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
6681	2026-01-13	SSIF-Affinity: Multimodal Deep Learning of Sequence-Structure Features for Precise Protein-Protein Binding Affinity Prediction 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01734 PMID:41392472	研究论文	提出一种名为SSIF-affinity的多模态深度学习框架，用于高精度预测蛋白质-蛋白质复合物的结合亲和力	创新性地结合了结合界面定位与几何约束区域构建、结构引导的跨模态注意力模块，以及全序列特征与结合区域结构特征的协同表示机制，有效平衡了界面相互作用与长程相互作用的贡献	未明确说明模型在更广泛的蛋白质-蛋白质相互作用类型上的泛化能力，以及计算效率的具体数据	实现蛋白质-蛋白质复合物结合亲和力的高精度定量预测，以辅助生物机制解析和治疗性抗体开发	蛋白质-蛋白质复合物，特别是抗体-抗原复合物	生物信息学，机器学习	NA	深度学习，多模态学习	CNN, LSTM, 注意力机制, MLP	序列数据，结构数据（结构图）	NA	NA	CNN, LSTM, 跨模态注意力模块, MLP	NA	NA
6682	2026-01-13	Discovery of Tetrahydroisoquinoline-Based SARS-CoV-2 Helicase Inhibitors with Iterative, Deep Learning-Enhanced Virtual Screening 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02059 PMID:41400222	研究论文	本研究通过结合深度学习的虚拟筛选方法，发现了一系列基于四氢异喹啉的SARS-CoV-2解旋酶抑制剂	采用深度神经网络增强虚拟筛选，提高了21%的命中识别效率，并揭示了一种新型变构抑制机制	研究处于早期阶段，化合物需进一步验证其临床前和临床效果	针对SARS-CoV-2解旋酶进行基于结构的药物发现	SARS-CoV-2解旋酶（Nsp13）	机器学习	COVID-19	虚拟筛选，分子动力学模拟	深度神经网络	化学分子结构数据	NA	NA	深度神经网络	命中识别效率，选择性指数（CC/EC），抗病毒活性（EC）	NA
6683	2026-01-13	Toward Complete Molecular Structure Prediction from Infrared Spectroscopy Using Deep Learning 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01834 PMID:41403343	研究论文	本研究提出了一种基于深度学习的双损失架构，用于从红外光谱数据中预测完整的分子结构（以SMILES字符串表示）	采用受图像描述模型启发的双损失深度学习架构，首次从红外光谱直接预测完整分子结构，而非仅预测单个官能团	模型在未见测试集上仅能正确预测16.26%的完整结构，准确率有待提升	解决从红外光谱逆向解析完整分子结构的挑战，提升光谱分析在化学和医学等领域的应用能力	有机化合物的红外光谱数据及其对应的分子结构	机器学习	NA	量子力学密度泛函理论计算	深度学习	光谱数据	超过17,000个独特的红外光谱，其中测试集包含1,710个光谱	NA	受图像描述模型启发的双损失架构	完整结构预测准确率，官能团再生准确率	劳伦斯伯克利国家实验室的Lawrencium集群高性能计算资源
6684	2026-01-13	MambaTransDTA: A Hybrid Mamba-Transformer Architecture for Accurate Drug-Target Binding Affinity Prediction 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02361 PMID:41406376	研究论文	提出了一种名为MambaTransDTA的新型混合模型，用于准确预测药物-靶点结合亲和力	首次将Mamba架构与Transformer架构相结合，以优化药物-靶点相互作用预测，通过结合Mamba捕获长程依赖的能力和Transformer对局部交互的建模，实现了更全面的亲和力估计	NA	提高药物-靶点亲和力预测的准确性、鲁棒性和泛化能力	药物-靶点相互作用	机器学习	NA	NA	混合模型	NA	NA	NA	Mamba, Transformer	均方误差	NA
6685	2026-01-13	LGABAN: An Integrated Multi-Scale Approach Combining Graph and Sequence Features for Enhanced Prediction of Drug-Protein Interactions 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02364 PMID:41408656	研究论文	本文提出了一种名为LGABAN的新型深度学习框架，用于增强药物-蛋白质相互作用的预测，通过结合图特征和序列特征的多尺度方法	LGABAN框架通过双分支结构并行提取局部和全局特征，并利用双线性注意力网络整合四种特征对，同时引入多头图注意力网络增强药物图表示能力	NA	提高药物-靶标相互作用预测的准确性和可解释性，以缩短药物研发周期和降低成本	药物和蛋白质	机器学习	NA	深度学习	GAT, BAN	图数据, 序列数据	NA	NA	多头图注意力网络, 双线性注意力网络	NA	NA
6686	2026-01-13	AttentionScore: A Target-Specific, Bias-Aware Scoring Function for Structure-Based Virtual Screening: A Case Study on METTL3 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02142 PMID:41435908	研究论文	本文提出了一种名为AttentionScore的深度学习评分函数，用于METTL3靶点的结构虚拟筛选，该函数整合了配体信息和蛋白质-配体相互作用信息，并通过相似性约束的数据划分方法进行偏差感知评估	开发了首个针对METTL3靶点的深度学习评分函数，采用多尺度融合模块耦合PLEC相互作用指纹和配体指纹，并设计了相似性约束的数据划分协议以最小化类比泄漏	研究仅针对METTL3单一靶点进行案例研究，未在其他靶点上验证方法的普适性	开发一种靶点特异性、偏差感知的评分函数，以改进结构虚拟筛选的准确性	METTL3靶点及其配体分子	机器学习	NA	结构虚拟筛选	深度学习	分子指纹数据（PLEC、Avalon/ECFP4）	未明确说明具体样本数量，但包含训练集和两个测试集（Set 1和Set 2）	未明确说明	多注意力编码器、联合自编码器潜在表示、多尺度融合模块	PR-AUC, 精确率, 召回率, F1分数, MCC	未明确说明
6687	2026-01-13	DeepMLP: A Proteomics-Driven Deep Learning Framework for Identifying Mis-Localized Proteins across Pan-Cancer 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02226 PMID:41436377	研究论文	本文提出了一种名为DeepMLP的蛋白质组学驱动的深度学习框架，用于在泛癌中识别错误定位的蛋白质	通过交叉注意力机制构建通路感知的蛋白质表示，并结合动态蛋白质-蛋白质相互作用网络，协同增强识别潜在癌症错误定位蛋白质的能力	未明确说明	识别泛癌类型中的错误定位蛋白质，特别是错误定位的蛋白激酶，并探索其在肿瘤发生中的潜在生物学相关性	错误定位的蛋白质（MLPs），特别是蛋白激酶	机器学习	癌症	大规模质谱蛋白质组学数据	深度学习	蛋白质组学数据	未明确说明	未明确说明	图注意力网络（GAT），结合交叉注意力机制	准确性，稳定性	未明确说明
6688	2026-01-13	Chemprop v2: An Efficient, Modular Machine Learning Package for Chemical Property Prediction 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02332 PMID:41453060	研究论文	介绍Chemprop v2，一个高效、模块化的机器学习软件包，用于化学性质预测	对Chemprop进行了全面重写，提高了速度、可扩展性和用户体验，支持多GPU训练，并增加了新功能和教程	未明确提及具体局限性	开发一个改进的软件包，用于分子性质预测，以支持计算化学设计	分子性质预测软件包	机器学习	NA	NA	D-MPNN	分子图	NA	NA	D-MPNN	NA	多GPU
6689	2026-01-13	SHIFT-DRP: Dynamic Multi-Scale Active Learning for Drug Response Prediction 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02453 PMID:41392432	研究论文	本文提出了一种名为SHIFT-DRP的动态多尺度主动学习框架，用于药物反应预测，旨在通过智能选择药物-细胞系组合进行实验验证，以在有限资源下最大化模型性能提升	提出了一种动态采样策略，该策略从关注多样性的探索阶段过渡到以不确定性驱动的精炼阶段，确保了特征空间的广泛覆盖和模型在缺乏足够学习区域的针对性改进	未在摘要中明确说明	解决药物反应预测中，由于训练数据化学空间覆盖不足导致模型对新颖药物-细胞系组合预测能力有限的问题	药物-细胞系组合	机器学习	癌症	NA	深度学习模型	NA	在四个数据集上进行了评估	NA	使用预训练模型进行分子表示，并采用交叉注意力机制建模药物-细胞系相互作用	预测性能	NA
6690	2026-01-13	Advanced deep learning framework for breast cancer detection using digital breast tomosynthesis images 2026-Jan-12, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0011 PMID:41521204	研究论文	本文提出了一种基于深度学习的框架，利用数字乳腺断层合成图像进行乳腺癌检测	结合了单切片和多切片输入，采用拉普拉斯金字塔增强、特征融合、穷举特征选择以及集成学习（ResNet V2、MobileNet V3、Inception V3+与XGBoost）的混合模型，显著提升了诊断性能	未提及具体样本量或数据来源细节，未来需整合临床决策支持系统并扩展到多中心数据集及其他乳腺成像模态	通过深度学习框架提高乳腺癌的早期和准确检测能力	数字乳腺断层合成图像	计算机视觉	乳腺癌	数字乳腺断层合成	CNN, 集成学习	图像	NA	TensorFlow, PyTorch, Keras, Scikit-learn	ResNet V2, MobileNet V3, Inception V3+	准确率, 灵敏度, 特异性, AUC	NA
6691	2026-01-13	"Super-Resolution" Deep Learning Image Reconstruction in Dynamic Myocardial Perfusion: A Prospective Evaluation of Image Quality and Hemodynamic Parameters 2026-Jan-12, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001840 PMID:41521534	研究论文	本研究前瞻性评估了超分辨率深度学习重建（SR-DLR）在动态心肌CT灌注中对图像质量和血流动力学参数的影响	首次在动态心肌CT灌注中比较SR-DLR与传统重建方法（FBP、混合IR、NR-DLR）对图像质量和血流动力学参数的影响	单中心研究，样本量较小（25例患者），未评估长期临床结局	评估SR-DLR在动态心肌CT灌注中提升图像质量和保持血流动力学参数准确性的能力	25例接受动态心肌CT灌注的患者（平均年龄65±10岁，21名男性）	医学影像分析	心血管疾病	动态心肌CT灌注成像	深度学习重建模型	CT影像	25例患者	NA	超分辨率深度学习重建（SR-DLR），正常分辨率深度学习重建（NR-DLR）	图像噪声，信噪比（SNR），对比噪声比（CNR），整体图像质量，病变可见性，心肌血流量（MBF），冠状动脉血流储备（CFR）	NA
6692	2026-01-13	Artificial Intelligence in Snoring Sound Analysis: OSA Detection and Obstruction Site Classification, a Systematic Review 2026-Jan-12, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70114 PMID:41521859	系统综述	本文系统综述了机器学习和人工智能模型在鼾声分析中用于检测阻塞性睡眠呼吸暂停（OSA）及基于VOTE系统进行阻塞部位分类的应用	首次系统性地评估了AI/ML在鼾声分析中同时用于OSA检测和VOTE系统阻塞部位分类的研究现状与性能	存在外部验证有限、数据集不平衡、噪声干扰等挑战，且缺乏真实世界的临床验证	评估机器学习和人工智能模型在分析鼾声以检测阻塞性睡眠呼吸暂停（OSA）及分类阻塞部位（基于VOTE系统）中的应用	鼾声信号	机器学习	阻塞性睡眠呼吸暂停	声学分析	SVM, CNN, 混合深度学习架构, kNN	音频信号	NA	NA	NA	准确率, 未加权平均召回率	NA
6693	2026-01-13	AI-driven peptide discovery for endometrial cancer: deep generative modeling and molecular simulation in the big data era 2026-Jan-12, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00735-9 PMID:41524971	研究论文	本研究开发了一个结合深度强化学习、生成对抗网络和变分自编码器的AI驱动生成管道，用于设计靶向子宫内膜癌关键蛋白的新型肽类分子	首次将深度强化学习、生成对抗网络和变分自编码器集成到一个统一的AI生成管道中，用于针对多种子宫内膜癌相关蛋白进行肽类药物设计，并通过分子动力学模拟和自由能计算进行综合验证	研究主要基于计算模拟和预测，缺乏体外或体内实验验证；生成的肽类分子数量虽多，但实际成药性仍需进一步实验评估	开发一个AI驱动的肽类药物发现框架，用于加速针对子宫内膜癌的下一代治疗药物的开发	靶向子宫内膜癌关键蛋白（AKT1, ESR1, Connexin-43, CTNNB1）的新型肽类分子	计算药物发现	子宫内膜癌	深度学习生成模型，分子对接，分子动力学模拟，自由能计算，ADMET预测	DRL, GAN, VAE	分子结构数据，蛋白质-配体相互作用数据	生成了超过14,200个结构，其中约2,313个肽类分子通过初步筛选	未明确指定	未明确指定	结合自由能（kcal/mol），RMSD（Å），ADMET预测参数	未明确指定
6694	2026-01-13	Automated detection of gallbladder stones using a deep learning algorithm on computed tomography scans 2026-Jan-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-05352-6 PMID:41524986	研究论文	本研究开发并评估了一种用于在CT扫描中自动检测胆结石的深度学习算法	首次在CT扫描中应用深度学习算法进行胆结石的自动化检测，并评估了其诊断准确性	回顾性单中心研究，样本量相对有限，且对气体性、等密度和小型结石的检测敏感性较低	开发并评估一种用于自动检测胆结石的深度学习算法的诊断准确性	CT扫描图像中的胆结石	计算机视觉	胆结石病	CT扫描	深度学习模型	图像	493例胆结石阳性、470例胆结石阴性和180例胆囊切除后的CT扫描	NA	NA	Dice系数, 敏感性, 特异性, ROC分析	NA
6695	2026-01-13	Deep learning in enhanced CT imaging: predicting invasion depth of rectal adenocarcinoma 2026-Jan-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-05368-y PMID:41524989	研究论文	本研究开发并评估了一个深度学习模型RectoDepthAI，利用增强CT图像准确预测直肠腺癌的肿瘤浸润深度，区分早期和晚期肿瘤	结合ResNet-18和LSTM网络处理静脉期CT切片序列，并利用Grad-CAM增强模型可解释性	NA	开发深度学习模型以非侵入性评估直肠腺癌的肿瘤浸润深度	直肠腺癌患者	计算机视觉	直肠癌	增强CT成像	CNN, LSTM	图像	934名患者	NA	ResNet-18, LSTM	AUC, 准确率, 灵敏度, 特异性	NA
6696	2026-01-13	Bioinformatics insights into plant genomic imprinting: approaches, challenges, and future perspectives 2026-Jan-09, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf025 PMID:41511814	综述	本文综述了植物基因组印记的生物信息学见解，包括研究方法、挑战及未来展望	系统总结了单细胞组学、机器学习和深度学习在植物印记基因识别与网络建模中的革命性应用，并展望了人工智能驱动的表观遗传育种策略	未涉及具体实验验证，且多组学数据整合仍面临挑战	探讨植物基因组印记的识别、功能注释、调控机制及其在农业育种中的应用前景	植物基因组印记现象，特别是模式植物（如拟南芥、玉米、水稻）中的印记基因	生物信息学	NA	单细胞组学	机器学习, 深度学习	多组学数据	NA	NA	NA	NA	NA
6697	2026-01-13	Artificial Intelligence in Diabetic Kidney Disease Research: Bibliometric Analysis From 2006 to 2024 2026-Jan-09, JMIR diabetes DOI:10.2196/72616 PMID:41511856	综述	本文对2006年至2024年间发表的AI相关糖尿病肾病研究进行了全面的文献计量和转化分析	首次系统性地利用文献计量学工具（如CiteSpace和VOSviewer）对AI在糖尿病肾病领域的研究趋势、合作网络、主题演变及临床转化程度进行了可视化与定性评估	研究主要基于Web of Science数据库的英文文献，可能遗漏其他语言或数据库的出版物；且定性评估指出，大多数研究缺乏外部验证或可解释性框架，临床转化仍有限	旨在通过文献计量分析，揭示AI在糖尿病肾病研究中的应用格局、发展趋势、合作模式及临床转化挑战	2006年至2024年间发表的、应用AI技术于糖尿病肾病的英文原创研究文章	机器学习	糖尿病肾病	文献计量分析、系统综述	NA	文本（文献数据）	384项研究	CiteSpace, VOSviewer	NA	NA	NA
6698	2026-01-13	Ensemble deep learning architectures for detecting pulmonary tuberculosis in chest X-rays 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30792-x PMID:41513737	研究论文	本文提出了一种集成深度学习架构，用于从胸部X光片中检测活动性肺结核	将卷积自编码器神经网络与具有深度层聚合的多尺度卷积神经网络集成到一个学习架构中，用于稳健的结核病检测，并在多个数据集上实现了最先进的性能	NA	开发一种适用于资源匮乏环境的、具有成本效益的自动化结核病筛查方法	胸部X光片	计算机视觉	肺结核	NA	CNN, 自编码器	图像	两个公共数据集和一个私有数据集	NA	卷积自编码器神经网络, 多尺度卷积神经网络	灵敏度, 特异性, 准确率, AUC	NA
6699	2026-01-13	Early detection of air leakage in IoT-connected compressors using enhanced data sampling with deep learning 2026-Jan-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29522-0 PMID:41507227	研究论文	本文提出了一种结合无监督增强数据采样和蒙特卡洛丢弃神经网络的端到端框架，用于物联网连接压缩机中的早期空气泄漏检测	提出了一种新颖的无监督增强数据采样方法（UEDSM），在缓解类别不平衡的同时保持数据结构，并集成了一种支持丢弃的神经网络（ALDNet），利用蒙特卡洛丢弃进行鲁棒推理	未明确说明方法在其他类型工业设备或更大规模数据集上的泛化能力	解决智能工厂中空气泄漏的早期检测问题，以减少成本和运营效率低下	制造工厂中的物联网连接空气压缩机	机器学习	NA	实时物理监测	深度学习神经网络	传感器数据（来自物联网连接的压缩机）	两台空气压缩机的实时监测数据	未明确指定，可能为TensorFlow或PyTorch	ALDNet（一种支持丢弃的神经网络）	准确率，F1分数	未明确指定，但提及适用于边缘环境部署
6700	2026-01-13	Application and accuracy analysis of different facial regions based on deep learning in the diagnosis of hypertension 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30936-z PMID:41484198	研究论文	本研究开发了一种基于深度学习的非侵入性面部图像分析方法，用于高血压的早期筛查	通过改进的U-Net模型将面部细分为六个解剖区域，并发现仅使用颧骨和脸颊区域即可达到与全脸模型相当的诊断准确率，表明这些区域集中了与高血压相关的生理信号	样本量相对较小（共506名参与者），且研究未在更广泛或多样化的人群中进行外部验证	开发一种可扩展、被动、非侵入性的高血压早期筛查工具	375名高血压患者和131名血压正常对照者的面部图像	计算机视觉	心血管疾病	面部图像分析	CNN	图像	506名参与者（375名高血压患者，131名血压正常对照者）	NA	U-Net, ResNet	mIoU, 准确率	NA