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
6901	2025-02-11	Enhanced clinical photoacoustic vascular imaging through a skin localization network and adaptive weighting 2025-Apr, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100690 PMID:39916976	研究论文	本文介绍了一种通过深度学习网络和自适应加权算法来增强临床光声血管成像的方法	结合深度学习网络进行皮肤层分割和自适应加权算法来补偿组织衰减，从而恢复深层血管	未提及具体局限性	提升临床光声血管成像的质量，特别是在深层血管的可视化方面	光声成像中的血管	数字病理学	NA	光声断层扫描（PAT）	深度学习网络	图像	未提及具体样本数量
6902	2025-02-11	Research on Intelligent Monitoring and Concentration Prediction for Penicillin Fermentation Process 2025-Mar, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28903 PMID:39710987	研究论文	本研究利用PenSim模拟数据集，应用多种机器学习和深度学习技术预测青霉素发酵过程中的浓度	通过相关性分析筛选出对青霉素浓度有显著影响的九个特征变量，并采用网格搜索系统优化各种预测模型的超参数	研究基于模拟数据集，可能无法完全反映实际生产环境中的复杂性	提高青霉素发酵过程的智能监控和浓度预测，以提升生产效率和质量保证	青霉素发酵过程中的浓度	机器学习	NA	机器学习和深度学习技术	岭回归模型	模拟数据	PenSim模拟数据集
6903	2025-02-11	Hierarchical Graph Attention Network with Positive and Negative Attentions for Improved Interpretability: ISA-PN 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01035 PMID:39654089	研究论文	本文介绍了一种可解释的子图注意力网络（ISA-PN），用于增强对分子结构-性质关系的理解	提出了一种具有正负注意力流的可解释子图注意力网络（ISA-PN），通过正负注意力分数量化分子子结构的贡献	尽管ISA-PN模型在解释性方面有显著改进，但其在化学应用中的广泛适用性仍需进一步验证	提高深度学习模型在化学和材料科学中的可解释性，特别是分子结构-性质关系	分子子结构及其对分子性质的贡献	机器学习	NA	深度学习	ISA-PN（可解释子图注意力网络）	分子数据	使用了水溶性、亲脂性和熔点数据集进行验证
6904	2025-02-11	Computational Methods for Predicting Chemical Reactivity of Covalent Compounds 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01591 PMID:39823568	研究论文	本文提出了一种预测共价化合物化学反应性的计算方法，通过机器学习和深度学习模型评估化合物的内在反应性	开发了FP-Stack模型，实现了对共价化合物反应性的快速准确预测，显著降低了计算成本并简化了实验流程	研究主要针对半胱氨酸靶向的共价化合物，可能不适用于其他类型的共价化合物	预测和调节共价化合物的反应性，以指导共价药物的发现和开发	419种半胱氨酸靶向的共价化合物	机器学习	NA	机器学习、深度学习、量子力学计算	FP-Stack模型	化学反应性数据	419种半胱氨酸靶向的共价化合物
6905	2025-02-11	MMPD-DTA: Integrating Multi-Modal Deep Learning with Pocket-Drug Graphs for Drug-Target Binding Affinity Prediction 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01528 PMID:39833138	研究论文	本文提出了一种名为MMPD-DTA的多模态深度学习模型，用于预测药物-靶标结合亲和力，通过整合靶标、口袋和药物的图和序列模态来捕捉全局和局部信息	引入了一种新颖的口袋-药物图（PD图），同时建模靶标内部、药物内部以及靶标与药物之间的原子相互作用，并采用GraphSAGE进行图表示学习，结合transformer进行序列表示学习	未明确提及具体局限性	预测药物-靶标结合亲和力，以解决药物发现研究中的关键问题	药物、靶标及其结合口袋	机器学习	NA	多模态深度学习	GraphSAGE, transformer, 图同构网络, 多层感知机	图数据、序列数据	三个真实世界测试集
6906	2025-02-11	Deciphering Protein Secondary Structures and Nucleic Acids in Cryo-EM Maps Using Deep Learning 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01971 PMID:39838545	研究论文	本文介绍了一种基于深度学习的方法EMInfo，用于在冷冻电镜密度图中检测蛋白质二级结构和核酸位置	开发了一种新的深度学习工具EMInfo，用于在中等分辨率冷冻电镜图中准确预测蛋白质二级结构和核酸位置	NA	提高冷冻电镜图中蛋白质二级结构和核酸位置的检测精度，以辅助生物大分子的三维结构建模	冷冻电镜密度图中的蛋白质二级结构和核酸	计算机视觉	NA	冷冻电镜（cryo-EM）	深度学习	图像	两个蛋白质-核酸复合物测试集，包括中等分辨率和高分辨率的实验图
6907	2025-02-11	Deep Learning of CYP450 Binding of Small Molecules by Quantum Information 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01735 PMID:39869197	研究论文	本文提出了一种结合量子信息与深度学习的方法，用于预测小分子与CYP450酶的结合，以提高药物-药物相互作用的预测准确性	采用分子表面流形嵌入（MEMS）方法，保留了分子的量子力学特性，并结合DeepSets架构进行深度学习，显著提高了预测精度	传统分子描述符忽略了复杂的电子相互作用，而本文方法虽然改进但仍需进一步验证其广泛适用性	提高药物-药物相互作用的预测准确性，特别是针对CYP450酶的结合	小分子与CYP450酶的结合	机器学习	NA	MEMS, DeepSets	DeepSets	分子数据	NA
6908	2025-02-11	Transformer Decoder Learns from a Pretrained Protein Language Model to Generate Ligands with High Affinity 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02019 PMID:39871540	研究论文	本文介绍了一种名为Prot2Drug的深度学习生成模型，该模型利用预训练的蛋白质语言模型和Transformer的能力，生成与特定蛋白质结合的配体	Prot2Drug模型结合了预训练的蛋白质语言模型和Transformer技术，能够生成具有高亲和力的配体，并且能够为已知化合物提出新的蛋白质靶点，表明潜在的药物再利用策略	NA	加速药物发现过程，生成具有药物特性的分子，特别是能够与特定蛋白质结合的候选分子	蛋白质和配体	自然语言处理	NA	深度学习	Transformer	蛋白质序列和分子结构	数千个蛋白质-配体相互作用
6909	2025-02-11	DO-GMA: An End-to-End Drug-Target Interaction Identification Framework with a Depthwise Overparameterized Convolutional Network and the Gated Multihead Attention Mechanism 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02088 PMID:39874533	研究论文	本文提出了一种名为DO-GMA的端到端框架，用于潜在药物-靶点相互作用（DTI）的识别，结合了深度过参数化卷积网络和门控多头注意力机制	DO-GMA框架通过深度过参数化卷积网络从SMILES字符串和氨基酸序列中学习药物和蛋白质表示，并通过图卷积网络从2D分子图中提取药物表示，结合门控注意力机制和多头注意力机制融合药物和蛋白质特征	NA	识别潜在的药物-靶点相互作用，以促进药物发现和再利用	药物-靶点相互作用	机器学习	NA	深度过参数化卷积网络，图卷积网络，门控多头注意力机制	CNN, GCN, 多层感知机	SMILES字符串，氨基酸序列，2D分子图	四个DTI数据集（DrugBank, BioSNAP, C.elegans, BindingDB）
6910	2025-02-11	MutualDTA: An Interpretable Drug-Target Affinity Prediction Model Leveraging Pretrained Models and Mutual Attention 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01893 PMID:39878060	研究论文	本文提出了一种名为MutualDTA的可解释深度学习模型，用于预测药物-靶标亲和力（DTA），并利用预训练模型和互注意力机制来提高预测的准确性和可解释性	MutualDTA模型通过预训练模型获取药物和靶标的准确表示，并利用互注意力模块从分子间相互作用的角度建立药物与蛋白质之间的关系，从而提高了预测的准确性和可解释性	NA	提高药物-靶标亲和力预测的效率和准确性，加速药物开发过程	药物-靶标亲和力	机器学习	阿尔茨海默病	深度学习	MutualDTA	分子数据	两个基准数据集
6911	2025-02-11	pLM4CPPs: Protein Language Model-Based Predictor for Cell Penetrating Peptides 2025-Feb-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01338 PMID:39878455	研究论文	本研究评估了预训练蛋白质语言模型（pLMs）在表示细胞穿透肽（CPPs）方面的有效性，并开发了一种可靠的CPP分类模型	开发了pLM4CCPs，一种基于卷积神经网络（CNNs）的新型深度学习架构，用于CPP的二元分类，并展示了其在准确性和其他性能指标上的显著提升	未提及具体的研究局限性	评估预训练蛋白质语言模型在CPP表示中的有效性，并开发可靠的CPP分类模型	细胞穿透肽（CPPs）	自然语言处理	NA	深度学习	CNN	蛋白质序列数据	NA
6912	2025-02-11	AKIRA: Deep learning tool for image standardization, implant detection and arthritis grading to establish a radiographic registry in patients with anterior cruciate ligament injuries 2025-Feb-10, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.12618 PMID:39925136	研究论文	本文提出了一种名为AKIRA的深度学习工具，用于图像标准化、植入物检测和关节炎分级，以建立前交叉韧带（ACL）损伤患者的放射影像登记系统	AKIRA结合了三种深度学习算法（EfficientNet、YOLO和Residual Network），能够自动分类和注释放射影像，显著提高了影像处理的效率和准确性	研究仅基于ACL损伤患者的放射影像，未涉及其他类型的膝关节损伤或疾病	开发大规模、标准化的放射影像登记系统，以增强个性化骨科治疗	前交叉韧带（ACL）损伤患者的膝关节放射影像	数字病理学	关节炎	深度学习	EfficientNet, YOLO, Residual Network	图像	20,836张膝关节放射影像，来自1,628名ACL损伤患者
6913	2025-02-11	Self-supervised adversarial diffusion models for fast MRI reconstruction 2025-Feb-09, Medical physics IF:3.2Q1 DOI:10.1002/mp.17675 PMID:39924867	研究论文	本文提出了一种名为SSAD-MRI的自监督深度学习压缩感知MRI方法，旨在加速数据采集而无需完全采样数据集	SSAD-MRI方法在训练过程中无需使用完全采样数据集，通过自监督对抗扩散模型实现快速MRI重建	研究仅使用了脑部MRI数据集，未验证在其他身体部位或不同疾病类型上的适用性	加速MRI数据采集，减少患者不适和运动伪影，同时提高图像质量	脑部MRI图像	计算机视觉	NA	自监督深度学习，压缩感知	自监督对抗扩散模型	MRI图像	1376例多线圈脑部T2加权图像和318例单线圈脑部定量磁化准备2快速采集梯度回波T1图
6914	2025-02-11	Voice analysis and deep learning for detecting mental disorders in pregnant women: a cross-sectional study 2025-Feb-08, Discover mental health DOI:10.1007/s44192-025-00138-0 PMID:39920468	研究论文	本研究旨在开发一种深度学习模型，通过分析孕妇的声音来筛查心理障碍，提供一种替代传统工具的客观筛查方法	利用声音分析和深度学习技术，开发了一种新的筛查孕妇心理障碍的客观方法，相比传统工具具有更高的敏感性	模型的特异性和精确度低于传统工具EPDS，且样本量相对较小	开发一种基于声音分析的深度学习模型，用于筛查孕妇的心理障碍	204名孕妇的声音样本	机器学习	心理障碍	声音分析、深度学习	EfficientFormer V2-L	音频数据	204名孕妇
6915	2025-02-11	A generative whole-brain segmentation model for positron emission tomography images 2025-Feb-08, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00716-9 PMID:39920478	研究论文	本文提出了一种生成式多目标分割模型，用于脑部PET图像的自动和准确分割	提出了一种新的3D生成式多目标分割模型，结合了潜在映射模型和自定义的交叉注意力模块，以融合功能信息和结构信息	未提及具体局限性	提高脑部PET图像的全脑分割精度，以促进神经科学研究和临床医学	脑部PET图像	计算机视觉	NA	PET成像	3D生成式多目标分割模型	图像	120名患者的真实脑部PET/MR图像
6916	2025-02-11	Letter to the Editor regarding, "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis" by Dashti et al 2025-Feb-08, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2024.12.029 PMID:39924432	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6917	2025-02-11	Single-shot super-resolved fringe projection profilometry (SSSR-FPP): 100,000 frames-per-second 3D imaging with deep learning 2025-Feb-07, Light, science & applications DOI:10.1038/s41377-024-01721-w PMID:39915449	研究论文	本文介绍了一种基于深度学习的超快三维成像技术，称为单次超分辨条纹投影轮廓术（SSSR-FPP），能够在100,000赫兹的频率下进行三维成像	SSSR-FPP技术通过使用一对低信噪比、低分辨率的条纹图案作为输入，并通过特定的深度神经网络解码高分辨率的展开相位和条纹阶数，实现了超快三维成像	该技术的成像速度受限于高速相机的成像窗口，且需要特定的深度神经网络进行训练	研究目的是开发一种能够在超快时间分辨率下获取三维图像的成像技术	研究对象包括旋转的涡轮叶片、爆炸的积木和蒸汽机的往复运动等瞬态场景	计算机视觉	NA	条纹投影轮廓术（FPP）	深度神经网络	图像	多个瞬态场景，包括旋转的涡轮叶片、爆炸的积木和蒸汽机的往复运动
6918	2025-02-11	Unlocking precision medicine: clinical applications of integrating health records, genetics, and immunology through artificial intelligence 2025-Feb-07, Journal of biomedical science IF:9.0Q1 DOI:10.1186/s12929-024-01110-w PMID:39915780	综述	本文综述了人工智能在精准医学中的临床应用，特别是在整合健康记录、遗传学和免疫学数据方面的应用	通过整合AI技术，提供了对患者健康状况和潜在风险的全面视角，并在风湿病学中展示了AI驱动的精准医学平台和临床决策支持工具的实际应用	数据质量、隐私保护和临床医生的信任是实施过程中的主要挑战	探索人工智能在精准医学中的临床应用，特别是在风湿病学中的应用	患有自身免疫性风湿病的患者	精准医学	风湿病	机器学习、深度学习	NA	健康记录、遗传学数据、免疫学数据	NA
6919	2025-02-11	Prevention and management of degenerative lumbar spine disorders through artificial intelligence-based decision support systems: a systematic review 2025-Feb-07, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08356-x PMID:39915847	系统综述	本文系统回顾了人工智能（AI）在腰椎退行性疾病引起的下腰痛（LBP）临床预防和管理中应用的决策支持系统（DSS）	首次系统评估了AI在腰椎退行性疾病管理中的应用，展示了AI在临床评分定义、临床评估和资格预测等任务中的高准确性	研究仅限于PubMed和Scopus数据库，可能存在未涵盖的相关研究	评估AI在腰椎退行性疾病引起的LBP预防和管理中的应用效果	腰椎退行性疾病引起的下腰痛患者	医疗决策支持系统	腰椎退行性疾病	机器学习和深度学习算法	多种机器学习和深度学习模型	临床、人口统计、心理社会和影像数据	25篇符合纳入标准的研究
6920	2025-02-11	Genome data based deep learning identified new genes predicting pharmacological treatment response of attention deficit hyperactivity disorder 2025-Feb-07, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-025-03250-5 PMID:39920114	研究论文	本研究结合全基因组关联分析（GWAS）和深度学习方法，揭示了注意力缺陷多动障碍（ADHD）药物治疗反应的遗传基础，并识别了新的相关基因	首次将GWAS与深度学习结合，用于预测ADHD药物治疗反应，并识别了新的相关基因TMEM117和MYO5B	独立测试数据集的模型性能较低，特异性仅为0.26，表明模型在外部验证中的表现有待提高	探索ADHD药物治疗反应的遗传基础，并开发预测模型	未接受过药物治疗的ADHD患者	机器学习	注意力缺陷多动障碍（ADHD）	全基因组关联分析（GWAS）	卷积神经网络（CNN）	基因型数据	未明确提及具体样本数量，但涉及接受12周药物治疗的ADHD患者