	图像	359个T2W MRI图像，来自七个中心	NA	2D和3D放射组学模型、深度学习模型、放射组学-深度学习融合模型	AUC	NA
6477	2026-03-29	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2024-11-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53628-0 PMID:39487131	研究论文	本文介绍了ChromaFold，一种深度学习模型，能够仅从单细胞ATAC测序数据预测3D接触图谱和调控相互作用	ChromaFold是首个仅使用单细胞ATAC测序数据预测3D接触图谱的模型，无需Hi-C或ChIP-seq数据，实现了在有限细胞数下的高分辨率预测	模型训练依赖于配对的scATAC-seq和Hi-C数据，可能受限于数据可用性和质量	预测细胞类型特异性的3D染色质相互作用，以解析基因调控和解释疾病相关的非编码变异	人类和小鼠样本中的单细胞染色质可及性数据	计算生物学	NA	单细胞ATAC测序（scATAC-seq），Hi-C	深度学习模型	染色质可及性数据，CTCF基序轨迹	人类和小鼠的多种测试细胞类型	NA	轻量级架构	准确性	标准GPU
6478	2026-03-29	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	研究论文	本研究开发了一个名为AmyloidPETNet的端到端深度学习模型，用于对最小化处理的脑部PET扫描进行淀粉样蛋白阳性或阴性的自动分类	该模型无需依赖经验丰富的放射科医生或结构MRI，可直接对最小化处理的PET扫描进行端到端分类，并在不同示踪剂和独立数据集上表现出良好的泛化能力	本研究为回顾性研究，模型性能在主要为模棱两可的病例样本上与医生的一致性仅为一般水平	开发一个深度学习模型，用于自动、准确地分类脑部PET扫描的淀粉样蛋白状态，并评估其在不同数据集和示踪剂上的性能	脑部PET扫描图像	数字病理学	阿尔茨海默病	PET成像	深度学习模型	图像	8476次PET扫描（6722名患者），训练集1538次扫描（766名患者），验证集205次扫描（95名患者），内部测试集184次扫描（95名患者）	NA	AmyloidPETNet	AUC, 其他性能指标, Cohen κ	NA
6479	2026-03-29	Graph Structured Neural Networks for Perturbation Biology 2024-Feb-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.28.582164 PMID:38464019	研究论文	本文提出了一种称为图结构化神经网络（GSNN）的新方法，用于扰动生物学中的计算建模，以更准确地预测分子相互作用和细胞反应	提出了一种替代传统图神经网络（GNN）的GSNN方法，通过将细胞信号知识编码为图数据结构，为深度学习添加归纳偏置，从而鼓励更具机制性的预测逻辑	方法需要进一步精炼才能产生适用于临床决策辅助的可信药物反应模型	开发能够更准确捕获分子相互作用序列并支持精准医学实现的扰动生物学计算模型	分子元素与细胞反应之间的关系，特别是药物扰动下的基因表达、细胞活力和疾病特异性药物优先排序	机器学习	NA	NA	GSNN	图数据	使用LINCS L1000数据集和文献整理的分子相互作用数据	NA	图结构化神经网络	NA	NA
6480	2026-03-29	Direct Observation and Automated Measurement of Stomatal Responses to Pseudomonas syringae pv. tomato DC3000 in Arabidopsis thaliana 2024-02-09, Journal of visualized experiments : JoVE DOI:10.3791/66112 PMID:38407316	研究论文	本文介绍了一种评估拟南芥气孔对细菌入侵反应的新方法，包括喷雾接种、便携式成像设备直接观察和基于深度学习的图像分析管道自动测量气孔孔径	结合便携式成像设备和深度学习图像分析管道，实现了在植物不离体条件下直接观察和自动测量气孔对细菌入侵的动态响应，更贴近自然感染过程	方法目前仅应用于拟南芥，可能不适用于其他植物物种；便携式设备的分辨率和适用性可能有限	开发一种更简便、更贴近自然条件的方法来评估植物气孔对病原细菌入侵的响应	拟南芥（Arabidopsis thaliana）的气孔及其对Pseudomonas syringae pv. tomato DC3000（Pto）入侵的反应	植物病理学与计算机视觉交叉	植物细菌性病害	喷雾接种、便携式成像设备观察、深度学习图像分析	深度学习模型	图像	NA	NA	NA	NA	NA