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
641	2025-07-23	MMETHANE: interpretable AI for predicting host status from microbial composition and metabolomics data 2024-Dec-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.13.628441 PMID:39713330	研究论文	开发了一个名为MMETHANE的开源软件包，用于从微生物组和代谢组数据预测宿主状态	MMETHANE结合了先验生物学知识，包括系统发育和化学关系，并具有内在可解释性，能输出解释其决策的英文规则集	NA	开发计算工具以链接微生物组组成和代谢物数据到宿主状态	微生物组组成和代谢物数据	机器学习	炎症性肠病	微生物测序和代谢组学测量	深度学习模型	微生物组和代谢组数据	六个数据集
642	2025-07-23	Artificial intelligence-guided design of lipid nanoparticles for pulmonary gene therapy 2024-Dec-10, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02490-y PMID:39658727	研究论文	本文介绍了一种利用深度学习方法优化可离子化脂质设计的新策略，用于肺部基因治疗的脂质纳米颗粒	提出了一种名为“基于神经网络的脂质优化”的深度学习策略，用于设计可离子化脂质，超越了传统的实验筛选和理性设计方法	研究主要基于小鼠和雪貂模型，尚未在人类中进行验证	提高脂质纳米颗粒在肺部基因治疗中的mRNA递送效率	可离子化脂质及其在脂质纳米颗粒中的应用	机器学习	肺部疾病	深度学习	定向消息传递神经网络	脂质纳米颗粒活性测量数据	超过9,000个脂质纳米颗粒活性测量数据，评估了160万种脂质结构
643	2025-07-23	SegCSR: Weakly-Supervised Cortical Surfaces Reconstruction from Brain Ribbon Segmentations 2024-Dec-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.10.626888 PMID:39713375	research paper	提出了一种基于弱监督学习的皮层表面重建方法SegCSR，该方法从大脑MRI带状分割中重建多个皮层表面	通过联合学习微分同胚流来对齐皮层带状分割图的边界，避免了依赖传统CSR流程生成的伪地面实况	方法在具有挑战性的深部皮层沟回中可能需要进一步优化	开发一种不依赖伪地面实况的皮层表面重建方法	大脑MRI图像中的皮层表面	digital pathology	NA	深度学习	NA	MRI图像	两个大规模大脑MRI数据集
644	2025-07-23	SAUSI: an integrative assay for measuring social aversion and motivation 2024-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.13.594023 PMID:38798428	研究论文	介绍了一种名为SAUSI的新型行为任务，用于全面评估小鼠的社会厌恶行为	开发了整合社会动机、犹豫、决策和自由互动元素的新行为任务SAUSI，克服了传统方法的局限性	目前仅在小鼠模型中验证，尚未在人类或其他动物模型中测试	研究社会厌恶行为的生物行为机制	小鼠	行为神经科学	社交焦虑症、自闭症谱系障碍	深度学习分析	NA	行为数据	未明确说明小鼠数量
645	2025-07-23	Risk-Specific Training Cohorts to Address Class Imbalance in Surgical Risk Prediction 2024-Dec-01, JAMA surgery IF:15.7Q1 DOI:10.1001/jamasurg.2024.4299 PMID:39382865	研究论文	本研究评估了在手术风险预测中使用风险特异性训练队列解决类别不平衡问题的效果	通过针对高风险、中风险和低风险手术分别训练模型，提高了对低发生率并发症的预测性能	研究仅基于两家医院的数据，可能缺乏广泛代表性	评估风险特异性训练队列对手术风险预测模型性能的影响	109,445例住院手术患者	机器学习	手术并发症	深度学习	深度学习模型	临床手术数据	109,445例住院手术(来自佛罗里达大学健康系统两家医院)
646	2025-07-23	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	开发一种深度学习算法用于量化炎症性肠病中的潘氏细胞密度	使用两阶段U-net深度学习模型显著提高了潘氏细胞密度量化的准确性，并验证了其作为疾病预后生物标志物的潜力	研究基于回顾性队列，需要前瞻性研究进一步验证模型性能	开发深度学习工具以量化潘氏细胞密度作为炎症性肠病的生物标志物	回肠组织样本中的潘氏细胞	数字病理学	炎症性肠病	深度学习	U-net	全切片图像(WSI)	190例(142例克罗恩病患者和48例非IBD患者)
647	2025-07-23	Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results 2024-Dec, Maedica DOI:10.26574/maedica.2024.19.4.690 PMID:39974461	研究论文	本研究利用U-Net深度学习模型对膝关节MRI扫描中的半月板进行自动检测和分割	提出了一种基于深度学习的实用方法，用于膝关节半月板的分割，并通过骨科医生的真实标注进行验证	数据稀缺和需要针对特定序列进行优化	开发一个自动识别和分割膝关节MRI扫描中半月板的模型	膝关节MRI扫描中的半月板	计算机视觉	骨科疾病	MRI	U-Net	图像	104个膝关节MRI图像用于训练，50个MRI扫描用于微调
648	2025-07-23	ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction 2024-Nov-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01336-y PMID:39586913	研究论文	本文提出了一种名为ViViEchoformer的深度学习方法，通过视频视觉变换器直接从超声心动图视频中回归左心室功能（LVEF）	使用视频视觉变换器（ViViEchoformer）直接从超声心动图视频中回归左心室功能，实现了全自动EF预测	研究仅使用了斯坦福大学医院的10,030个心尖四腔超声心动图视频，可能限制了模型的泛化能力	开发一种能够准确预测射血分数（EF）的深度学习方法，以辅助人类评估和分析	左心室功能（LVEF）的预测	数字病理学	心血管疾病	深度学习（DL）	视频视觉变换器（ViViEchoformer）	视频	10,030个心尖四腔超声心动图视频
649	2025-07-23	Comparison of Three Computational Tools for the Prediction of RNA Tertiary Structures 2024-Nov-08, Non-coding RNA IF:3.6Q2 DOI:10.3390/ncrna10060055 PMID:39585047	研究论文	比较三种计算工具在预测RNA三级结构方面的效用	首次比较RNAComposer、Rosetta FARFAR2和AlphaFold 3在预测RNA三级结构方面的表现，并发现AlphaFold 3在直接从RNA一级序列预测结构方面表现最佳	在预测人类前microRNA和较大BioRNA分子的远端环结构时，三种工具存在显著差异，且这些RNA的三维结构尚未通过实验表征	评估不同计算工具在预测RNA三级结构方面的准确性和适用性	非编码RNA（ncRNAs），包括小干扰RNA药物nedosiran和新型生物工程RNA（BioRNA）分子	计算生物学	NA	RNA三级结构预测	RNAComposer, Rosetta FARFAR2, AlphaFold 3	RNA序列	多种RNA分子，包括nedosiran和BioRNA
650	2025-07-23	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	介绍了一种名为ChromaFold的深度学习模型，能够从单细胞ATAC测序数据预测3D接触图谱	ChromaFold仅需scATAC-seq数据即可预测3D接触图谱，无需依赖Hi-C或其他辅助数据，且在性能上达到当前最佳水平	模型训练需要配对的scATAC-seq和Hi-C数据，这可能在某些情况下限制其应用	通过预测3D染色质相互作用来解析基因调控和解释疾病相关的非编码变异	人类和小鼠的测试细胞类型	计算生物学	NA	scATAC-seq, Hi-C	深度学习模型	单细胞ATAC测序数据	NA
651	2025-07-23	A wearable echomyography system based on a single transducer 2024-Nov, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-024-01271-4 PMID:40677283	研究论文	本文介绍了一种基于单个换能器的可穿戴回声肌电图系统，用于肌肉活动的无线监测	开发了一种完全集成的可穿戴回声肌电图系统，使用单个定制换能器，具有低功耗和无线功能，克服了传统回声肌电图系统体积大、功耗高的限制	未提及系统在不同体型或皮肤类型用户中的适用性，以及长期佩戴的舒适性问题	开发一种新型可穿戴设备，用于准确、长期无线监测肌肉活动	人体肌肉活动，特别是横膈膜和 forearm 肌肉	生物医学工程	NA	回声肌电图	深度学习算法	超声波射频数据	未明确提及具体样本数量
652	2025-07-23	Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention 2024-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.21.619560 PMID:39484541	研究论文	提出了一种名为SHARP的新方法，通过信号分解和多尺度注意力机制来克服分辨率增强Hi-C数据中的人工结构问题	SHARP方法首次将Hi-C数据分解为三种信号类型，并仅对第三种信号类型应用深度学习，同时结合局部和全局注意力机制以捕获多尺度上下文信息	未明确提及具体限制，但可能涉及对新型数据类型的泛化能力或计算资源需求	提高Hi-C数据的分辨率增强准确性，避免人工结构的产生	基因组范围内的染色体构象捕获(Hi-C)数据	生物信息学	NA	Hi-C技术、深度学习	多尺度注意力机制	基因组接触矩阵数据	未明确提及具体样本数量，但包括新样本和另一物种的数据
653	2025-07-23	Postoperative facial prediction for mandibular defect based on surface mesh deformation 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101973 PMID:39089509	研究论文	本研究介绍了一种基于表面网格变形的新型预测模型，用于预测下颌骨缺损患者的术后面部轮廓	采用表面网格理论和深度学习，区别于传统的点云方法，使用表面三角网格网格，通过MCRBM模型提取潜在变量生成三维变形场，提高了几何信息保存和可解释性	NA	提高下颌骨缺损重建术后面部轮廓预测的准确性	下颌骨缺损患者	计算机视觉	口腔颌面疾病	深度学习	MCRBM	三维网格数据	NA
654	2025-07-23	A deep learning approach to detection of oral cancer lesions from intra oral patient images: A preliminary retrospective study 2024-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101975 PMID:39043293	research paper	本研究评估了一种基于深度学习的计算机软件在检测口腔癌病变中的性能	使用YOLOv5架构开发的人工智能模型首次应用于口腔癌病变的检测	样本量较小（仅65张图像），且为回顾性研究	评估深度学习算法在口腔癌病变检测中的应用潜力	口腔鳞状细胞癌（OSCC）病变	digital pathology	oral cancer	deep learning	YOLOv5	image	65张匿名回顾性口腔内患者图像（53张训练集，6张验证集，6张测试集）
655	2025-07-23	Graph-Based Spatial Proximity of Super-Resolved Protein-Protein Interactions Predicts Cancer Drug Responses in Single Cells 2024-Oct, Cellular and molecular bioengineering IF:2.3Q3 DOI:10.1007/s12195-024-00822-1 PMID:39513000	研究论文	开发了一种基于图论的超分辨率蛋白质-蛋白质相互作用（GSR-PPI）技术，用于空间解析单细胞信号网络，并通过深度学习分类模型评估高分辨率显微镜在PPI生物学研究中的应用	提出了一种新的GSR-PPI技术，能够空间解析单细胞信号网络，并通过深度学习模型预测药物反应	研究仅针对EGFR突变细胞和T细胞，可能不适用于其他类型的细胞或癌症	研究空间信号活动在癌症中的作用，以更好地理解药物抵抗机制	EGFR突变（EGFRm）的PC9和HCC827细胞以及T细胞	数字病理学	肺癌	空间邻近连接分析（PLA）、超分辨率显微镜（Zeiss Airyscan, SRRF）	基于图的深度学习模型	图像	超过10,000个EGFRm细胞和T细胞
656	2025-07-23	Generative Modeling of Molecular Dynamics Trajectories 2024-Sep-26, ArXiv PMID:39398217	research paper	本文介绍了利用生成模型学习分子动力学轨迹的灵活多任务替代模型	首次展示了基于生成模型的分子动力学轨迹建模，能够适应多种任务，如正向模拟、过渡路径采样和轨迹上采样，并初步探索了基于动力学的分子设计	仅在四肽模拟和蛋白质单体上进行了验证，尚未在更复杂的分子系统上测试	开发深度学习替代模型以降低分子动力学的计算成本	分子动力学轨迹	machine learning	NA	分子动力学 (MD)	generative model	分子轨迹数据	四肽模拟和蛋白质单体
657	2025-07-23	Small metal artifact detection and inpainting in cardiac CT images 2024-Sep-25, ArXiv PMID:39398205	研究论文	开发了一种自动检测和修复心脏CT图像中金属伪影的深度学习方法	提出了结合2D U-Net和3D图像修复DL模型的新方法，用于自动检测和修复心脏CT中的金属伪影	方法主要针对已重建的CT图像，且需要人工标注金属伪影区域进行训练	提高心脏CT图像中金属伪影的检测和修复精度，以改善心脏运动分析	心脏CT图像中的金属伪影	数字病理	心血管疾病	深度学习	2D U-Net, 3D图像修复DL模型	CT图像	12名患者的心电图门控4DCT扫描数据，以及148名患者的无伪影心脏CT数据用于合成数据集
658	2025-07-23	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-based Tool 2024-Sep-23, ArXiv PMID:39398198	研究论文	开发并验证了一种基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色的全切片图像中预测乳腺癌复发风险	提出了一种新的深度学习模型Deep-BCR-Auto，能够从常规病理图像中预测乳腺癌复发风险，相比现有方法具有更好的性能和更低的成本	研究仅在两个独立队列中进行验证，需要更多样化的临床数据进一步验证模型的泛化能力	开发一种成本效益高的乳腺癌复发风险预测工具，以扩大个性化治疗策略的普及	乳腺癌患者	计算病理学	乳腺癌	深度学习	Deep-BCR-Auto	图像	TCGA-BRCA数据集和俄亥俄州立大学内部数据集
659	2025-07-23	Novel multi-omics deconfounding variational autoencoders can obtain meaningful disease subtyping 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae512 PMID:39413796	研究论文	本文提出了四种基于VAE的去混淆框架，用于多组学数据的聚类分析，有效减少混淆因素的影响并保留真实的生物学模式	创新性地开发了四种VAE去混淆框架，特别是条件多组学VAE (cXVAE)，能够处理模拟的混淆效应并恢复生物学驱动的聚类结构	研究中提出的某些策略（如对抗训练）在去除混淆因素方面效果不足	开发去混淆框架以优化多组学数据的聚类分析，实现有意义的疾病亚型分类和患者分层	多组学数据和患者样本	机器学习	癌症	多组学数据分析	VAE, cXVAE	多组学数据	来自The Cancer Genome Atlas的真实多组学数据，50次重复评估
660	2025-07-23	Deep5hmC: predicting genome-wide 5-hydroxymethylcytosine landscape via a multimodal deep learning model 2024-09-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae528 PMID:39196755	研究论文	介绍了一种名为Deep5hmC的多模态深度学习框架，用于预测全基因组5-羟甲基胞嘧啶（5hmC）修饰	Deep5hmC整合了DNA序列和表观遗传特征（如组蛋白修饰和染色质可及性），在预测5hmC修饰方面表现出显著优于单模态方法和现有机器学习方法的性能	未明确提及具体限制，但可能依赖于特定组织类型的5hmC测序数据的可用性	预测全基因组5hmC修饰，以更好地理解组织特异性基因调控并开发复杂疾病的新生物标志物	人类基因组中的5hmC修饰	机器学习	阿尔茨海默病	5hmC测序	多模态深度学习模型	DNA序列数据、表观遗传数据	四个前脑类器官发育阶段和17种人类组织的5hmC测序数据